量化交易标签_AtomGit开源社区

量化交易

揭秘“白毛女古神“45倍收益逻辑:散户通过“咽喉点“实现认知变现?

在中文投资圈，她被亲切地称为“白毛女古神”，但在专业领域，她更显赫的标签是“AI供应链教父”。这绝非赌徒的直觉，而是一套严密的、普通人亦可借鉴的底层逻辑——“咽喉点”思维。产业投资高手从不参与热门终端产品的乱战，而是通过产业链的深度拆解，寻找所谓的“咽喉点”（Choke Point）。这是一个漫长且艰难的过程，往往需要一到两年的时间去跨越“路遥知马力”的验证期，但这正是专业投资与盲目追涨杀跌的分水

 czyytbx
2026-06-16 14:14:47

 259

 6

#大数据 #量化投资 #量化交易
6步选股4个坑5年14倍：“菜场大妈“策略拆解优化实录

折腾一圈之后，我发现我最初看不上的东西，反而是最难做到的。量化圈有个通病：喜欢追求复杂。因子越多越好，模型越深越好，参数越精细越好。但菜场大妈的策略只有三个筛选条件，逻辑三句话说完，参数五个以内，任何人看懂之后都能在脑子里复现一遍。这就是它最宝贵的地方：逻辑清晰。你知道它为什么买，你知道它为什么卖，你知道它会在什么情况下亏钱，你不会因为"这个信号我也说不清楚为什么"而在极端行情裂开。它不会让你一夜

 czyytbx
2026-06-15 16:14:34

 256

 4

#量化交易 #量化投资 #大数据
抱团崩塌的真相：为什么逻辑没输，你的本金却输个精光？

在每一个大周期的顶部，我们都能听到那些极具煽动性的“无限逻辑”：2015 年是“互联网改变一切”，2021 年是“新能源永续增长”，2023 年是“AI 重构万物”。回顾 2015 年的创业板、2021 年的白酒以及 2023 年的 AI，它们在后期都呈现出惊人的一致性：市场直接给出“百倍估值”，然后要求投资者静待未来 5 到 10 年的业绩兑现。在周期的轮转中，每位投资者都该做一个深刻的“灵魂拷

 9db量化
2026-06-12 14:03:27

 179

 8

#量化交易
自建量化回测系统完全指南 (上)：四大技术栈与主流开源框架深度对比

摘要：本文对比了量化回测的四大技术栈（向量化回测、事件驱动回测、强化学习平台和端到端系统），重点解析了VectorBT（向量化）和Backtrader（事件驱动）两大主流开源框架。VectorBT基于矩阵运算，适合快速参数扫描和简单策略验证；Backtrader通过事件驱动模型复现实盘流程，支持复杂策略逻辑测试。文章提供了代码示例，并给出选型建议：追求效率选VectorBT，注重实盘真实性选Ba

weixin-npy8264926
2026-06-12 10:13:43

 565

 8

#量化交易
散户生存指南：揭秘量化交易是如何在“毫秒间”收割你的？

上午套住追高的，下午割掉恐慌的，尾盘竟还玩起一出“探底回升”，再次勾起你对下周的希望。散户的恐慌是它们的利润，散户的犹豫则是它们套利的空间。请注意，这加价的 0.01 元不是随意的，而是为了在交易引擎的“价格优先”规则中跳过所有排队指令，实现精准抢筹。这不再是心理博弈，而是基于数学模型的确定性打击，让你在最憋屈的时刻“倒在黎明前”。你是否发现，近期的市场仿佛陷入了一个诡异的循环：每逢周五，总有一根

 9db量化
2026-06-10 14:56:51

 216

 5

#量化交易
从80万到90亿，这位“大佬”教我的三个认知真相

在这样的数学模型下，哪怕你的正确率连一半都不到，只要样本容量足够大，最终的净收益必然是稳步向上的。当你明白了交易的本质是“概率的游戏”，你就不会再为某一次的单边下跌而焦虑，因为你关心的不再是单次波动的正负，而是整套系统长期运行的数学期望。看着这位当年“挖沙子”出身的大佬，回想起他当年的那句话，我才猛然惊觉：普通交易者与顶级掠食者之间的鸿沟，从来不是资金规模，而是认知的降维打击。真正拉开人与人之间差

 9db量化
2026-06-09 14:31:15

 199

 9

#量化交易
我把 16 条实战血汗语录，写成了量化策略

市场的本质是一场基于人性的零和血腥剧。你越是带入情绪、患得患失，就越容易被当成新鲜的韭菜收割。既然交易永远反人性，最好的自救方式就是剥离“人”的主观成分，把手绑住，让算法代替我们去执行“冷冰冰的原则”。光说不练假把式，下面绝不谈空话。我已经将这套完全贯彻了“防反杀日内做 T 降本”、“10% 无情割肉止盈”与“买强不买弱雷达过滤”的量化模型，同步接驳到了，测试当中。让这些没有任何感情修饰的交割单

 czyytbx
2026-06-08 15:59:58

 212

 5

#量化交易 #量化投资 #大数据
【Python量化交易入门】零基础手把手教你搭建第一个量化策略（附完整代码+GitHub开源项目）

【150字摘要】这篇零基础Python量化交易教程，通过"数据获取→策略设计→回测验证"完整流程，带初学者用代码征服金融市场。文章特色：①使用yfinance获取真实股票数据；②包含布朗运动模拟、索普概率优势等经典案例；③提供可运行代码及详细注释。作者强调量化思维本质是"寻找统计规律，而非预测涨跌"，并演示了2%概率优势+凯利公式如何实现稳定盈利。教程已在G

YBAdvanceFu
2026-06-07 18:54:17

 478

 5

#python #量化交易 #人工智能 +3
ETF轮动策略基础教程（六）：总结与学习路径推荐——从轮动新手到量化进阶【系列完结】

摘要：本文是ETF轮动量化策略系列教程的最后一篇。我们将回顾整个系列搭建的策略骨架，梳理你已经掌握的核心技能。同时，我会为你指出三个可以立刻动手尝试的改进方向：行业ETF轮动、波动率仓位控制、以及基于简单机器学习模型的多因子轮动。最后，附上我精心整理的进阶学习资源与书单，助你在量化投资的道路上走得更远。

2501_94200092
2026-06-07 11:30:00

 832

 20

#python #量化交易 #大数据
告别 akshare 依赖！a-stock-data V3.0 A 股全栈数据工具包：7 层架构一站式搞定投研数据

a-stock-data 是一款A股全栈数据工具包，核心以独立SKILL.md文件为载体，采用结构化Markdown+内嵌Python设计，把13个分散的A股原始数据源封装成可直接调用的工具集。a-stock-data V3.0 无疑是目前最适合个人开发者的免费A股全栈数据工具，摒弃臃肿的akshare依赖，直连原生API更稳定；7层架构覆盖全投研场景，28个端点满足绝大多数数据需求；同时深度适配

 天一生水water
2026-05-24 19:28:56

 3000

 5

#架构 #量化交易
CAMP和风险平价联用下的投资组合构建【skills】

摘要：camp_portfilo 是中国商品期货投资组合自动化流程，采用80万方向组合（40万必选品种+40万其他品种）和20万套利组合（含Y-P等4个标准套利对）。流程包括数据更新、组合生成和报告输出，使用CAMP/CAPM模型和风险平价策略，保证金数据来自fee.xlsx。最终组合保证金使用率约99.5%，需注意品种重复和实盘风险控制。

江建武
2026-05-14 19:03:39

 461

 5

#人工智能 #python #量化交易 +1
量化基石：深入解析盈利因子（RMW）和投资因子（CMA）

摘要：盈利因子（RMW）和投资因子（CMA）是法玛-弗伦奇五因子模型新增的两个核心因子。RMW衡量高盈利能力股票的超额收益，CMA反映低投资率股票的超额收益。计算采用2×3独立双重排序法，基于营业利润率和总资产增长率分组，通过市值加权组合收益率差值构建因子。RMW和CMA分别捕捉了"高盈利溢价"和"低投资溢价"现象，但存在与价值因子相关性等局限性。这两个因子

 wayz11
2026-05-14 13:51:07

 762

 15

#量化交易 #金融
量化基石：深入解析法玛-弗伦奇模型中的SMB与HML因子

摘要：规模因子（SMB）和价值因子（HML）是量化投资的核心因子，分别反映小盘股与大盘股、价值股与成长股的超额收益差异。SMB源于小公司流动性差、抗风险能力弱等风险补偿，长期存在溢价但可能阶段性失效；HML则体现低估值股票（如银行、能源）的均值回归特性，在高通胀或利率环境下表现突出。两因子通过2×3分组法独立构建，确保纯粹性。SMB侧重规模效应，HML聚焦估值差异，二者共同构成多因子策略的基础，

wayz11
2026-05-14 02:11:37

 524

 11

#量化交易 #金融 #量化因子
免费 vs 付费金融 API：个人量化、创业公司、企业级选型路线图

金融数据接口选型指南：从免费到付费的完整路线图本文系统分析了金融数据API的选型策略，指出免费API适合个人学习和策略验证，但存在稳定性差、频率受限等问题。付费API分为平价层（个人/小团队）、中高端层（专业交易）和机构层（高合规要求），价格从数百美元到数万美元不等。文章为三类用户（个人研究者、创业团队、机构）提供了明确的选型建议，并预测了AI融合与WebSocket普及两大技术趋势。核心观点是

 AIFQuant
2026-05-12 21:21:16

 541

 11

#金融 #MCP #python +3
量化策略开发01：我让AI全权做交易决策 - 从提示词设计到决策执行

上一篇我们搭好了AI策略引擎的整体架构——数据怎么流、模块怎么分层、回测怎么跑。AI到底怎么做出交易决策的？它看到什么数据？它怎么"想"？它"说"出来的东西怎么变成实际的买卖指令？这篇专门拆解这件事。说实话，这是整个AI策略里最让我觉得有意思的部分。因为它跟传统量化策略的思路完全不一样——不是你写规则告诉程序"什么情况下买"，而是你描述场景让AI自己判断。从写if/else到写提示词，表面上看是换

 唐耀星
2026-04-28 14:37:30

 611

 10

#量化交易
为什么AI分析散户2026年4个月亏22%,难道大量新股民入市？

2026 年散户平均亏 22%，主要是过年后天量新股民在 4000 点以上高位入场，碰上极端结构性行情 + 机构收割，直接被套 25%–30%，把整体亏损率拉高到 22% 左右。

专注VB编程开发20年
2026-04-25 19:16:44

 1196

 7

#量化交易
近4个月狂揽62%！年化飙升453%！六年11倍「ETF双池动量轮动」策略

本文详细介绍了「ETF双池动量轮动」策略的核心逻辑与实战表现。该策略创新性地采用静态精选池与动态流动性池相结合的方式，通过三重筛选机制（双均线趋势过滤、加权平滑动量打分、量价异动排雷）严格筛选标的，并配备8%止损、放量清仓等风控措施。回测显示，该策略近4个月收益达62.61%（年化453.97%），6年累计收益超11倍，展现出优异的爆发力与长期稳健性。实盘采用3只分仓模式以平衡收益与风险。文章还提

 stars580
2026-04-24 15:54:53

 1456

 10

#量化交易
2026 年港美 A 股票 API 对比：如何选择最适合你的行情数据源？

2026年股票API市场呈现三大趋势：WebSocket成为实时行情标配、AI友好型接口涌现、多市场统一API普及。本文系统对比港股、美股、A股主流API，分析各市场差异（交易时间、涨跌幅等）及API特点（延迟、费用等），重点推荐iTick等跨市场解决方案。通过Python接入示例展示REST和WebSocket调用方法，提出选型的五大标准：传输机制、接口友好度、实时性、历史数据深度和定价透明度。

2501_92164949
2026-04-22 19:23:03

 670

 10

#金融 #python #个人开发 +2
1.4 实战流程全景图：研究→回测→实盘

本文系统介绍了量化投资的完整实战流程，将其划分为四大阶段：策略研究（想法形成、单因子检验、多因子合成）、策略开发与回测（框架搭建、绩效分析）、实盘准备（模拟交易、系统部署）以及实盘运行与迭代（监控、归因与优化）。强调量化投资是系统工程，需避免过拟合、幸存者偏差等陷阱，并特别指出A股市场在数据、交易规则等方面的特殊性。核心观点认为收益来自严谨的流程而非复杂模型，建议采用"逻辑先行、数据验证

 wayz11
2026-03-29 19:05:21

 350

 5

#金融 #量化交易
8.3 事后归因：收益到底来自哪里？因子暴露还是选股能力？

文章摘要：量化投资中的收益归因分析收益归因是量化投资中的关键环节，用于拆解投资组合的收益来源，区分市场因素（Beta）与主动管理能力（Alpha）。通过Brinson模型和因子模型（如Barra CNE5）可以科学评估策略表现，分析收益是来自风格因子暴露还是真正的选股能力。核心公式将超额收益分解为因子配置收益和个股选择收益，帮助投资者识别策略的可持续性优势。本文还提供了A股收益归因的Python

wayz11
2026-04-20 13:16:36

 612

 12

#量化交易 #金融 #算法
8.1 Barra风险模型核心思想与A股适配

摘要 Barra风险模型是量化投资领域的重要工具，其核心思想是通过因子分解解析股票收益来源。Barra CNE5专为A股市场定制，包含国家因子、风格因子和行业因子三大类。该模型具有风险归因、风险预测和组合优化三大功能，能帮助投资者区分Alpha与Beta收益，控制组合波动。在A股应用中，需特别关注政策对市场的影响，并适配本土行业分类体系（如申万行业）。通过构建行业中性组合等优化方法，投资者可以更精

 wayz11
2026-04-20 13:09:39

 949

 13

#金融 #量化交易 #算法
看海量化回测系统正式推出 CLI 命令行模式！量化回测进入“自动驾驶”时代

看海量化推出CLI命令行工具升级，实现量化研究自动化。新功能支持批量参数优化、数据自动同步和AI指令执行，大幅提升策略开发效率。用户可通过简单命令完成数据管理、策略回测和结果分析，还能结合AI助手实现自然语言交互。CLI版本现已开放内测，为量化研究带来革命性体验升级。

Mr.看海
2026-04-18 16:53:26

 757

 9

#量化交易 #人工智能
Day 7 编程实战：第一周复习与多模型综合比较

这篇文章摘要总结了第七天的编程实战内容，重点介绍了使用金融数据集进行多模型训练与比较的过程。文章展示了如何导入必要的Python库（如numpy、pandas、sklearn等），获取并预处理股票数据（包括计算收益率、RSI指标、MACD等技术指标），以及设置预测目标（次日股价涨跌）。通过代码示例详细说明了数据生成和分析方法，包括特征工程、目标变量定义和数据可视化准备。这个实战项目旨在比较不同机器

 wayz11
2026-04-17 15:54:35

 508

 11

#机器学习 #人工智能 #算法 +1
Day 7：第一周复习与模型综合比较

本文是第一周机器学习课程的复习与模型比较教程，主要包含以下核心内容：知识点系统回顾：从Day1到Day6的核心概念梳理，包括监督学习、正则化、分类评估指标、KNN算法和决策树原理。模型比较方法论：提出多维度评估框架，涵盖预测性能、稳定性、计算效率等关键维度，强调公平比较原则和统计显著性检验。量化交易特殊考量：针对金融数据特点，分析时间序列处理、过拟合风险和业务指标优先等专业评估要求。实战决

 wayz11
2026-04-17 10:35:55

 394

 8

#机器学习 #人工智能 #算法 +1
以AI量化为生：24.回测存储与策略参数管理

第23篇讲完 AI 策略引擎，有读者在问了个很实在的问题：AI 每根 K 线怎么想、下了什么单，事后去哪查？批量优化出来的参数，下次打开回测界面还要不要重新填？所以这一篇专门讲两块基础设施。一块管细粒度流水：每一笔成交、每一轮 AI 决策，都存进 MySQL，事后能按品种、按时间拉出来复盘。另一块管可复用的策略参数：每个品种一组最优参数，批量优化完直接写 JSON，实盘启动时自动加载，不用手动敲。

唐耀星
2026-04-17 08:00:00

 483

 7

#量化交易 #回测
以AI量化为生：23.打造AI全驱动量化策略引擎

上一篇讲了指标计算引擎的重构，让策略能直接复用图表指标的计算逻辑。有读者问了个很关键的问题：复用指标计算确实方便了，但策略的逻辑还是得自己写——金叉买、死叉卖，或者RSI超买做空、超跌做多。这些规则写死了，市场一变，策略就不管用了。这个问题困扰了我很久。说实话，刚开始做量化的时候，我觉得只要找到"对的指标参数"，就能稳定盈利。于是花大量时间调参，MACD的(12,26,9)换成(5,13,5)，R

唐耀星
2026-04-16 15:15:49

 520

 7

#量化交易
6.2 组合优化：考虑换手、成本、约束下的均值-方差优化

本文摘要：组合优化框架研究如何将理想权重转化为可执行交易方案，解决A股市场中的高换手成本、小市值股票流动性差等问题。核心采用均值-方差优化方法，平衡收益、风险和交易摩擦。主要创新点包括：1) 改进协方差矩阵估计，结合指数加权移动平均和结构化模型；2) 建立A股特有的交易成本模型，考虑佣金、印花税和市值相关的冲击成本。通过构建带约束的损失函数最小化问题，实现从理论权重到实际交易的转化，特别针对A股

 wayz11
2026-04-15 19:45:15

 707

 16

#金融 #量化交易
以AI量化为生：22.指标计算引擎重构 - 让策略直接复用图表指标

上一篇讲了交易图表的AI分析功能集成，有读者私信问：图表里那些指标（MACD、RSI、SuperTrend这些）能不能直接在策略里用？现在写策略要用指标，要么自己重新算一遍，要么只能用vnpy自带的那几个简单函数。这个问题其实挺普遍的。你看，图表系统里已经实现了20多个指标，从基础的MACD、RSI、布林带，到高级的SuperTrend、WaveTrend、斐波那契入场带，每个指标都有完整的计算逻

 唐耀星
2026-04-14 08:00:00

 418

 9

#量化交易
5.3 风险模型介入：利用Barra CNE5进行因子纯化

因子纯化：从Barra CNE5模型提取纯净Alpha 本文介绍了利用Barra CNE5风险模型进行因子纯化的方法。通过将股票收益分解为国家、行业和风格因子，我们可以识别并剥离系统性风险暴露。文章详细展示了三个关键步骤：构建CNE5近似框架、行业中性化和风格正交化，并提供了Python实现代码。这一过程能有效区分真正的Alpha与市场Beta，避免策略收益被行业配置或公共风格因子所主导，确保投资

 wayz11
2026-04-14 01:00:50

 943

 7

#金融 #量化交易
以AI量化为生：21.交易图表AI分析功能集成

这两周太累了。没时间更新文章，因为把绝大部分时间都投入在AI分析和AI交易引擎的思考设计和开发中。从架构设计到提示词优化，从数据采集到多模型协同，整个过程挺折腾的，但看到效果出来还是很有成就感。上一篇讲了实时图表交易系统的开发，交易面板、风控监控这些功能都基本完善了。有朋友问，现在系统能交易了，但怎么做出交易决策呢？每天盯着K线图看指标，还是容易错过机会或者判断失误。这个问题确实很实际。做交易，信

 唐耀星
2026-04-13 08:45:00

 447

 7

#量化交易
以AI量化为生：20.实时图表交易系统开发

上一篇讲了多周期K线系统的完善，图表可以实时更新了，指标也能正常显示了。有朋友留言问，这些图表看起来挺专业的，但怎么在上面下单交易呢？总不能看着图表，再切到别的软件下单吧。这个问题确实很实际。做日内交易，看到机会要马上下单，在图表和交易界面之间切来切去，效率太低。而且官方的ChartWizard虽然能看实时K线，但没有下单功能，只能看不能交易。所以这篇就来讲讲怎么把ChartWizard改造成Ch

唐耀星
2026-04-12 07:30:00

 493

 8

#量化交易
2026个人量化交易免费数据API接入：从选型到实操

本文针对个人量化交易者面临的行情数据难题，提供了完整的免费API解决方案。文章首先分析了85%量化策略失效的数据根源，指出专业数据源成本高昂与免费渠道不稳定的矛盾。随后从数据源选型、iTick API实战接入、性能优化三个维度展开：数据源选型：对比开源库、商业API免费层和交易所直连三种渠道的优缺点，推荐组合使用策略 API实战：详细讲解如何通过REST API获取实时报价、批量行情、历史K线及

 2501_92164949
2026-04-11 20:48:51

 907

 9

#金融 #python #个人开发 +2
以AI量化为生：19.多周期K线系统完善

上一篇讲了实时K线图表的开发，有读者私信问：“能不能支持30分钟K线？我的策略用的是半小时周期。说实话，一开始觉得这不就是加个按钮的事吗？结果一细想，问题来了。中国期货市场10:15-10:30休市，11:30-13:00午休。如果按自然半小时切分，10:00-10:30这根K线会包含15分钟的休市时间，数据就不准了。这跟之前做小时K线时遇到的问题一样——得按实际交易时段合成，而不是按时钟时间。顺

 唐耀星
2026-04-11 08:00:00

 470

 7

#量化交易
以AI量化为生：18.实时K线图表系统开发

最近有读者私信问：图表看起来挺完整了，但实盘的时候能不能实时更新K线？还有成交量怎么总是跳来跳去，一会儿特别大一会儿又是0？这确实是个绕不开的问题。回测的时候数据都是历史K线，直接加载就完事了。但实盘就不一样了，tick数据不停地过来，你得把tick合成到K线上，还得保证成交量算得对。听起来简单，实际做起来坑可不少。这篇文章就讲讲怎么把ChartWizard接入主系统，让图表支持实时tick更新，

唐耀星
2026-04-10 07:30:00

 482

 8

#量化交易
以AI量化为生：16.图表交互优化 - X轴延伸与专注模式

上一篇讲了双图和四图视图的开发，有读者私信说，多周期图表确实方便了，但还是有个问题：K线图右边总是紧贴着最新价格，想在右边标注点什么都没空间。这个问题说实话我也遇到过。做复盘的时候，经常想在最新K线右边画几根预测线，或者标注一下关键价位，但图表右边界总是死死卡在最后一根K线上。还有个事，就是副图太多的问题。系统里现在有MACD、RSI、DMI、成交量好几个指标，全开的话每个都挤成一条缝，想仔细看某

 唐耀星
2026-04-08 08:30:00

 410

 9

#量化交易
【程序员副业图谱之量化交易】

摘要：随着AI编程工具提升开发效率，程序员需未雨绸缪发展副业，量化交易凭借技术优势成为高性价比选择。程序员在策略实现、系统搭建、数据分析等方面具有天然优势，但也面临过度拟合、金融知识欠缺等挑战。建议分阶段推进：补金融基础→搭建回测系统→验证策略→寻找边缘优势→小资金实盘→多策略自动化。关键要摆正心态，量化副业的核心是"不亏钱→稳定→盈利"，而非替代主业。作者作为资深码农兼量化

 wayz11
2026-04-06 16:13:55

 854

 24

#金融 #量化交易
量化指标解码17：SMC聪明钱概念之公允价值缺口

上一篇讲了Order Block，有读者私信说：“Order Block确实能找到机构建仓区域，但有时候价格回到Order Block附近就反转了,有时候却直接穿透。怎么判断Order Block的有效性？这个问题问到点子上了。Order Block告诉你机构在哪里建仓，但不能告诉你趋势有多强。价格回到Order Block区域，是会获得支撑反弹，还是会直接穿透继续下跌？这需要其他信号来确认。Fa

唐耀星
2026-04-04 20:41:28

 958

 11

#量化交易
【OpenClaw】在阿里云OpenClaw JVS 上构建《沪深 300 晨间多因子投研日报系统》

摘要本项目基于阿里云JVS和OpenClaw构建了一套自动化沪深300晨间投研日报系统，主要解决传统股市分析中数据分散、耗时、滞后等问题。系统通过以下流程实现：数据采集：自动获取沪深300成分股行情数据（新浪财经API）智能分析：计算技术指标（MA/MACD/RSI）+多因子量化模型报告生成：包含7大模块的专业Markdown报告定时推送：每日9:00前通过钉钉机器人发送核心价值：效

 瑶光守护者
2026-04-01 16:59:36

 768

 11

#阿里云 #云计算 #量化交易
2.3 数据源详解：Wind/TuShare/优矿，从行情到财务

本文系统梳理了A股量化研究的核心数据源，包括专业商用（Wind/Choice）、开源社区（TuShare/AKShare）和量化平台（优矿等）三类工具，分析其适用场景和优劣势。文章强调数据质量是量化研究的基石，必须严格处理时间对齐和生存偏差问题，杜绝"未来函数"。建议根据研究阶段和预算选择工具：个人研究者可从开源工具入手，专业机构需投资商用数据源。最后提出标准化数据处理框架，包

 wayz11
2026-03-30 00:26:12

 829

 11

#金融 #量化交易
1.2 多因子模型：CAPM→Fama-French→Barra

Fama-French等资产定价模型回答了“

wayz11
2026-03-29 17:39:37

 669

 5

#金融 #量化交易
1.1 因子的本质：风险补偿 vs. 市场无效

市场是有效的，价格已充分反映信息。多因子模型（如Fama-French三因子、五因子模型）就是在此框架下，将“市场风险”这一单一生效因子，扩展为多个“风险维度”。因子（Factor）投资的核心，是寻找能够系统性、稳定地解释并预测资产收益的特征或变量。投资者并非完全理性，其系统性认知偏差会导致价格持续偏离基本面价值，形成“异象”。：因子不是“魔法公式”，其背后要么是坚实的经济风险逻辑，要么是群体性行

 wayz11
2026-03-29 17:37:13

 603

 17

#金融 #量化交易
自己做个量化交易系统（5）操作模块

摘要：本文介绍了通过自动化框架实现股票量化交易系统操作的方法。相比手动操作，量化系统能避免情绪干扰、精准处理多股票交易、计算复杂买入规则且不受外界干扰。作者选择使用Airtest框架模拟手机操作，无需付费开通券商接口。文章详细讲解了如何通过Python代码实现自动点击、输入、查询等基本操作，并构建买入/卖出功能模块。该方法虽无法实现高频交易，但能有效完成模拟盘批量操作，为量化交易系统提供了低成本自

 2501_94200092
2026-03-25 11:30:00

 781

 17

#python #量化交易
2026最新实盘量化交易平台有哪些？各平台核心特色与优劣势硬核对比

大家好，这里是量化研究前线。随着2026年全球金融市场进入宽幅震荡与结构性行情并存的新周期，量化交易的竞争早已从单纯的“信息差”降维到了“算力差”与“模型差”。对于开发者、交易员以及宽客（Quant）来说，从策略回测走向**实盘交易（Live Trading）**是最惊险也是最迷人的一跃。实盘交易不仅考验策略的胜率和盈亏比，更考验交易平台的稳定性、风控延迟、滑点控制以及对极端行情的应对能力。市面上

 芝士爱知识a
2026-03-23 19:16:12

 1908

 18

#量化交易
2026年期货量化软件扩展性排名_二次开发能力对比

2026年期货量化软件扩展性，从 API 开放与第三方库衔接看，天勤量化表现较好，适合需要二次开发和自定义指标的团队。策略越复杂，越需要软件支持二次开发与扩展。不同期货量化软件在 API 开放度、插件机制、自定义指标与风控等方面差异明显。今天这篇文章，从扩展性与二次开发角度，对几款主流期货量化软件做个排名。：全 API 可编程、与 pandas/numpy 无缝、可自写指标与风控、Python 生

 天勤量化大唯粉
2026-03-17 10:01:40

 546

 6

#量化交易
预测准了却躲不掉？从牛津实盘实验看做市商的“物理与结构极限”

之前我们发过一篇，聊了做市商如何通过微观结构预测来规避逆向选择。逻辑很直白：既然高填单率往往绑定着逆向选择，那当我们预测到接下来的价格漂移时，不去挂单或者果断撤单就好了。在平稳的行情下，这套逻辑跑得很好。但是在真实的做市实盘中，一定还会遇到这样的问题：在某些极端猛烈的单边行情下，你的预测模型明明非常准，系统也毫不犹豫地发出了撤单指令，但单子就是撤不下来，被硬生生吃掉，紧接着就是一波结结实实的账面亏

 苏慕白的博客
2026-03-16 15:11:32

 420

 9

#量化交易
2026年期货量化软件更新与维护排名_长期可用性对比

2026年期货量化软件更新与维护，从更新频率、接口稳定与长期维护看，天勤量化表现较好。量化交易有风险，软件只是工具，策略和风控才是核心。软件是否持续更新、接口是否稳定、断更风险如何，会直接影响长期实盘是否敢用。做了多年期货量化，我比较关注各家的更新节奏与维护情况。今天这篇文章，从更新与维护角度，对几款主流期货量化软件做个排名。：更新较频繁、接口稳定、文档全、有明确维护团队、兼容新 Python。：

天勤量化大唯粉
2026-03-16 11:13:34

 436

 9

#量化交易