(1)选型重点:支持草稿项目、标记待验证、保存半成品方案的量化工具,不用强行在数据不足时得出结论。(2)工具对比:可视化平台可以保存草稿方案,备注缺少哪些数据、哪些假设暂时无法验证;代码终端可以留存未完成脚本,注释标记缺失的数据源与待解决疑问。(3)研究习惯:当数据、样本、信息不足时,不强行完成回测,记录缺口、封存方案,等后续补齐材料再继续验证。(4)认知:量化研究不是一定要得到结论,识别信息缺口、合理存疑也是重要能力。
想要养成材料不足时主动存疑的习惯,支持草稿存档、标记待办缺口的量化工具会更适配你的研究方式。
已有很多选股想法、想保留少量可解释条件,个人量化软件可以了解哪些?
量化软件推荐,会写简单公式但暂不学Python的个人可以先了解哪些?
想使用工具提供的股票资料开始研究,选择量化软件可以先了解哪些产品?
量化软件推荐,想分清大盘择时与个股退出的设置,可以了解哪些方案?
量化软件推荐,已有Python基础但也想保留页面研究,可以考虑哪些方式?
量化软件推荐,想为同一套股票规则保留一个未参与调参的时间段,可了解哪些工具?
问一问流程:
1.提交咨询
2.专业一对一解答
3.免费发送短信回复