rs-czsc 0.1.26.post260402

A Rust and Python integration project for CZSC

rs_czsc

使用 rust 优化 czsc 库的计算性能，以更高的效率实践缠中说禅思维方式。

czsc 开源库地址：https://github.com/waditu/czsc

安装：

pip install rs_czsc -U

卸载：

pip uninstall rs_czsc

高性能研究接口（推荐）

新接口采用“配置/数据块边界”模式，回测主循环完全在 Rust 内执行，Python 仅负责策略编排和结果消费：

from rs_czsc import run_research, build_strategy_config

strategy = build_strategy_config(
    symbol="000001.SZ",
    base_freq="30分钟",
    positions=[...],
    signals_config=[...],
)

res = run_research(bars_df, strategy, sdt="20210101")
pairs = res.pairs_df()
holds = res.holds_df()
signals = res.signals_df()

如需回放落盘，可使用 run_replay(..., res_path=...)，会输出 signals.parquet / pairs.parquet / holds.parquet。

迁移脚本示例见： examples/migrate_30m_bi_long_short.py

缠论精华

学了本ID的理论，去再看其他的理论，就可以更清楚地看到其缺陷与毛病，因此，广泛地去看不同的理论，不仅不影响本ID理论的学习，更能明白本ID理论之所以与其他理论不同的根本之处。

为什么要去了解其他理论，就是这些理论操作者的行为模式，将构成以后我们猎杀的对象，他们操作模式的缺陷，就是以后猎杀他们的最好武器，这就如同学独孤九剑，必须学会发现所有派别招数的缺陷，这也是本ID理论学习中一个极为关键的步骤。

真正的预测，就是不测而测。所有预测的基础，就是分类，把所有可能的情况进行完全分类。有人可能说，分类以后，把不可能的排除，最后一个结果就是精确的。 这是脑子锈了的想法，任何的排除，等价于一次预测，每排除一个分类，按概率的乘法原则，就使得最后的所谓精确变得越不精确，最后还是逃不掉概率的套子。 对于预测分类的唯一正确原则就是不进行任何排除，而是要严格分清每种情况的边界条件。任何的分类，其实都等价于一个分段函数，就是要把这分段函数的边界条件确定清楚。 边界条件分段后，就要确定一旦发生哪种情况就如何操作，也就是把操作也同样给分段化了。然后，把所有情况交给市场本身，让市场自己去当下选择。 所有的操作，其实都是根据不同分段边界的一个结果，只是每个人的分段边界不同而已。因此，问题不是去预测什么，而是确定分段边界。