emilyli

在金融业务开发中，"实时性"是一个绕不开的话题。最近在做一个港股行情的监控看板，踩了不少坑，也总结了一些最佳实践。今天直接上干货，教你如何用 Python 搞定港股实时数据流。

在金融科技圈混了这么久，我发现一个有趣的现象：越是初级分析师，越喜欢炫耀“我写了个爬虫免费抓取了全网数据”；而越是资深的大佬，越在乎**“这数据来源干不干净？有没有授权？”** 今天我们不谈技术实现，

现在的量化圈子太卷了，光做 A 股 Alpha 策略，超额收益越来越难做。所以我们团队很早就决定：必须具备全球化视野，做跨市场套利。 但这个决定给我们带来了巨大的技术债。
你想想看，A 股的数据格式是

在Web开发和API对接中，RESTful风格是主流。但当我们需要在 GET 请求中传递结构化数据（如复杂的筛选条件）时，往往会面临一个选择：是把参数拆散了放，还是打包成JSON放？

我是一个全职的个人交易员，没有团队，没有豪华的办公室，只有几台显示器和一台性能还不错的电脑。在很多人看来，我们这种“独狼”玩家，在市场上根本无法与那些拥有庞大IT团队和顶级设备的对冲基金抗衡。在很长一

在量化圈子里，有一句名言：“策略的生命周期越来越短，但基础设施的维护成本越来越高。” 作为基金公司的技术负责人，我深知这句话的重量。三年前，我们团队只有5个人，却要维护美股、港股、期货和加密货币四个市

在课堂上我们反复强调：K线是给散户看的艺术画，Tick数据才是量化交易员的作战地图。很多交易者亏损的根源，在于他们试图用宏观的K线形态去解释微观的资金博弈。当你发现价格突破支撑位却又迅速拉回时，如果你

作为一名跨境投资者，你是否觉得自己的研究工作越来越像一个“数据工程师”？为了研究美国加息对新兴市场货币的影响，你可能需要同时从美联储官网、外汇数据商和本地股票交易所获取数据，然后花费大量时间将这些不同