基于51单片机设计的正弦波信号发生器，显示器使用的是12864液晶，可调节至2Khz

一个简单的量化研究框架，具备基本的数据获取、因子分析、机器学习、回测及结果分析功能。

期权回测框架，结合backtrader

参数：二进制结果变量 obj_outcome，其维度与 obj_testScore 相同。 输出：测试结果（测试的真阳性、真阴性、假阳性和假阴性）。 新颖之处在于此功能的速度。 计算真/假阳性和真/假阴性的群体，而无需对整个群体进行任何迭代（例如，在 10^6 群体上迭代可能需要 30 分钟）。 当我在 MATLAB 中编写自制机器学习代码时，我发现这非常有用。 我需要计算敏感性、特异性、阳性/阴性预测值和一致性。

CryptoInscriber CryptoInscriber-实时加密货币历史交易数据轮询器。 从任何加密货币交易所下载实时历史交易数据，无论是用于机器学习，交易机器人，交易策略还是分钟级数据，都太昂贵了。 默认以CSV格式输出到out/ 。 标题将为{EXCHANGE}_{MARKET}_{ASCTIME}.csv其中包含Transaction ID, Timestamp (milli), Price, Amount, Side栏 在Debian Stretch和Raspberry Pi 3 Stretch上进行了测试。 使用Virtualenv安装 sudo apt install

假设我们现在有策略A，在股票a的历史数据上进行回测后，发现能够取得稳定收益。但是我们有很长时间要等待股票a达到买入条件后，才能进行买入。这是对时间成本的严重浪费。 策略A可以在股票a上获得良好的收益，但是可能无法在股票b，c……上取得良好表现。 我们可以尝试做这样的改进：在股票a，b，c……的历史数据上分别进行策略回测，找到一个能够稳定收益策略B，来避免时间成本浪费的问题。但是这样仍然存在问题，在等待股票a出现买点的时候，股票b，c……的买点可能也没有出现。因此对所有股票依次做单独的策略回测，不足以验证策略的优劣。 鉴于以上问题，我们在验证策略时，需要对多只甚至全部的股票同时进行回测。本文基于

1.基于真实历史数据、真实交易规则 2.功能均以函数给出且注释 3.可将自己的策略写入查看效果

根据A股实际情况构建的BackTrader回测模板，包括：交易费（印花税、手续费、过户费）；分红及自动调整持仓；停牌策略及停牌日不交易等，模板支持多股回测、多周期回测。 PS:代码采用策略和交易分离，使用参数传递方式构建，虽然效率变低了，但便于构建风险管控

回测

hftbot版本3 对象： 三角形中涉及三种对象类型/接口。 每个都直接连接到其他两个。 交易所--- gdax --- poloniex 分析器（允许我们在漫游器和交易所之间共享资源）---购买墙壁分析仪大脑---体积分析仪大脑 交易者---一分钱跳跃机器人---摇摆交易机器人 交易机器人可以实现任何或多个API来下达和管理订单。 这与上面的“ Exchange”类型完全分开，后者只是一个数据馈送/输入对象。 僵尸程序始终会运行多个协同例程。 监控有效订单-检查止损是否被击中，进行调整-订单完成时通知 寻找机会（来自“ <-tick”频道的信息） Bot具有任务队列，可防止它们过载。 例如，我们一次只能发出有限数量的LIMIT订单（取决于余额，风险偏好等）。 因此，机会分析器协同例程仅通过容量有限的队列调用placeLimitBuyOrder（）。 直到我们收到GDAX服务