金融科技后端数据分析AI 应用【免费下载链接】jin-ce-zhi-suan【金策智算】➡️不靠情绪买卖、不追小道消息专注用客观数据辅助决策。 我们仅提供本地化私有行情数据服务与历史回测工具帮你把主观想法变成可验证的交易规则用历史数据检验方法有效性通过指标监控约束随意操作、控制回撤风险让交易更有纪律、更落地。 本产品为纯量化工具不荐股、不指导买卖、不预测行情、不承诺收益所有决策由用户自主判断只为你提供客观的数据支撑与AI辅助。作者【硅基流码】项目地址https://gitcode.com/gh_mirrors/ji/jin-ce-zhi-suan点击查看免费下载金策智算jin-ce-zhi-suan是一款本地化量化回测工具帮你把主观交易想法变成可回测验证的自定义策略用历史数据检验方法有效性。这篇教程带你 15 分钟完成全流程读懂策略模板 → 写出第一个均线金叉策略 → 注册进策略管理器 → 跑通回测验证并读懂报告。全程只需 Python 基础无需量化经验。先看懂金策智算的策略体系金策智算借鉴三省六部思想把策略生成、风控审核、执行清算分层解耦角色职责中书省调用你的策略on_bar生成买卖信号门下省风控审核止损、回撤、仓位约束可一票否决尚书省 兵部/户部撮合执行与资金清算产出回测报告对新手最重要的事实是自定义策略和内置策略走完全相同的回测链路。系统内置了 00~10 号策略如长期持有一次买入三周期共振波段你写的自定义策略会获得一个不冲突的新 ID如 90 号起与内置策略统一纳管、统一评分。策略源码都在 src/strategies/ 目录其中user_strategy_template.py —— 官方策略模板你的起点base_strategy.py —— 策略基类定义最小接口implemented_strategies.py —— 内置策略基类与示例最值得抄作业的地方拆解模板一个自定义策略只需要做什么打开 user_strategy_template.py核心只有两件事class UserStrategyTemplate(BaseStrategy): def __init__(self, strategy_id, paramsNone): super().__init__(strategy_id) self.params params or {} def on_bar(self, kline): # 每根K线调用一次算指标 → 判断入场 → 判断离场 return None # 或返回一个信号字典输入on_bar(kline)每根 K 线被调用一次kline是一个字典含code股票代码、dt时间、open/high/low/close/vol开高低收量等字段。输出返回None不动作或一个信号字典{ strategy_id: self.id, # 策略ID code: code, # 股票代码 dt: kline[dt], # 信号时间 direction: BUY, # BUY 或 SELL price: kline[close], # 成交价 qty: 100, # 数量 stop_loss: None, # 止损价 take_profit: None # 止盈价 }基类还帮你维护了self.positions持仓字典代码 - 数量写入场/离场条件时直接查它即可不用自己记账。 进阶提示实际写策略时建议继承 BaseImplementedStrategy内置策略都继承它它额外提供了_cfg(key, 默认值)读取参数、_qty()按资金比例算仓位、create_exit_signal()快捷构造卖出信号、check_max_holding_time()持仓时长约束等工具方法能少写一半代码。动手写出你的第一个均线金叉策略下面是一个最小可运行的MA 金叉买入 / 死叉卖出策略。把它填进策略管理器的代码框或直接参考 Strategy03 ETF行业轮动 的写法from src.strategies.implemented_strategies import BaseImplementedStrategy import pandas as pd from src.utils.indicators import Indicators class MyMACross(BaseImplementedStrategy): def __init__(self): super().__init__(90, 我的均线金叉, trigger_timeframe1min) self.history {} def on_bar(self, kline): code kline[code] # 1. 滚动保存K线只保留最近300根防止内存膨胀 if code not in self.history: self.history[code] pd.DataFrame() self.history[code] pd.concat( [self.history[code], pd.DataFrame([kline])], ignore_indexTrue).tail(300) df self.history[code] if len(df) 20: return None ma5 Indicators.MA(df[close], 5) ma10 Indicators.MA(df[close], 10) qty int(self.positions.get(code, 0)) c float(kline[close]) # 2. 入场MA5 上穿 MA10金叉且当前空仓 if qty 0 and ma5.iloc[-2] ma10.iloc[-2] and ma5.iloc[-1] ma10.iloc[-1]: return {strategy_id: self.id, code: code, dt: kline[dt], direction: BUY, price: c, qty: 100, stop_loss: c * 0.97, take_profit: None} # 3. 离场MA5 下穿 MA10死叉 if qty 0 and ma5.iloc[-2] ma10.iloc[-2] and ma5.iloc[-1] ma10.iloc[-1]: return self.create_exit_signal(kline, qty, MA死叉离场) return None写策略的 4 个要点策略 ID 别撞车内置策略占用了00~10自定义策略从90开始比较安全系统也提供了自动取号逻辑 next_custom_strategy_id。trigger_timeframe声明触发周期1min/30min/60min/D决定策略在哪个周期上被调用。指标直接用现成的Indicators 提供MA、EMA、MACD注意返回 dif/dea/hist 三元组、RSI、KDJ、ATR、resample1 分钟数据重采样到任意周期不用自己写公式。风控字段别留空stop_loss建议始终设置门下省会依据它做回撤约束避免裸奔策略。注册策略通过策略管理器入库启动系统pip install -r requirements.txt python server.py在 Web 面板左侧打开策略管理器新建策略填入策略 ID如90、名称、上面那段代码、K 线类型如1min保存即可。系统会通过 add_custom_strategy 把策略持久化到 custom_strategies.json私有配置时写入 custom_strategies.private.json.example 同名的 private 文件并在 strategy_factory.py 中自动加载进策略池与内置策略并列出现在顶部勾选项里。不想手写代码金策智算还有AI 条件筛选捷径用中文描述思路例如五日均线上穿十日均线买入下穿卖出大模型自动解析成结构化策略代码写入策略管理器。回测验证在面板上跑第一个结果策略入库后验证只需 4 步页面顶部勾选你的策略如90 我的均线金叉填写股票代码 起止时间 初始资金如600036.SH、2024-01-01 ~ 2024-06-30、100 万点击单票回测等待进度走完查看交易明细与绩效汇总。回测过程中会实时输出每笔撮合[TRADE]日志结束后展示各策略的评级、年化收益、最大回撤、胜率、Calmar 比率排行。K 线图上会标出买卖点方便逐笔核对信号是否符合预期喜欢命令行的话run_backtest.py 提供了一条等价的命令行入口只跑指定策略 IDpython run_backtest.py --stock 600036.SH --start 2024-01-01 \ --end 2024-06-30 --capital 1000000 --strategy 90读懂回测报告验证你的策略是否有效每次回测结束后报告会自动落盘到 backtest_reports.json同时输出backtest_report_id.json单文件面板的回测报告页可直接浏览。新手重点看四个指标指标怎么看最大回撤max_dd回撤过大说明策略上头先看风控参数再谈收益胜率win_rate低频趋势策略胜率可以不高重点看盈亏比年化annualized_roi与基准对比才有意义单看绝对值会骗人Calmar 比率年化收益 / 最大回撤综合衡量性价比验证通过的标准不是赚了钱而是信号行为符合你的设想K 线买卖点可解释 风控参数生效止损单真实触发 指标没有离谱值。三条都满足你的第一个自定义策略就算真正跑通了。下一步让策略持续进化策略验证通过后可以继续进阶批量回测用 batch_backtest_runner.py 对多只标的批量验证看策略的普适性策略进化在操作工作台进入策略进化看板让系统基于回测反馈自动迭代策略基因实盘监控确认无误后用 run_live.py 接入实盘信号推送用指标监控约束手动操作。⚠️ 最后提醒金策智算为纯量化工具不荐股、不指导买卖、不承诺收益。历史回测结果不代表未来表现所有交易决策请由你自主判断。把主观想法变成可验证的规则用数据约束随意操作——这正是这套工具的价值所在。赞分享金融科技后端数据分析AI 应用【免费下载链接】jin-ce-zhi-suan【金策智算】➡️不靠情绪买卖、不追小道消息专注用客观数据辅助决策。 我们仅提供本地化私有行情数据服务与历史回测工具帮你把主观想法变成可验证的交易规则用历史数据检验方法有效性通过指标监控约束随意操作、控制回撤风险让交易更有纪律、更落地。 本产品为纯量化工具不荐股、不指导买卖、不预测行情、不承诺收益所有决策由用户自主判断只为你提供客观的数据支撑与AI辅助。作者【硅基流码】项目地址https://gitcode.com/gh_mirrors/ji/jin-ce-zhi-suan点击查看免费下载相关推荐在金策智算中跑通人生第一个回测5步从选策略到输出第一份报告在金策智算中跑通人生第一个回测5步从选策略到输出第一份报告 金策智算jin ce zhi suan是一款本地化的量化回测工具帮你把主观想法变成可验证的交金融科技后端数据分析AI 应用QuantDinger Strategy API V2完整教程10分钟写出你的第一个Python量化策略QuantDinger Strategy API V2完整教程10分钟写出你的第一个Python量化策略 QuantDinger 是一款开源 AI 量化交易系后端金融科技人工智能AI 应用AI AgentMCP 服务如何编写你的第一个eBPF程序从零到一完整教程 eBPFExtended Berkeley Packet Filter 是现代Linux内核中的革命性技术它允许你在不修改内核源码的情况下安全地在内核中文档知识库创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考