性能量化

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 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，在未来追求更高运算速度提供便利。C++核心库，可以单独剥离使用，自行构建自己的客户端工具。Python库（hikyuu），提供了对C++库的包装，同时集成了talib库（如TA_SMA，对应talib.SMA），可以与numpy、pandas数据结构进行互相转换，为使用其他成熟的python数据分析工具提供了便利。

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:

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。

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。

这里我们通过仿真来计算能量检测的阈值。这种方法通用于各种能量检测场景，假设所有信号为复杂的高斯信号。算法如下：1.假设接收到的是纯噪声，即主用户不在。2.如果唯一的噪声能量高于阈值，则对应虚警。3.重复此场景进行多次迭代。4.误报概率=能量高于阈值/迭代次数。如需绘制ROC曲线，请参考同一作者其他发布的MATLAB代码。

我编写了一个用于信号进行小波包分解后计算各节点能量的matlab程序。

利用数据挖掘技术，挖掘数据背后的价值，为量化投资提供科学依据和策略支撑。

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。

高清量化金融面试实用指南