年第
07
期
20
世
纪
80
年代，
一
些
投
资
者
开
始
利用
计
算
机
研究金
融
数据
，
并
初显
成
效
。
20
世
纪
末
，
投
资
者
把
计
算
机
技术
进
一
步应用在
金
融
数据
分
析
上
，
进
行
模
型
设
计
，
构
建
股
票
投
资组
合
。
这
时
，
金
融
数据
趋
于
规
范化
，
在
日
渐
复
杂
的
数据
分
析
过
程
中，
产
生
了
更
多
类
型
的
因
子
和
更
多
样
化
的
投
资
策
略
。
量
化
投
资
是
借
助量
化
金
融
分
析
方
法
进
行
资
产
管
理
，
量
化
金
融
分
析
方
法
是
结
合
金
融
数据
、
个
人
经
验
、
数
学
模
型
和
计
算
机
技术的一
种
复
杂
金
融
建
模
的分
析
方
法
[1]
。
实
现
量
化
投
资
的
方
法
多
达
数
十
种
，
Python
、
Matlab
、
SPSS
、
Eviews
、
Excel
、
SAS
、
R
在
量
化
界
都
是
非
常好
用
的
工
具
，
尤
其
是
在数据
分
析
方
面
。
除
Python
外
，
其
余
几
个
工
具
的
优势
都
体
现
在数据
分
析
方
面
，
而
量
化
投
资
是一
个
系
统
性
工
程
，
数据
分
析
只
是
其
中的一
部
分，
不是全
部
。
根
据
GitHub
官
网
统
计
，
量
化
交
易
开
源
项
目
共
145
个
，
其
中
使用
Python
以
外
的
技术
进
行
开发
的
项
目
共
70
个
，
应用
Python
语
言
进
行
开发
的
多
达
75
个
。
Python
的
开
源
性
促
使
开发
者
开发了
大
量
的
库
和
模
块
，
而
这
些
库
和
模
块
又
使
很
多外
行人
能
够
轻
松
入
手
，
反
过
来
又
促
进
了
Python
在
该
领
域
的
发展。
应用
Python
语
言
爬
取
数据
，
进
行
数据
挖掘
和
深
度
案
例
分
析
，
能
够
使
量
化
投
资基
本
实
现从
技术分
析
到
金
融
设
计
，
实
现
系
统
性
掌
控
。
因
此
，
采
用
Python
驱
动
量
化
股
票
投
资
，
对
优
化
股
票
投
资
策
略
和
规
避
投
资
风险
具
有十
分重
要
的意
义
。
1
基于
Python
的
股票
量化
投
资
交易
程
序
1.1
基
于
Python
的
股票
量
化
投
资
步骤
将
Python
要
应用
到
量
化
投
资
交
易
中，
其
步
骤
如
图
1-1
所
示
。
图
1-1
股
票
量
化
交
易
应用
模
块
库
流
程
图
第
一
阶
段
是
数据
收集
。
数据
收集
是
很
多
券
商
机
构
在
做的业
务
，
有
影
响
力的
模
块
库
有
Tushare
和
Windpy
，
其
中
Windpy
是
Wind
公
司
开发
的一
个
开
源
接
口
。
国
内
的
金
融终
端
一
般
是
Wind
、
iFind
和
Choice
终
端
，
这
些
终
端软
件
就
是
把
企
业和行业的
数据
收集
到
数据
库
，
进
行
深
度
分
析
，
并
稍
加
整
理
成
表
格
，
然
后
上
传
到
服
务
器
中，
方
便
客
户
进
行相
关
的
数据
分
析
，
一
般
情况
下客
户
都
需
要
付
费
来
获得数据
。
第
二
阶
段
是
数据
分
析
。
NumPy
用
来
存
储
和
处理
多
维
数
组
和大
型
矩
阵
，
搭
配
SciPy
进
行
计
算
；
Pandas
解
决
时
间
序
列
；
用
Matplotlib
进
行
2D
绘
图
从
而
实
现
数据
可
视
化
。
Wind
终
端
和
Choice
终
端
也
有相
关
的业
务
在
平
台
上
销售
，
而
该
服
务
的
购
买
者
通
常
是一
些
尚
未
具
备
分
析
能
力和
资
格
的
小
型
机
构
或
行
外
人
。
第
三
阶
段
是
策
略
研究。
IPython
是一
个
Python
的
交
互
式
shell
，
能
进
行
变量
的自
动
补
全和
缩
进
，
支
持
bash
shell
命
令
，
内
置
了
一
系列
有
用
的
功
能
和
函
数
；
Jupyter
可
以
对
数据进
行
清
理
和
转
换
，
进
行
数
值
模
拟
和
统
计
建
模
等
，
是
比
较
方
便
的
策
略
研究工
具
；
Zipline
（
国
内
公
司
开发
的是
RQalpha
回
测
引
擎
）
对
真
实
交
易
系
统
的
运转
进
行
模
拟
，
利用
历史
数据
对
投
资
策
略
进
行
回
测
检
验
；
具
体的
策
略
便
可
以
理
解
为
Python
代
码
的
执
行
。
第
四
阶
段
是
实
盘
交
易
。
vn.py
是
基
于
Python
的
开
源
交
易
平
台
开发
框
架
；
easytrader
也
是
开
源
模
块
库
，
比
较
适
合
个
人
投
资
者
。
通
俗
来
说
，
狭
义
的
量
化
投
资
的
应用
意
义
到
第
三
阶
段
为
止
，
关
于
第
四步
的
实
盘
交
易还
是
需
要
经
过
投
资
者
参
考
过
量
化
投
资
的
模
型
后作出
的
决
定
。
因
为
工
具
只
是
投
资
者
进
行
决
策
的
辅
助
，
人
才
是
真
实
交
易
的
决
定
者
。
需
要
说
明
的是，
数据
收集
及
案
例
中的
模
型
，
直
接
采
用
第
三
方
平
台
供
应
的
API
数据
源；
数据
分
析
因
避
免
代
码
繁
冗
多
杂
，
直
接
采
用
第
三
方
平
台
的
库
和
框
架
进
行
Python
编
程
，
其
中
BOLL
指
标
案
例
的
策
略
使用
到
了
Sig
原
nal
框
架
。
利用
第
三
方
平
台
的意
义
及其最
终达
到的
回
测
效
果
与
纯
自
建
量
化
交
易
策
略
项
目
无
异
，
也
非
常适
合
个
人
投
资
者
入
手
。
本
文
选
取
A
股
市
场
进
行
研究
，
选
取
样
本
的
原
因
是
A
股
市
场
的
数据
有
利
于
简
化
代
码
量
。
比
如，
在
A
股
市
场
上
进
行
交
易
，
1
手
即
为
100
股
，
而
在
港
股
市
场
上
，
不
同
的
股
票
1
手
的
股
数
不
尽
相
同
，
有的
1
手
是
交
易
50
股
，
有的
1
手
是
交
易
200
股
，
这
样
的
数据
可
以
简
化
很
多
代
码
量
。
1.2
基
于
Python
的
股票
量
化
投
资流
程
虽然
Python
实
现
股
票
量
化
交
易
分为
4
个
阶
段
，
但
具
体
操
作
起
来，
为
了
更
贴
合
实
际
，
通
常
可
以
解
析
为
8
个
流
程
，
即
：
获
取
数
据
、
数据
分
析
挖掘
、
构
建
信
号
、
构
建
策
略
、
回
测
、
策
略
分
析
、
模
拟
交
易
和
实
盘
交
易
。
如
图
1-2
所
示
。
一是
获
取
数据
。
包
括
获
取
公
司
新
闻
数据
、
关
联
数据
，
产
业
上下
游
、
主
营
业
务
、
所
属
行业
主
题等数
据
，
基
本
行
情
数据
，
高
频
数据
，
股
票
Level-1
数据
，
股
票
Level-2
数据
、
期
货
Level-1
数据等
。
二
是
数据
分
析
。
数据
分
析
挖
掘
采
用
传统
分
析
方
法
、
新
兴
大
数
据
、
机
器
学
习
和
数据
挖掘
方
法
[2]
；
三
是
构
建
信
号
。
在
构
建
信
号
前
进
行
数据
处理
、
标
准
化
、
去
极值
、
中
性
化
，
基
础
信
号
的
研究
、
分
组回
测
、
衰
减
、
行业分
布
，
将
基
础
信
号
合
成
复
杂
信
号
。
四
是
构
建
策
略
。
构
建
策
略
模
板
要
兼
容
不
同
标
的
指
标
函
数
和
参
数
的
策
略
，
适
用
于
股
票
、
基
金
、
期
货
等
金
融
资
产
，
兼
容
日
线
、
分
钟
线
的
策
略
，
方
便
好
用
的
策
略函
数
，
获
取
历史
行
情
、
历史
持
仓
信
息
、
调
仓
记录
等
，
支
持
各
种
订
单
类
型
:
止
盈
止
损
单
、
限
价
单
、
市
价
单
。
五
是
回
测测
试
。
回
测
要符
合
历史
的
真
实
行
情
，
并
相
应
的
进
行
股
票
分
红
送
转
、
除
权
除
息
处理
，
股
票
涨
跌
停
处理
，
股
票
停
复
牌处理
，
市
场
冲击
，
交
易
滑
点
、
手
续
费
、
期
货
保
证
金交
易
，
大
单
分
笔
成
交
处理
等
；
六
是
策
略
分
析
。
包
括
策
略
归
因
、
风险
归
因
、
实
时
监
控
，
订
单
分
析
、
成
交
分
析
、
持
仓
分
析
、
交
易
行为分
析
，
多
策
略
分
析
。
七
是
模
拟
交
易
。
模
拟
交
易
需
要
接
入
实
时
行
情
、
实
时
获
取
成
交
回
报
，
篮
子
交
易
、
算
法
交
易
，
支
持
撤
单
处理
，
实
时
监
控
、
实
时
归
因
分
析
。
八
是
实
盘
交
易
，
实
盘
交
易
就
是
接
入
真
实
券
商
账
户
，
紧紧
跟
随
市
场
行
情
，
实
时
进
行
下
单
，
同时
实
时
获
取
订
单
收
益
回
报
。
2
构建基于
Python
的
量化
股票投
资
策
略
2.1
BOLL
指标
策
略
利用
BOLL
指
标
进
行
模
拟
回
测
，
构造
一
个
BOLL
指
标
买
卖
策
略
，
根
据
个
人
投
资
者
的
账
户
情况
，
设
置
账
户
初
始
资
金
为
10
万
元
，
策
略背景
与
规
则
如
下
：
（
1
）
如
果
收
盘
价
上
穿
BOLL
上
轨
，
买
入；
如
果
收
盘
价
下
穿
BOLL
下
轨
，
则
开
盘
卖
掉
；
（
2
）
回
测
策
略
时
间
区
间
设
定
为
年全年，
股
票
池
为
“
沪
深
300
”
，
参
考
指
标
为
“
沪
深
300
”
；
（
3
）
资
金
账
户
初
始
资
金
10
万
，
类
型
为
股
票
账
户
；
（
4
）
每
次
每
只
股
票
买
20
000
元
左
右
，
出现
重
复
信
号
时
不重
复
买
入；
（
5
）
当
买
入
信
号
的
股
票
数
量
比
资
金
多
时
，
随
机
挑
选
买
入，
每
个
交
易
日
全
仓
操
作。
（
6
）
策
略
需
导入
第
三
方
库
Pandas
，
框
架
为
Signal
。
利用
Python
语
言
编
辑
策
略
代
码
并
运
行
回
测
，
得
到
BOLL
指
标
买
卖
策
略
收
益
回
测
结
果
，
如
图
2-1
所
示
。
注
：
粗
线
——
—
沪
深
300
指
数
年基
准
年化收
益
率
线
细
线
——
—
基
于
沪
深
300
指
数
的
BOLL
指
标
策
略
的年化收
益
率
线
图
2-1
BOLL
指
标
策
略
回
测
策
略
回
测
结
果
显
示
，
年全年，
沪
深
300
指
数
涨
幅
为
-25.9%
，
依
据
沪
深
300
制定
的
BOLL
策
略
收
益
率
仅
为
-6.9%
，
BOLL
指
标
买
卖
策
略
的
模
拟
收
益
曲
线较
平
缓
，
波
动
幅
度
明
显
小
于
沪
深
300
的
收
益
率
波
动
幅
度
，
收
基金
项
目：
年
广
东
省
本
科
高校
教
学质
量
与
教
学
改革
工
程
建设
项
目
“
省
级
特色
专
业建设
项
目：
经
济
学
特色
专
业建设
”
的
部
分
研究
成果
，
项
目
编
号
：
294
。作者简介：
孙
丽
颖
（
1980-
）
，
女
，
辽宁
营
口
人，
哈尔滨
工
业
大
学
会
计学硕士
研究
生
，中
山
大
学南
方
学院讲师
，研究
方
向
：
公
司
理
财
。
收稿日期：
年
3
月
19
