Python

人的精力是有限的，所以将目光聚焦在更小的范围内，也许能够得到性价比最高的效果，基于这个目的，我们可以通过Python等编程语言来寻找股票市场中符合自己选择意向的股票列表, 即本文所说的股票池, 在这个Python构造的股票池中我们可以将更多的精力用在合适的标的上。

最近使用了不少通讯工具的接口, 比如企业微信机器人，钉钉，微信公众号的接口(未认证的订阅公众号)，相对于邮件来说，它们的表现形式太弱。比如没有更丰富的版本方式。当然了，并不是说表现形式越棒就是越好的通知手段，这个依个人情况而定，而我恰恰需要比较丰富的表现形式，最终还是回到了邮件，邮件真香!

如果你会编译原理，对其中的词法分析算法，语法分析算法足够了解，那么用什么语言来做这样的一件事情都是可以的，之所以使用Python只是因为本人会的编程语言中, Python的使用时间最长，也最得心应手。所谓性能什么的不在本文的考虑范围内, 本文主要重点是语法分析的表达式的解析，语法解析使用的是普拉特分析法，一种自顶向下的语法解析方法。

一个完整的量化交易策略指考虑到交易的方方面面，但是能不能赚钱，谁知道呢 :)

但是一个量化交易可以通过回测系统建立信心然后让其一如既往的运行，以达到让钱生钱的目的，并且是自动的。

前言

虽然同花顺之类的金融理财应用的数据足够好了，但还是有通过Python定制股票数据指标的冲动, 数据自然不会不会比前者好很多，但是按照自己的想法来定制还是不错的。

不知道大家是否有关门后又回到门口检查门是否关了的经历，反正我有，作为一个懒人应该采取一些措施，在不往回跑的前提下检查门是否关了, 而一个旧手机能够完成这个任务，本文通过将旧手机打造成看门狗的方式来解决这个问题。当然了，大多数人应该是并不需要的^_^

PyalgoTrade的源代码阅读笔记，通过阅读源代码深入理解PyalgoTrade的回测逻辑和核心概念。

前言

本文着重于回测相关得模块。

Python的asyncio经过这么长时间的发展已经趋于稳定, 能够比较好的承载高并发的需求, 并且随着时间的发展也出现了越来越多的异步库, 这些异步库如aiohttp, fastapi, asyncpg等构建了一个很好地asyncio编程生态。

这是一篇介绍pandas基础概念和使用的文章，帮助初学者可以快速的理解并使用pandas, pandas是一个非常棒的数据分析工具。

数据对象

pandas主要有两种数据对象

我很在意的一件事情是好看,嗯,好看.以及是否有趣.虽然不一定有用.

下面是效果图,由于数据量有限，所以还不够眼花缭乱.