原文节选

  经济市场快速发展，带来资本市场的快速发展。传统的手工交易方式存在着效率低、盲目投资、实效性差等问题，导致手工交易越来越无法满足人们的需求。在手动交易的基础上，人们开发出了量化交易的方式，以先进的数学模型替代人为的主观判断，利用数据挖掘、机器学习、深度学习等计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下做出非理性的投资决策。在研究量化模型和交易策略的过程中，使用的数据主要是时间序列数据。这种数据如果直接以数字方式呈现，会导致难以分析数据的特点，难以直观看出变化规律，对策略的制定会有很大的限制。如果只涉及一般大盘和股票数据，研究者可以选择市面上成熟的股票行情软件作为辅助参考，但这难以满足研究者的个性化需求。例如在研究中自定义了新指标的计算模型、自合成了新板块数据时，不仅要求能静态地显示数据，还要能在策略回测、实盘交易时动态地更新并显示数据，但是常见的量化平台并不提供此类个性化的可视化接口，这给研究工作造成了阻碍。对于上述个性化的需求，研究者通常采用两种方法解决：股票公司订制数据、自己编程实现。第一种方法最为直接，但是在研究过程中模型和策略的变动比较频繁，订制的内容可能跟不上需求的变更，而且如果是小型研究团队或个人研究者，这也增加了研究成本。第二种方法对编程能力提出了要求，可以使用可视化工具包做出图形，但一般复用性较差、容错率较低，只能依托固定的平台或程序，不能适应数据的高速变化，甚至没有考虑数据的动态更新，且市面上缺乏完整的可供调用的可视化模型或框架，也缺少对图形绘制的详细描述，这无形中降低了研究效率。因此，我们从实际出发，针对存在问题和市场需求，建立了一套金融时间序列数据可视化框架，兼容大部分图形和金融指标的显示，也允许用户添加自定义指标，支持数据动态更新的同时，还考虑到了回测和实盘过程中该类数据具有高实时性、高并发性、瞬时数据量大的特点，改进了数据刷新方式，为下游用户做数据分析与量化交易策略研究提供了可靠且高效的上游数据可视化支持。且框架本身也可作为同类型软件UI 设计部分的参考，可以在不同平台用不同编程语言实现。最后以实际工作为参考，将框架与各类常见的量化交易平台相结合，验证了框架的实用性、高效性和跨平台性。 

论文位置

  北区三教图书馆：《计算机应用与软件》2023年第6期第1页至6页，架标号41号。