性能量化

C++ Hikyuu 2.0.6 离线文档概述 Hikyuu Quant Framework 是一个基于 C++/Python 的高性能开源量化交易研究框架，支持策略分析和回测，目前主要应用于国内 A 股市场。 核心设计理念 该框架的核心思想基于系统化交易方法，将整个交易系统抽象为多个模块，涵盖：- 市场环境判断策略- 系统有效条件- 信号指示器- 止损/止盈策略- 资金管理策略- 盈利目标策略- 移滑价差算法 每一个模块独立实现，可自定义策略组合，实现灵活的研究与系统有效性评估，支持百万级别 K 线回测，通常 2-3 秒内即可完成全市场策略验证。 C++ 核心库的性能与兼容 框架的 C+

对数据质量管理和性能量化进行了深入探讨，为相关领域的专业人士提供实用信息和洞见。

Hikyuu 的回测速度真挺让人惊喜的，底层用 C++搞性能，Python 搞灵活，跑策略快得飞起。你要是习惯在 Windows 上搞事儿，2.0.3 版本加 Python 3.9 的组合，挺稳，装起来也方便。 Hikyuu 的多周期比较顺滑，常见的日线、分钟线切换都不卡，响应也快，策略逻辑清晰。代码也挺好上手的，比如自定义一个均线策略，用MA(n)配合CROSS判断买点，几行搞定。 安装包是完整的，一键装完就能跑，不用自己再去凑库，省事。哦对了，如果你是新手，建议先看下它的离线文档，结构清楚，还有示例。 安装环境建议你就按推荐的 Python 3.9 来，其他版本像 3.12 也有套件，不过

Hikyuu Quant Framework是基于C++/Python的高性能开源量化交易研究框架，用于策略分析及回测（目前用于国内A股市场）。其核心思想基于当前成熟的系统化交易方法，将整个系统化交易抽象为由市场环境判断策略、系统有效条件、信号指示器、止损/止盈策略、资金管理策略、盈利目标策略、移滑价差算法七大组件，你可以分别构建这些组件的策略资产库，在实际研究中对它们自由组合来观察系统的有效性、稳定性以及单一种类策略的效果。百万级别K线回测，2~3秒完成计算，助您快速完成基于全市场的策略验证。C++核心库，提供了整体的策略框架，在保证性能的同时，已经考虑了对多线程和多核处理的支持，在未来追求

单节点与协作能量检测性能的ROC曲线分析如下： 虚警概率与漏检概率的比较图。 检测概率与漏检概率的比较图。

matlab编写代码实现瞬时能量估算M文件，用于计算非线性能量算子，包括Teager-Kaiser运算符和频率加权瞬时能量。需要Matlab或Octave编程环境。更新（2019年9月）：Python版本代码实现了相同的频率加权瞬时能量方法。详细介绍了Teager-Kaiser运算符及其在离散信号处理中的应用，以及希尔伯特变换的离散形式。参考文献提供了进一步的背景和实施细节。以下是一个简单的示例代码，生成两个正弦信号的Teager-Kaiser运算符和建议的包络-微分运算符： % 生成两个正弦信号:

YAP/TAZ量化应用的介绍。指导用户完成一个简单的步骤来分析和计算。

这个量化模型是通过使用0.25的量化间隔来设计Quantizer模块实现的。输入是幅度为1、频率为0.25Hz的正弦波，并且输入和输出结果都在示波器上显示。

量化交易里的 Pandas 函数，说实话，用得最多的还是那些经典操作，比如groupby、resample、rolling这种，数据预的时候真的离不开它们。这份示例文件，正好把这些函数串了一遍，案例不复杂，但蛮实用的，改一改就能直接用在自己的策略上。 Pandas 的 DataFrame 操作是重点，像df.loc和df.iloc的区别，在里面有清楚的用法示例，省得你翻文档。还有不少人经常混淆apply和map，这个文件里也顺手举了例子，挺贴心的。 文件风格比较清爽，结构也利索。一般从读取 CSV 开始，是各种切片、过滤、重采样，配合一些金融指标的计算，流程蛮像实际写策略那一套。顺手一看，立马

可自定义Mat缓存文件的存储路径，选择当前路径或全局路径。全局缓存路径需在FactorBaseCfg.xml中设置，默认为QIA安装路径。支持按日或按周回购的枚举。系统根据设定获取债券的杠杆费用。若交易代码列表不包含特定债券标的，该属性可忽略。