37 阅读
跨市场价差 Z-Score：美股-港股套利监控的工程实现
跨市场价差 Z-Score：美股-港股套利监控的工程实现 > "价差本身不会说话，但当它开口时，市场已经在行动了。" 美东时间上午 9:30，纳斯达克的交易员盯着 NVDA 的报价。与此同时，地球另一端的香港联交所刚刚结束午盘休息，商汤科技的盘后交易数据正在生成。两个市场、三种货币、十六个小时的时差——但对于跨市场套利者而言，这些都是可以工程化解决的问题。 真正的挑战不在于"价差是否存在"，而在于
API 教程
TickDB API 开发教程、WebSocket 接入和 SDK 示例
61 阅读
TickDB SKILL 协议详解：如何让 AI 助手理解你的行情查询
当 AI 助手说“根据公开信息，NVDA 近期走势强劲”时，你有没有想过：它其实可以更聪明——直接调用 TickDB，拿到实时行情，告诉你买卖价差扩大了多少、depth 档位有什么变化？ 这不是假设，而是 TickDB SKILL 协议正在实现的事。 本文从协议规范、解析机制到 Function Calling 全链路拆解，让你能为自己的 AI 助手接入 TickDB 的实时数据能力。 --- 一
53 阅读
订单簿买卖压力比：从 depth 数据到交易信号的完整实现
订单簿买卖压力比：从 depth 数据到交易信号的完整实现 价格是结果，订单簿是原因。 每一个 TickDB 频道推送的快照，都是交易战场上多空双方实时摆出的阵地图——买一卖一所呈现的不只是当前价格，更隐含着市场参与者的心理边界、聪明钱的布局意图，以及流动性在微观层面收缩或扩张的节奏。 对于量化开发者而言，订单簿是一座富矿。问题在于，这座矿藏的 raw ore（原始矿石）并不能直接投入策略：高频
40 阅读
TickDB 能做什么、不能做什么：一份诚实的产品能力图谱
TickDB 能做什么、不能做什么：一份诚实的产品能力图谱 > "选数据供应商的第一步，不是问它支持多少个市场，而是问它不支持哪些。"——这句话是 TickDB 内容团队在撰写对比文章时最常忘记、也最重要的起点。 数据供应商的能力文档永远在告诉你"我们能做什么"，却很少主动标注"我们做不了什么"。这种信息不对称导致量化开发者在接入后才发现踩了坑：回测框架搭好了，代码跑通了，等到回测区间拉美股 ti
89 阅读
TickDB 如何做到单一连接跨市场？统一行情网关的技术解密
TickDB 如何做到单一连接跨市场？统一行情网关的技术解密 > "三个终端，三套协议，三个时钟——这是每个跨市场量化团队都要面对的隐形成本。" 2019 年之前，如果你想同时采集美股、港股和加密货币的行情，标准做法是维护三套独立的连接：一套对接 NASDAQ 的 ITCH 协议，一套对接港交所的 OMD-D，另一套对接 Binance 的 WebSocket API。每套协议的消息格式不同、心跳
45 阅读
从回测到实盘：填平那 5 道鸿沟
回测赚到手软，实盘亏到失眠：量化策略迁移失败的 5 个真相 --- 你花了三个月优化一个策略，夏普比率 2.8，最大回撤 12%，年化收益 41%。历史 K 线数据回测结果漂亮得像艺术品。 然后你把它挂到实盘。 三个月后，账户亏了 18%。 你打开日志，发现：成交价格比回测预期差了 0.3%，滑点吞噬了所有利润；延迟导致信号失效，订单还没成交行情已经反转；最要命的是，策略在回测里从没遇到过的极端行
56 阅读
技术指标计算优化：用 TA-Lib 还是自己写向量化？
信号计算的性能战争：TA-Lib、Pandas 与 Numba 正面交锋 > 凌晨 3 点，策略回测引擎终于跑完了过去 10 年的日线数据。你长舒一口气，端起已经凉透的咖啡——然后发现还要跑 1 分钟级别的数据。 > > 同样的计算量，你的同事只用了 1/6 的时间。他的秘诀是什么？ 这不是硬件的差距。在量化回测和实盘信号生成中，计算效率的瓶颈往往不在硬件，而在计算范式的选择。RSI、MACD、布
49 阅读
当日行情自动归档：用 TickDB 历史接口构建本地行情数据库
"你的策略回测跑过了 2020 年 3 月的流动性黑洞吗？" 如果你做过实盘，就知道这道题有多残酷——当时纳斯达克 10 天内触发 4 次熔断，无数量化策略在 Yahoo Finance 的"干净"数据里回测出漂亮的曲线，一上实盘就被打得找不着北。 问题不在策略本身，而在数据源。多数免费数据有这三个致命伤：隔夜跳空填充假数据、分钟级数据缺失或不同步、历史深度不够。TickDB 提供的分钟级历史 K
52 阅读
程序员转量化：你的工程能力如何转化为策略优势
你写的 HTTP 客户端，正在杀死你的策略 凌晨三点，策略盘口突然静默。 你从床上弹起来，远程连上服务器，日志里全是堆叠的超时错误。市场正在剧烈波动，你的策略却因为数据获取层的脆弱设计，在最关键的时刻失去了眼睛。 这不是策略模型的失败。 这是工程能力的欠账。 --- 我是码农小K，干了八年后端，写过交易系统外围，做过数据管道，现在全职做量化策略。这条路我走了三年，踩过的坑比喝过的咖啡多。今天这篇不
51 阅读
WebSocket 订阅架构设计：从单连接到连接池
连接池设计：如何优雅地管理 100+ 标的的实时订阅 > "你那台服务器挂了两天了，知道吗？" > > 凌晨三点，Slack 上弹出一条消息。事情很简单：策略同学的 Python 脚本跑了两天，内存从 200MB 涨到 1.8GB，然后 OOM kill。他写的 WebSocket 订阅逻辑没有做连接复用、没有做消息消费限流、没有做任何退避重连——就是 100 个 一起跑，收到消息就往一个队列里
108 阅读
TickDB vs Tushare：A 股数据源的跨市场能力对决
财报季来了，你还在用 5 秒刷新的数据源做日内策略吗？ 2024 年 10 月，某头部百亿私募的 CTA 团队在复盘中发现一个致命问题：他们的 A 股日内策略回测年化 42%，实盘却亏损 18%。根因令人啼笑皆非——回测用的是 Tushare 的日频复权数据，实盘用的是券商接口的低频快照，中间的数据断层高达 3-8 秒。 这不是孤例。在 A 股量化社区，Tushare 是绕不开的名字。它用免费午餐
58 阅读
机构量化系统的数据治理：合规、灾备与 SLA
机构量化系统的数据治理：合规、灾备与 SLA > "量化策略的盈亏在收盘后停止，但数据的战斗永不停歇。" 凌晨 2:47，某百亿量化私募的风控系统弹出一条红色告警：数据供应商 A 的行情延迟从常规的 50ms 飙升至 1.8 秒。这意味着当日的全部交易信号都建立在错误的价格数据之上——一个小时后，该私募的 IT 总监和合规负责人坐在会议室里面面相觑：他们的审计日志只记录了"数据获取成功"，却无法回
53 阅读
格兰杰因果检验：美股与加密货币谁领先谁？
格兰杰因果检验：美股与加密货币谁领先谁？ > "相关系数是表象，领先滞后才是本质。" 2020 年 3 月 12 日，加密市场迎来"黑色星期四"。BTC 在 24 小时内跌幅超过 40%，多交易所出现技术故障。清算所 Margin Call 的连锁反应让传统市场参与者第一次认真看待加密资产的"领先性"。但问题是：这是统计上显著的领先，还是仅仅是巧合？ 四年后的今天，机构量化团队在配置加密资产时面临
42 阅读
TickDB 的错误码为什么是 3001 而不是 429？统一错误码体系解读
凌晨 3 点，你被一条告警叫醒。 告警信息只有一行：。你盯着屏幕，快速翻了翻项目文档——没有。你又搜了一圈 API 文档——没有。你叹了口气，试探性地加了个 ，跑了一下，过去了。三个月后，你忘了这件事，直到另一个类似的告警出现。 这不是某个程序员的黑历史。这是 API 错误处理领域的集体困境：HTTP 状态码能告诉你的，永远不够用。 --- 当 HTTP 状态码不够用时 是一个有效的 HTTP
77 阅读
量化团队的策略研发规范：从 idea 到上线的标准流程
当你的策略从 3 个变成 30 个：小型量化团队如何建立可持续的研发秩序 "我们的策略回测年化收益 45%，实盘运行三个月后夏普比率掉到了 0.3。" 这句话几乎可以列为量化行业出现频率最高的死亡flag。问题往往不在策略本身，而在于团队没有一套从 idea 到上线的流程规范——策略越多，混乱程度指数级上升，最终连策略库都变成一笔糊涂账。 本文面向 3-10 人规模的小型量化团队，系统性拆解策略研
61 阅读
历史数据批量拉取：如何高效获取 10 年分钟级美股数据
历史数据批量拉取：如何高效获取 10 年分钟级美股数据 当 100 万根 K 线等待被装进你的硬盘 凌晨两点，你盯着屏幕上的进度条——3%。已经跑了 14 个小时。 这不是虚构场景。任何一个认真做过美股分钟级回测的量化开发者，都大概率经历过这个时刻：选定一个 10 年回测窗口，跑一个 Python 脚本满怀期待地点下回车，然后发现数据在以一种令人绝望的速度缓缓流入。 100 万根 K 线。这是苹果
62 阅读
TickDB 的历史数据清洗对齐到底做了什么？对比原始数据的 5 个维度
TickDB 的历史数据清洗对齐到底做了什么？对比原始数据的 5 个维度 > "你的策略在过去三年回测中年化收益 42%，夏普比率 2.1。但实盘跑了三个月，亏损 18%。" > > 这不是策略失效。这很可能是数据问题。 > > 量化社区有句老话：垃圾进，垃圾出。但少有人意识到，即使数据"看起来正确"，未经清洗对齐的历史数据也可能让你的回测结果与实盘产生根本性偏差。本文深入拆解 TickDB 的数
76 阅读
量化小白从 0 到 1：搭建你的第一个美股量化策略
从亏损一个跌停板开始：一个后端程序员的量化启蒙 2019 年双十一，我用人生第一笔股票账户里的 5 万块钱，体验了一把"量化"。 买入逻辑很简单：同事说特斯拉要起飞了。然后我看着那个数字从 +2% 变成 -8%，全程无能为力——没有报警，没有止损条件，甚至不知道该什么时候看盘。 三个月后亏了 18%，我卸载了 App。但那个问题一直留在脑子里：程序能不能替我管住手？ 答案是肯定的。但"量化"这个词
109 阅读
统计套利配对筛选：协整检验与卡尔曼滤波实战
统计套利配对筛选：协整检验与卡尔曼滤波实战 > “两只股票的短期背离终将收敛——这是统计套利的公理。但公理不告诉你在哪个时间窗口收敛、收敛的概率有多大、以及用什么方法捕捉这个概率。” 2019 年，Two Sigma 的一份研究论文披露了其早期配对交易策略的核心参数：当 SPY 与 IWM 的 20 日滚动相关性跌破 -0.6 时，75% 的价差在 5 个交易日内回归均值。这个数字不是猜测，而是
95 阅读
TickDB vs Tushare：A 股数据源的跨市场能力对决
TickDB vs Tushare：A 股数据源的跨市场能力对决 > "数据是量化交易的氧气，但获取数据的姿势决定了你能飞多高。" 凌晨三点，某私募的因子挖掘工程师小林盯着屏幕上的报错信息发呆——Tushare Pro 的日调用额度又触达上限了，而他的动量因子正在历史数据回测的关键节点。这是他本周第三次因为接口限频被迫中断工作。 与此同时，另一位个人投资者老张刚用 TickDB 的 WebSock