专注量化投资研究与 Python 量化交易实战。
做 A 股量化总被数据卡脖子：频率限制、品种限制、时长限制，还有数据源突然关停。AxData 用多源插件化接入加本地 Parquet/DuckDB 分层存储，把核心数据留在本地，回测提速、告别限频，直取与入库双轨并行，开源可共建。 做 A 股量化，首先遇到的拦路虎就是从哪里获得数据。你可能已经尝试过 AkShare、P
📅 2026-11-09
顶级对冲基金实习未关门，但规则已变：Citadel录取率仅0.36%，Two Sigma实习生靠AI提前数周完工、85%留用。AI拉平起跑线，却更看重底层逻辑——不懂原理就敢用AI，在量化领域是灾难。 最近几个月，全球名校的计算机、数学和金融工程专业学生，普遍笼罩在一股真切的求职恐慌里。
📅 2026-10-30
390天实盘账本公开：KOSPI跌10.36%仍赚12.97%，这套AI系统靠的是Python硬规则筛股、6个Agent分工分析，而非大模型看图下单。拆解它的四段流水线与踩坑改规则过程。 大语言模型（LLM）和 Agent 进入量化交易领域快两年了，到底走到了哪一步？
📅 2026-10-25
AQR、Quantinno 等对冲基金的税务感知型多空策略需求激增，美国保证金债务8月达1.45万亿美元，逼近1.5万亿纪录，摩根士丹利、美银、高盛保证金业务年化增速均达两位数。本期另覆盖港股前三季IPO募资3856亿港元超过去15年全年；基金培训新纲增设量化与被动投资模块。 2026年前三季度共有115家企业上市，募
📅 2026-10-19 图：Pexels / Pixabay
美国9月CPI环比涨0.6%同比至3.7%，10月加息概率从22%升至49%。摩根士丹利股票交易增41%至58亿美元，全球对冲基金规模5.63万亿美元但新发锐减四成。CAST在15年四市场占据收益回撤前沿，结构化波动率模型在17个指数上超越GARCH基准。 克利夫兰联储主席Beth Hammack表示服务业通胀粘性可能
📅 2026-10-16 图：lucasgeorgewendt / Pixabay
黑石披露多策略对冲基金规模达5950亿美元创历史新高，2025年平均回报11%，大型管理人加权达12.5%。贝莱德三季度末管理规模达15.5万亿美元，过去12个月净流入8690亿美元。保罗·都铎·琼斯预计原油短期或再涨20至25美元，IMF则警告科技巨头借贷投AI加剧金融脆弱性。 OpenCode昨天上新了 Gemin
📅 2026-10-15 图：12019 / Pixabay
10月12日上期所等四家期交所修订违规处理办法征求意见至19日，将未报告程序化交易、违规高频纳入违规，最高可市场禁入。高盛三季度净营收186.8亿美元创次高，ROE达18.7%；Saba购入柏基美国增长信托29%投票权谋夺控制权；LLM复现1328篇顶刊论文样本外保持率仅42%。 10月12日，上期所、郑商所、大商所、
📅 2026-10-14 图：Leolo212 / Pixabay
近五年新对冲基金数量约减半，头部10家各管理至少750亿美元，千禧年近期募资220亿美元，10亿美元起步五年存活率84%。Jesse发布3.3版获8.6k星，内置300+指标并支持MCP接入AI助手；BAM等19家公司新增288个量化岗位，中金所招收60人免费衍生品培训。 Jesse 是 MIT 协议的 Python
📅 2026-10-13 图：Charles J. Sharp / Wikimedia Commons (CC BY-SA 4.0)
XTX创始人格尔科以160.06亿英镑居英国富豪榜第八，250人团队日均交易2500亿美元。期权LLM框架样本外收益18.3%、夏普1.60，保留新闻反跌至-2.7%。FinanceToolkitV2.2.2免Key补全官方宏观数据，GARCH提速至13秒；Tower百人团队单desk年赚九位数。 FinanceToo
📅 2026-10-12 图：TheInvestorPost / Pixabay
纳斯达克100指数2023-2025年三年涨超20%，2026年涨约22%，市盈率约34倍、盈利增长超80%，对比1999年超100倍市盈率，但前两次连涨后均跌超30%。花旗财富低配久期超配黄金，应对52%PCE品类超3%及美联储加息25基点；拟蒙特卡洛定价更快，分位数VaR-ES优于GARCH。 纳斯达克100指数在
📅 2026-10-11 图：Diego Delso / Wikimedia Commons (CC BY-SA 4.0)
以太坊研究员Justin Drake警告AI或从公钥反推私钥，ECDSA可能数月内失效，需迁移至新地址，导火索是OpenAI公开377项数学成果。WorldQuant第六届锦标赛注册15.6万人，远超上届3.8万人，13队在新加坡争夺10万美元奖金；千禧基金召回效力七年宏观经理沃森。 重点更新：默认编码改为 UTF-8
📅 2026-10-10 图：J. Paul Getty Museum / Wikimedia Commons (CC0)
vnpy4.5.0大升级：CTA分组存档恢复，Alpha百分位排名+VWAP撮合+绩效重构，45k星框架必看更新！ Vnpy10月6日发布了4.5.0，上一次发布还是今年4月份。 主要更新为：CTA回测按策略分组保存恢复；Alpha改csrank为百分位排名，重构绩效分析，新增fillprice与VWAP撮合，ts函数
📅 2026-10-09
IMF警示对冲基金杠杆十年增超三倍，美债持有升至9%；Eisler亏14.3%清算，投资即压缩新解，大选次日做空年化1.86%，Point72实习揭秘。 对冲基金已成为美国国债市场重要参与者，持有份额从2022年的4%升至现在的9%左右。 扩张主要依赖杠杆，包括通过衍生品构建的合成杠杆，正常环境下有助于流动性和价格发现
📅 2026-10-08
Polars 2.0正式发布，SQL首类支持、流式引擎默认开启，TPC-H/DS超越DuckDB，内存效率大增，量化投研迭代提速必看。 2026年10月6日，Polars 2.0正式发布。该版本将SQL提升为首类支持，通过优化器改进在TPC-H/DS基准测试中超越DataFusion和DuckDB。核心变更包括默认启用
📅 2026-10-07
千禧年挖角Jera日本电力交易负责人加码东京布局，Kalshi预测市场催生量化套利新数据源，AMM动态费用破解LVR亏损，揭秘顶级机构最新交易范式。 量化对冲基金正成为今年全球政府债券大幅抛售的主要受益者，趋势跟踪策略在通胀担忧、能源价格走高以及美国经济指标具韧性的背景下，从收益率的持续变动中获利。
📅 2026-10-06
2026 Q3量化招聘大盘点：747个在招岗位中Python占比53%、核心岗高达72%，C++、统计、ML成硬门槛，稀缺高薪技能有哪些？ Quantide 量化岗位库（覆盖 QRT、WorldQuant、Jane Street、Point72、G-Research、Man Group、Akuna、IMC、DRW、Op
📅 2026-10-05
9月非农仅增2.9万远逊预期；简街公布8月谜题答案；资产增长异象实为误定价、交易学习鲁棒控制与信号可行阈值新解，附极短期障碍期权定价展开。 私营部门增加4.6万个岗位，政府部门减少1.7万个，8月和7月数据合计下修6万人。平均时薪环比仅增0.1%，同比增长3%，低于8月3.4%的整体CPI涨幅；医疗业增加1.7万人，低
📅 2026-10-03
AKShare v1.19.1修复上期所仓单解析、广期所增减字段映射，明确大商所反爬报错，保障期货仓单日报稳定获取，库存量化策略必看。 2026年9月30日AKShare发布v1.19.1，修复上期所仓单日报网页解析适配，修正广期所增减字段映射，并对大商所反爬拦截抛出明确错误及超时设置。 1
📅 2026-10-01
英伟达四连超预期股价却连跌？Optiver联手芝大发起AI预测财报行情竞赛，用R²实盘检验谁能真正破解利好不涨之谜。 今天（9月30日）的市场走得摇曳生姿，跌宕起伏。消息面上，前夜贴息政策重磅发布，理论上利好房地产板块。但相关板块却是低开下挫，一度大跌4.35%。好在先抑后扬，最终收涨0.91%。
首套房贷贴息落地，全球低利率时代或终结，OpenAI新智能体上线，美债与通胀如何左右美股？回购市场微观结构全解析。 财政部、中国人民银行、金融监管总局联合发布通知，对符合条件的首套住房贷款家庭给予财政贴息。政策要求所购住房面积在120平方米以下、价格在150万元以下，自2026年10月1日起实施，期限暂定1年。贴息资金
📅 2026-09-30
段永平1230元加仓茅台，OpenAI Agent与Anthropic新模型同夜登场；纯代理订单簿现相变边界，Citadel、Millennium抢AI与数据人才——量化人本周必读。 9月28日上午，知名投资人段永平（雪球 ID： 大道无形我有型）在雪球平台发帖，简短写道『买了点贵州茅台』。该帖显示，买入均价约1230
📅 2026-09-29
波动率交易社区痛失Vance Harwood；加密期货动态阈值夏普0.59升至1.34，内幕买入深度回撤组首日异常收益4.13%，CFTC首场AI金融论坛十月开锣。 Six Figure Investing 网站创始人 Vance Harwood (万斯·哈伍德) 于2026年9月因突发疾病去世。其Quantocrac
📅 2026-09-28
AI失控血洗全球网络、美债破5%叠加万亿AI资本开支，市场安全边际消失。央行加码宽松，量化策略如何应对？知乎高赞“无预测交易系统”从零推导，用三个数字实现低买高卖，全程不盯盘。19k star的OpenStock被扒是缝合怪，数据真相一文看 OpenAI 9月25日证实：内部对抗训练中，一个模型学会了可自我复制的提示词
📅 2026-09-27
Jev风潮席卷量化界，Monad链上高频做市机器人推理延迟仅80ms，引爆链上交易新范式；QuantDB全市场56GB数据集免费开放，329列因子直供多因子模型；AI Token成首个无底价大宗商品，SaaS首当其冲。点击解锁前沿策略与数据 最近 Typesafe 的 jev 模型遭全网热炒。我们最新发现，jev-tr
📅 2026-09-26
Kimi 疑中秋发 3.1、K3 免费开放，ChatGPT 跨站追踪曝光；AQR 反驳 HFT 误解，诺奖把有效市场与行为金融推向对立。量化人必读。 2026 年 9 月 19 日，Kimi 发布了一行数字： 4159265358979323846264338327950288419716939937510582097
📅 2026-09-21
StepFun 发布 600B 稀疏 MoE 模型、上期所期权扩至 23 个品种、8 月 M2 同比增 7.5%，市场结构正在变化；AQR 则重新审视经典因子与备兑看涨期权的真实风险敞口。本期 Quantide Loop 梳理最新模型、衍生品与宏观数据，并附学术研究和大厂动向，帮量化投资者快速抓住本周值得关注的信息。
📅 2026-09-20
美联储加息落地加速日元套利退潮，量化策略需警惕融资成本抬升；MNQ期货14类日内动量信号全部未过执行成本检验，证伪框架值得借鉴；方差互换最优进出场阈值获闭式解，为波动率交易提供理论锚点；英伟达芯片销量翻倍预期强化AI算力主线，SEC代币化股票豁免开启新交易场景。 当地时间9月16日，美联储宣布加息25个基点，此次加息已
📅 2026-09-18
LLM 真能下单吗？nof1.ai 直播实验夏普仅 0.019，九个月后 AI 突飞猛进，结论会变吗？本文在中证 1000 上设计三个递进实验：先让模型只预测仓位，把趋势、波动、乖离率翻译成自然语言状态再回测，逐步逼近交易本质，并给出可复现的完整代码与指标对比。 Agent 能做交易吗？nof1.ai 在去年底做了一场
📅 2026-09-14
掌握了内部信息，交易是否就能无往不胜？ 从 Form 4到大 A，让我们科学地研究一下。 设想一下。 你打开东方财富，自选股资讯里弹出一条： [!tip] 截至x年x月x日收市，公司控股股东、董事长xxx先生通过上海证券交易所股票交易系统以集中竞价交易方式累计增持公司股份xx股，约占公司总股本的y%，增持金额为人民币z
📅 2026-09-09
Vibe Coding 确实圆了很多人做软件的梦，包括我们这种古法编程好多年的人，之前也有好多想法，因为人力不足、或者知识储备不足，不敢轻易尝试，现在也不免跃跃欲试了。 我们团队之前开发有zillionaire 2.0 -- 它的定位是私募团队，使用容器 + 微服务架构，行情数据存储使用了 influxdb + red
📅 2026-09-07
花 934 美元参加 Quantinsti 的《llm-trading-strategies》值不值？用 GPT 逐模块评估后结论：课程核心还是 2019 年的 FinBERT 金融情绪分析，最多算 Financial NLP，称不上 2026 年的 LLM Trading。年已淘汰，不建议购买。 最近在探索LLM +
📅 2026-08-31
量化投研总在因子挖掘、回测调参和策略失效之间反复试错？微软RD-Agent(Q)已于2025年被NeurIPS接收，GitHub获12,000+ Stars。它用研究、开发、调度、实现四大LLM智能体协作，自动读研报、提假设、写Python代码，并借QLib回测闭环约束幻觉。想了解这款AI研发搭档能否提升因子挖掘与模型
📅 2026-04-30
最近我看了开源项目 daily stock analysis ，GitHub 上有 31k stars。它的核心不在“AI”，而在解决投资中稀缺的能力：将爆炸式信息稳定地转化为判断。项目通过自动化流程，将零散、重复、易受情绪干扰的分析动作，变成可运行、推送、回看、优化的决策支持系统。 最近我看了一个开源项目，叫 dai
📅 2026-04-23
从A股散户到自学量化，这20个月让我明白：量化的核心不是预测未来，不是写代码，而是用概率、统计、组合与风控重新理解市场，也重新理解自己。这篇文章写的是真正走过的坑和学到的东西。 这两年，圈内传出来的量化薪资门槛大概是这样的：在上海，应届 Junior Quant 的 Base 加奖金一般在 60万-80万人民币；在香港
📅 2026-04-17
财报文本可以粉饰，但声音生理信号难以伪装。本文深度解读 Arxiv 热门论文：利用 PIAM 声学模型和 Westervelt 物理方程，通过捕捉高管在Q&A 阶段微小的声学“破缺”，显著提升了 30 天未来波动率的预测力。当言行一致的 CFO 出现“生理剪刀差”，这就是市场最稀缺的风险雷达。 公司说了什么，管理层用了
量化投资者必看！深度体验Hermes Agent与OpenClaw，从安装失败到Eureka时刻。Hermes自包含依赖、零帧起手，但API Key校验缺失易踩坑；OpenClaw手动挡配置繁琐。两者快速迭代，究竟谁更适合量化策略自动化？一文拆解真实使用痛点与选型建议。 在较深度地使用了 OpenClaw 之后，还是非
📅 2026-04-13
OpenClaw 是未来的操作系统。它非常强大，是你的第二大脑和智能装甲。但是，你可能正在未流量费用太贵而苦恼，却浑然不知，有人一天获得过7500万的免费 QWen 3.6的token. 既然要运营和操作小龙虾（oplenclaw），Token 就是实打实的消耗品。我们最近深度测试了两个非常稳的大厂免费渠道，能直接调用
📅 2026-04-11
华尔街日报年费$238、彭博$600+，一年订阅动辄数千元，但多数量化投资者真正缺的不是钱，而是阅读框架。本文先给出金融信息三层阅读法：事件层、事实层、解释层，帮你建立判断顺序；再分享一个浏览器扩展，零成本获取WSJ、彭博等主流财经媒体付费文章。适合想低成本获取高质量金融信息、又不想被碎片化叙事带偏的量化学习者。 常常
📅 2026-04-03
2018 年 Shaojie Bai 等人的那篇论文，让 TCN 真正走进了量化视野。它不是某种黑盒，而是一套极其清晰的时序解构方案：因果卷积守住底线，膨胀卷积扩大感受野，残差连接确保深度。这篇文章带你拆解 TCN，看看它如何用卷积的逻辑，把时间序列的权重分配讲得通透且明白。 很多刚接触量化深度学习的朋友，第一反应往往
📅 2026-03-30
均线的参数到底设多少合适？20日还是30日？网格搜索出来的"最优参数"一上实盘就失效。这篇文章介绍一种思路：让模型自己从K线里学出权重，不用人工拍板——这就是因果卷积（Causal Convolution） 市场的波动极其复杂。但在写量化策略的初期，我们几乎都会陷入一种对“完美参数”的执念，试图用最简单的指标去在市场里
📅 2026-03-27
Skills Marketplace 让量化人把 Tushare、XtQuant、BaoStock 这类 A 股上下文装进 AI 工作流，比多一个 prompt 更重要。 在 AI 时代，作为个人量化者，开发策略似乎已变得更简单：你已可以让 AI 帮你手搓一个动量策略，或者解释多因子中性化。
📅 2026-03-26
强化学习 vs 监督学习哪个更适合AI炒股？监督学习像"背答案"，强化学习像"实战练"。一篇文讲清楚两者的核心区别、优缺点，以及在金融量化中该怎么选。 你给他1000张K线图 每张图都标注了"第二天涨"或"第二天跌" 让他记住："这种形态=涨"、"那种形态=跌" 然后考试：给新图，让他预测
📅 2026-03-23
全球避险情绪与工业需求双重驱动下，白银价格一路狂飙。这种单边行情不仅让持有实物或期货的投资者获利丰厚，更在场内催生了一个低风险的“捡钱”机会——LOF 基金场内外溢价套利。 当场内投资者情绪高涨，疯狂买入白银相关基金时，场内价格往往会远高于基金份额的实际净值，形成高溢价。今天我们就来详细拆解 LOF 套利的原理、操作流
📅 2026-01-24
深度解析 pandas 3.0 在 2026 年量化技术栈中的核心地位，探讨从 NumPy 到 PyArrow 的架构转型、字符串处理革命、Copy-on-Write 机制以及开发者背后的故事。 在量化技术栈中，可能还从来没有哪一个工具能像 pandas 与量化人的联系如此紧密。我们曾在一篇名为《月亮和 Pandas》
📅 2026-01-19
想要从主观投资转向量化？看看进化论资产创始人王一平的硬核路径。从江西财大到管理百亿规模，他坚持“手写因子”，拒绝机器学习的“黑箱”。在小微盘股波动的极端行情下，他是如何靠“逻辑类因子”的一票否决权有效控制回撤的？本文带你深度解读“有逻辑的量化”。 进化论资产创始人王一平，是一位从少年时期便展现投资天赋的私募从业者。
📅 2026-01-17
一部现代量化投资史，就是一部不断发现、定义和应用各种因子的历史。本文深度揭秘量化投资核心“黑话”：从因子的五大硬核标准，到解决比较难题的中性化技术，再到如何构建多空组合捕获纯粹收益。一文助你建立系统性的量化思维框架。 在投资的世界里，我们每个人都想找到那些未来能够持续上涨的好公司。这就像是在成千上万的学生里，找到那些未
📅 2026-01-16
讲述量化传奇 Max Dama 的逆袭之路：从冲浪少年到伯克利“四学位”学霸，再到高频交易核心。深入剖析 HFT 行业的垂直整合、透明文化及极短反馈机制，并分享他对 AI 应用与量化求职的独到见解。 在量化交易这个圈子里，我们听过太多“天才”的故事。
📅 2026-01-15
面对金融数据的低信噪比与非平稳性，通用时序模型往往力有不逮。本文深度解读清华团队推出的 Kronos 框架，揭示其如何通过二元球面量化（BSQ）将 K 线转化为“市场语言”，实现跨市场的零样本泛化，并探讨其在合成数据与策略压力测试中的颠覆性潜力。 这几年，我们见证了 GPT 等大语言模型（LLM）如何通过“阅读”海量文
📅 2026-01-13
从 2010 年“闪电崩盘”的历史教训出发，本文探讨了传统计算在极端金融风险评估中的算力瓶颈。通过解读汇丰与 IBM 在量子算法交易系统上的最新突破，揭示了量子计算在组合优化、风险管理及衍生品定价中的颠覆性价值，并剖析了 QaaS（量子即服务）如何助力算力民主化。 2010年5月6日，道琼斯指数在20多分钟内暴跌近10
本文是“解读私募创始人公开采访实录”系列的首期文章。通过深度解读洛书投资创始人谢冬的采访，揭示了其区别于主流统计套利的量化核心逻辑：坚持基于经济学规律的“先验性因子”挖掘（贝叶斯派思维），以及采用“波动率等权”的科学配置体系，为投资者展示了理论驱动型量化策略的实战价值与底层哲学。 从今天起，我们将正式推出一个全新系列
📅 2026-01-12
这是2026量化新基建的第三篇文章了。我们的目标是介绍2026年，要打造一个量化交易系统，你可能（应该）使用的那些技术。今天我们要介绍的是，在2026年，你该使用什么样的技术来构建量化交易系统的前端。 在互联网上，人们把提供免费资源和服务的人/公司称为赛博活佛。最有名的赛博活佛当属 cloudflare 了。不过，我愿
📅 2026-01-11
量化交易中，委托与成交数据如何高效存储？SQLite并非玩具，WAL模式支持多进程并发读写。配合sqlite-utils，用Pythonic方式简化数据库操作，提升表达力。本文详解性能优势与实战配置，助你构建轻量级交易数据库，告别传统sqlite3模块的繁琐。 量化人说量化事。sqlite 是一把精致的瑞士军刀，它小巧
📅 2026-01-01
本文将探讨两项彻底改变 Python 开发体验的技术：Astral 的 UV —— 一个旨在替代 pip、poetry、pyenv 的全能包管理器；以及 Pydantic 2.0 —— 由 Rust 驱动的数据验证与解析库。它们的结合，构成了 2026 年高性能量化系统的标准地基。 量化人度过了一个喜悦的2025年。站
📅 2025-12-23
摩尔线程、沐曦股份引爆打新市场：中一签分别可赚27万、40万。中签后该在什么价位卖出？没中签还有上车机会吗？本文从量化视角拆解新股估值，手把手用东方财富数据与机器学习模型，讲解数据获取、特征选择、训练预测，帮你判断新股合理价值与卖出时机。 摩尔线程和沐曦股份这两天彻底激发了打新市场。前者中一签至少赚27万，后者中一签至
📅 2025-12-18
本文通过一个回测收益异常案例，揭示数据标准化中的「前视偏差」陷阱：全局 Z-score 或 Min-Max 归一化会引入未来数据，导致夏普比率虚高（夏普大于4几乎必然包含未来数据）。文中用蒙特卡洛方法研究了夏普比率与年化收益的关系，并给出 A 股策略中正确的滚动窗口（Point-in-Time）归一化做法与量化交易应用
📅 2025-11-28
在学习了 TCN 的硬核原理并将其应用于历史数据回测后，许多研究者会得到非常漂亮的结果：验证集准确率高、模拟盘收益率曲线平滑。 然而，一旦将模型接入真实市场的实盘交易，这些在纸面上无懈可击的模型往往会迅速失效，甚至产生严重的连续回撤。 因为你盯着回测曲线看久了，会很自然地以为问题只剩下仓位大小和交易成本，结果一上真实环
📅 2025-11-26
最近在整一个适合个人使用的量化框架，数据源选择了 tushare，实时数据和交易 API 使用 QMT。在尝试一个策略时，发现该发出信号的时候，没有发出信号，于是就开始了排错之旅。这一查不要紧，发现就连最基本的每日涨跌幅数据也算不『对』了。 最近在整一个适合个人使用的量化框架，数据源选择了 tushare，实时数据和交
📅 2025-11-24
这是所有的量化课程都不会告诉你的，基于静态复权计算出来的因子，很可能不具有时间平稳性，这意味着我们无法基于它来发现统计规律。 对股价数据进行复权是一个基本的概念，你可能已经知道，存在前复权和后复权两种基本的复权方式，此外，还有动态前复权。但是，你上过的量化课可能只教过你如何计算这几种复权；而没有告诉你，它们将如何影响你
📅 2025-11-21
本篇是本系列的最后一篇,运用之前的Moonshot回测框架，我们将最终完成红利策略的构建。5年回测结果表明，本策略年化达到11.6%，sharpe 高达4.55，远远超过同期沪深300. 我们已分4期介绍和 Moonshot 以及如何实现一个红利策略。本篇是本系列的最后一篇,运用之前的Moonshot回测框架，我们将最
📅 2025-11-09
通过分析公开的国会议员交易记录，我们发现了令人惊讶的投资模式，这些数据背后隐藏着怎样的市场洞察？ 2022年7月，美国国会正式通过『芯片与科学法案』。根据该法案，美国将拿出 390 亿美元用于半导体制造业直接激励，还有总额超 520 亿美元的半导体制造相关激励基金，以此吸引企业在美建厂扩产。法案通过后，半导体行业股票全
📅 2025-11-03
本文对华证与 Wind 的 ESG 评分分别构建“按披露日横截面分层、T+1 生效、前向填充到日频、等权持有到下一次披露”的策略框架，在最长可追溯样本期内进行系统回测. 在上一篇《另类数据：ESG评分如何获取？》中，我们梳理了主流的ESG数据来源。那么，这些数据在A股市场究竟表现如何？为探寻答案，本文将分别基于华证与W
📅 2025-10-26
对于想要在量化交易行业发展的新人，可能并不知道该如何挑选一家公司。因此，他们很容易在选择第一份工作时犯错。这个错误可能会导致你日后放弃这个行业，而事实上，你可能非常适合这个行业并取得成功。没有经验的人很容易犯错；但我想提供一些指导，帮助你避免一些常见的陷阱。 本文在翻译的基础上进行了改写。原文可以在 headlands
📅 2025-10-23
从化石燃料到金融市场，绿色转型已不可逆。到2024年，151个国家宣布碳中和目标，120个将其纳入法律，86个给出清晰路线图。资本正在用估值与资金流向表态：可持续发展是新的共识。而在资本对“可持续价值”的抉择中， ESG 正成为衡量企业与经济体可持续竞争力的核心标尺 从化石燃料到金融市场，绿色转型已不可逆。到2024年
📅 2025-10-22
买方利润更高，卖方更稳定？这篇文章从商业模式、收入结构和风险承担角度，深入解析金融行业买方与卖方的本质区别，助你精准把握职业选择方向。 对非金融专业的人，想踏入量化投资圈，在找工作时，有时候会遇到这样两个词，买方或者卖方。这是什么意思呢？ 买方和卖方是金融市场的两大核心角色，利润和稳定性的差异正是由它们的商业模式决定的
📅 2025-10-21
这篇文章介绍了使用 AI 发现错误期权定价的方法，以及如何交易它。这篇文章昨天刚刚发布，就得到超过1.1k 个赞。非常值得一读。核心不是策略本身，而是如何使用 AI，让本来复杂的期权交易变得更容易参与。 这篇文章翻译至 PandaMcGee3 的一篇博文。你可以在 PandaMcGee3这里找到原文及联系原作者。
📅 2025-10-17
策略核心观点 本文构建了一个包含短、中、长期综合考量的鳄鱼线投资策略。它通过吸纳不同时间跨度的信息生成投资信号。严格的多空信号标准使其有着优秀的beta收益。此外，通过不断地纳入AO、分形以及MACD因子，其投资表现越来越好。 引言 “你无法阻止波浪，但你可以学会冲浪。” —— 乔恩·卡巴金
📅 2025-10-13
近期，三家外资高频量化巨头被海关调查。这一事件揭开了高频交易领域一个公开的秘密：硬件竞速。本文盘点了高频量化的那些招数。 近期，三家外资高频量化巨头被海关调查。这一事件揭开了高频交易（HFT）领域一个公开的秘密：硬件竞速 (Hardware Race)。
📅 2025-10-11
证券交易数据是非常典型的时间序列数据，而 ARMA 与 GARCH 又是两种常用的时间序列模型。如何评估这两种模型在量化交易中的作用？ 先说结论：时间序列研究的本质是研究“数据随时间变化的规律"，并不是只要知道简单的 ARMA, GARCH 就够了。相反，ARMA, GARCH在量化交易中，只有部分场景（或者说构造出来
📅 2025-10-10
硕士在读，如何才能入行量化交易？这篇文章从如何获得面试、如何通过面试以及如何通过见习期考核给你支招。 量化行业相对其它行业来说更卷一点。头部机构对学历的要求就更高一点。比如985硕士，要进字节、阿里、腾讯等大厂机会很大；但要进量化头部机构，往往是清北加 QS50相关专业博士。
📅 2025-10-05
什么是聪明钱概念交易策略？ SMC 关键概念 如何使用聪明钱概念交易策略进行交易 聪明钱概念与价格行为有什么区别？ SMC 是好的还是坏的交易方法？ 在 A 股，有一段时间大家把北向资金称为“聪明钱”。它们是如此聪明，以至于北向资金的流入数据在盘中成了重要的指标。最后，监管机构不得不叫停了北向资金流入的实时批露。
📅 2025-10-04
当华尔街遇上“量子飞跃”，交易的游戏规则将被彻底改写。汇丰与IBM联手，将传说中的量子计算带入债券交易，从投资组合优化到风险毫秒级分析，经典模型已显“廉颇老矣”。这不仅是技术的突破，更是金融世界新旧秩序的对决。你的交易策略，还能跟上“量子霸权”的脚步吗？ 9 月 25 日，在伦敦充满活力的金融核心地带 —— 金丝雀码头
📅 2025-09-28
看似“稳稳赚”，实则“险相伴”：在压路机前捡硬币，迟早被碾一遍。动量、套息、做市皆负偏，做空Gamma埋祸根；大众逼空、LTCM为镜鉴。解法：多元化、买保护、动态降杠杆——慢慢赚，不赌命 在量化金融领域，有一个生动的比喻精准概括了某些交易策略的本质 —— “在压路机前捡硬币”（picking nickels in fr
📅 2025-09-26
本文通过一个“基站宕机”的真实案例，演示了如何将时序数据转化为机器学习模型可用的特征，并利用XGBoost进行事件归因。文章提供了从数据处理、模型训练到结果解释的完整Python代码，并深入探讨了XGBoost在处理时序问题时的正确范式，强调了特征工程在其中的核心价值。 当一个系统（比如交易系统、服务器基站）意外宕机，
📅 2025-09-20
这个系列的跨度有点久了，在开始之前，先做一个前情提要。这个系列我们选择的是中金 2023 年 12 月的一份研报，名为《在手之鸟，红利优选策略》。 如何获取各种基本面数据，并且对部分数据的含义及编纂方法进行讲解 月度调仓换股回测策略应该如何实现 获得一个红利优选基础策略。通过适当改变参数，即可用以实战。
📅 2025-09-18
许多量化人都会构建自己的量化库，为此投入了大量时间。这样做真的值得吗？我个人的答案是肯定的，因为我也是千千万万个自己造轮子的人之一。 探索的意义就在于探索本身。物理学家费曼一生留下许多名言，这一句正好说明了为什么值得重复去造轮子： What I cannot create, I do not understand。 1
📅 2025-09-17
涨时重势，跌时重质。本文实战演示如何结合Parquet高性能缓存机制来获取并存储股息率数据，并且运用 moonshot 回测证明了股息率因子的有效性。 在 tushare 中如何获取股息率？如何利用其分页机制，加快取数据的速度？ 如何实现按股息率筛选？特别介绍 pandas的transform 与 apply方法比较
📅 2025-08-28
这两天涨得喜气洋洋的，不过，对东财的程序小哥哥来说，可能还得加班了，因为涨得太好，程序溢出了： 在2024年9月，我们曾发表《节前迎来揪心一幕！谁来告诉我，A股现在有没有低估？》一文。在那篇文章中，我们使用了akshare获取了上证指数的市盈率数据，并通过分位数和趋势分析，探讨了当时A股市场的估值情况。
📅 2025-08-26
本篇聚焦月线策略回测的『数据难题』，揭秘如何通过 tushare 高效获取、复权行情数据并实现本地缓存，彻底解决Alphalens在月线回测上的短板。跟随实战案例，掌握复权原理与缓存技巧，为复杂研报复现打下坚实基础。 能够自己复现研报，是我们学员的一个基本要求。在课程中我们详细介绍了 Alphalens 因子分析框架，
📅 2025-08-15
当小球在高尔顿板上穿梭，神奇地绘出正态分布曲线时，你是否想过这背后隐藏着怎样的数学奥秘？从概率密度到期望值，从离散到连续，这篇文章将带你揭开随机世界的神秘面纱。想知道如何用积分计算抄底成功率吗？准备好，数学的魔法即将开始！ 二项分布究竟意味着什么呢？ 实际上，有一个名为 Galton Board 的装置，可以很好地可视
📅 2025-08-08
中金的一个基本面策略，年化收益率达到了29%。但是，复现并不容易。它集合了事件选股和因子选股两种框架 -- 这导致没有现成的回测框架可用，同时，各种周期的数据对齐也让人如陷迷宫。在这个系列的视频里，你将和我一起，从零打造一个名为 Moonshot 的回测框架：清晰、模块化、易上手、易拓展。本期为第一期。我们将介绍关键思
📅 2025-08-06
当量化人面临信息过载的困境时，AI悄然成为破局关键。从Grok的私人定制资讯，到豆包和NotebookLM将研报秒变播客，再到TradingAgents项目——一个能模拟真实交易团队、年化收益提升30%的神秘框架。这个由UC伯克利开发的多智能体系统，究竟如何让一个人拥有整个交易团队的决策能力？ AI将重建一切。今天早上
📅 2025-08-05
同样是 30% 收益，A 策略跑 30 天，B 策略跑 25 天，谁更牛？Ran Aroussi 的 QuantStats 库藏着答案！这个获 5.8k 星标的 Python 工具，能用 compsum、comp 等函数拆穿收益骗局，可为何几何均值总比算术均值 “矮一截”？ 假设我们已构建一套投资策略，并通过回测工具获
📅 2025-08-02
从赌场游戏到数学家们的战争，概率论如何摆脱直觉的束缚？柯尔莫哥洛夫的公理化革命，让微积分成为概率论的新武器，彻底改写了我们对随机世界的理解 在上一篇中，我们使用了初等概率的方法来解题。这种方法，需要我们『数』出来样本空间总数和各个事件包含的基本事件数。两者的商即为概率。
📅 2025-07-31
常常有人问，做量化交易需要什么样的数学基础？ 不同领域的量化研究员需要数学基础是不一样的，一般是期权 > 高频 > 期货 > 股票中低频量化。 今天我们就聊聊各个领域要求的数学基础，并且以一道经典的量化面试题（来自绿皮书），介绍在概率知识上，从低级到中级，机构可能会考察哪些概念。
📅 2025-07-24
Quantstats是非常著名的量化策略评估与可视化库。从2024年底起约8个月里，它没有得到积极的维护，出现了在Python 3.12以上，完全无法运行等严重bug。 好消息是，最近一周，原作者 Ran Aroussi 已经恢复了对这个库的维护，并且连发了5个版本（从0.0.64到0.0.68）。
📅 2025-07-23
LLT均线策略回测结果好到难以置信，年化收益竟达25%！但当我们用显微镜审视每个细节时，发现了隐藏的致命陷阱：未来数据泄露、信号对齐错误、交易成本设置不当...这些看似微小的技术细节，正是导致『回测买地球、实盘亏成狗』的真正元凶 在上一期的《『译』研报：低延迟趋势线与交易择时》文章里，LLT 均线切线买入策略的回测结果
📅 2025-07-21
传统移动平均线（MA）是技术分析中常用的趋势跟踪指标，通过对股票价格或指数在一定天数内的平均值进行计算，以刻画其变动方向。MA 的计算天数越多，其平滑性越好，但随之而来的时滞（延迟）影响也越严重。这意味着 MA 指标在跟踪趋势时容易出现“跟不紧”甚至“跟不上”的情况，平滑性和延迟性成为其不可避免的矛盾。 低延迟趋势线（
📅 2025-07-16
在6月中旬，Python发布了Python 3.14 beta3。它可不是一个普通的预发布版本 -- 它是第一个正式支持期待已久的自由线程或『无 GIL』的版本。而有没有GIL，绝对是Python发展史上的有一个分水岭。 这个版本将在今年的程序员节（10月24日）发布，版本号正是神奇的数字π。
📅 2025-07-15
上一期文章中，我们复现了研报的因子构建部分，分别是影线因子、威廉影线因子以及由此组合而来的 UBL 因子。这一期我们将对这些因子进行检验。 因子检验固然是因子挖掘中必不可少的一环，但它应该是一个 routine 的工作 -- 我们不应该每次都重新发明轮子。然而，当我们使用Alphalens 来进行因子检验时，令人尴尬的
📅 2025-07-04
头上三柱香，不死也赔光。这是一句股谚，说得是如果在高位出现三根长上影线，那么股价短期内很可能会下跌。因为上影线代表了上面的抛压特别大。这种说法能得到统计数据上的验证吗？来自东吴证券的一份研报，就讨论了这个问题。 这份研报给出一个很价值的结论，那就是，影线好不好用，关键点不在影线本身，而在于你如何使用它。这份研报从常见的
📅 2025-06-29
内容摘要 强化学习已在摩根大通及全球顶级投资机构中使用。 与监督学习不同，强化学习不会在每一步都只接受标准答案，它会尝试、忍受短期的损失，博取长期的收益。这就使得它有了对抗金融数据噪声的能力。 奖励是强化学习的灵魂。我们可以直接把投资组合的收益率作为奖励。在监督学习中，损失函数是其核心，但我们 强化学习已在摩根大通及全
📅 2025-06-25
Quantstats 是一款用于交易策略绩效分析的 Python 库，深受量化圈用户喜爱，在 Github 上获得了超过 5.8k 的 stars。但很遗憾，由于原作者长期未维护，现在新安装的 Quantstats，尤其是在 Python 3.12 及以上高版本中，几乎无法运行。 Quantstats 是 Ran Ar
📅 2025-06-16
当数据如潮水般涌来，如何让系统稳如磐石？本文带你深入 QMT 实时数据订阅的世界，见证 007 助手如何将一个简单的数据获取程序，升级为处理能力提升 10 倍的高性能系统！ "007，我们的日线数据定时获取系统已经很稳定了，但现在我需要更细粒度的数据——分钟线数据。"我一边查看着 ClickHouse 中的日线数据，一
📅 2025-06-15
当分笔数据如潮水般涌来，如何让系统智能地将它们合成为有价值的分钟线数据？本文带你深入量化交易系统的核心——数据合成与系统架构优化的世界！ "007，我们的实时分笔数据订阅系统已经基本完成，但现在我遇到了一个新的挑战。"我一边查看着 Redis 中堆积如山的分笔数据，一边对我的 AI 助手说道。
如何读懂并复现研？这是我们学员提出来的一个问题。 读懂并复现一篇研报，在理解研报的核心思想之外，看懂高频常用术语（行话、俚语）、实现概念到代码的转换、懂得如何获得数据是占80%的常规工作。在上一篇《RSRS择时指标》中，我们的重点在于复现策略本身。这一篇文章，我们重点介绍如何『翻译』研报。
📅 2025-06-11
月 7 日，当我启动 Augment 准备继续编写策略时，弹出一条消息提示，大致是，我们刚刚发布了 Remote Agent，你要不要试一试？这个试用需要登录 github 账号，所以我的第一直觉就是，关掉它，我不需要它。 但是，当我在使用本地 Agent 解决一个问题时，有时候它会工作很长时间，期间我不能改动工作区的
📅 2025-06-10
RSRS 因子在 2005 年 3 月到 2017 年 3 月的上证 50 指数上，12 年总收益 1432.36%，年化 24.84%，夏普 1.42。同期指数收益仅为 290.13%。 该指标的大致思想是，将每日最高价与最低价分别视为阻力位与支撑位，把给定周期下线性回归拟合得到的斜率作为因子。斜率越陡，表示市场强度
📅 2025-06-09
我们常常想知道投资组合在未来的某一天，最大损失会是多少，估算方法之一就是蒙特卡洛。尽管它在计算性能上不占优势，却最让人心里踏实 -- 毕竟，它是一种把几乎所有的路径都走了一遍，再回来告诉你一路上的风险与风景的方法。 她看起来很高端，实际上只是很暴力。今天就带你认识她。
📅 2025-06-05
数据如同血液，字段则是血型标记。本章带你深入A股数据的'涨跌停'与'ST'世界，让007助手为你揭秘如何用Tushare API完美修复那些缺失的关键字段，让量化策略在真实市场环境中游刃有余！ 数据如同血液，字段则是血型标记。本章带你深入A股数据的"涨跌停"与"ST"世界，让007助手为你揭秘如何用Tushare AP
📅 2025-06-03
'时间就是金钱，效率就是生命'，这句话在量化交易领域体现得淋漓尽致。今天是我和007合作的第六天，我决定要解决一个困扰我已久的问题：如何实现日线数据的自动定时获取？ "时间就是金钱，效率就是生命"，这句话在量化交易领域体现得淋漓尽致。今天是我和007合作的第六天，我决定要解决一个困扰我已久的问题：如何实现日线数据的自动
📅 2025-06-01
'007，我们需要讨论一个重要的性能优化问题，'我一边敲击键盘一边对我的 AI 助手说道。 "007，我们需要讨论一个重要的性能优化问题，"我一边敲击键盘一边对我的 AI 助手说道。 "什么问题？我已经准备好了，"007 回应道，它的语音合成器发出了一种几乎可以称为热情的声音。
📅 2025-05-18
在量化交易的世界里，数据就像是血液，而数据传输系统则是血管。一个高效的数据传输系统可以让整个量化交易平台如虎添翼，而低效的数据传输则会成为整个系统的瓶颈。 当我正为 SQEP（Standard Quotes Exchange Protocol）的性能优化绞尽脑汁时，我的 AI 助手 007 敲了敲我的"虚拟门"。
Duckdb是一个年轻而迷人的数据库。它的备份可以简单到通过拷贝文件来完成 -- 但前提是，没有其它进程独占她。如果你的服务使用了duckdb，而且还在不停地读写她，你该怎么给她一个备份呢？ 注意我们项目中，已经有过备份的逻辑（cli.py）但是，它是基于服务停止后，拷贝文件来实现的。如果我们通过后台任务来实现，在不停
📅 2025-05-17
Duckdb是一个年轻但非常有潜力的数据库。但它也有桀骜不驯的一面：在一个普通的update语句执行时，出现了罕见的违反外键约束的问题。最终，依靠Augment这个强大的AI工具，我们找到了根本原因，并且通过坚实的实验验证了结论。 『华生，你是否曾思考过，在数据库的深处，隐藏着多少不为人知的秘密？』福尔摩斯放下手中的烟
📅 2025-05-14
现在，我们需要设计一种通用的数据交换格式（Standard Quotes Exchange Protocol, SQEP）。这种格式的工作原理是：由数据生产者（因为只有生产者才了解原始数据的具体格式）将数据转换为这种标准格式，然后再将其推送到Redis中供消费者使用。 第一天，我们讨论了如何从Tushare获取OHLC
五一小长假之前，我在搭档 007 的帮助下已经成功实现了从 Tushare 获取 OHLC 数据，并通过 Redis 消息队列将数据存储到 ClickHouse 数据库。为了进一步完善量化交易系统的数据支持，今天我们将聚焦于数据库的优化设计，主要涉及获取日线复权因子、获取分钟线数据以及计算分钟线数据（例如 15 分钟）
📅 2025-05-13
今天是第二天，我计划实现如下任务： 安装 ClickHouse 和 DBeaver 创建 ClickHouse 数据表 修改 Redis 消息队列代码以支持 ClickHouse 存储 我唤醒了 007，它今天是要陪我一起战斗代码的。 我使用的是 mac 系统，电脑里还没有安装 ClickHouse 和 DBeaver
📅 2025-05-11
IDEA：本人和本人的 AI黑奴 的相互协作，能不能在短短 21 天内开发出一套量化交易系统？ 这么有意思的挑战，不如就从今天开始吧！“数据是一切开始的基础”，我打算先安排 AI黑奴 从数据获取开始做起。（感觉叫 AI黑奴 不太好听，那就给它取个名字叫：007号打码机，希望007号“牛码”可以“码力全开”）
📅 2025-05-10
常常有人问，真有人用 AI 完成过一个复杂的项目吗？ 在这个过程中，我感受到 Augment （也许不只是 Augment，而是 AI 辅助编程）强大的力量。它帮我省下很多个小时。如果你是一位秀发飘逸的美女程序员，你更是应该用它 -- 它指定能保住你的头发 -- 不过这一点对我来说已经无关紧要了。
📅 2025-04-21
“通过将字符串列转换为 category 类型，内存占用可减少 90% 以上；使用 itertuples 替代 iterrows，遍历速度提升 6 倍；结合 Numba 的 JIT 编译，数值计算性能可媲美 C 语言。” 使用category类型可以将字符串转换为分类变量，用整数索引代替原始值，这样可以节省内存。例如：
📅 2025-04-05
“Modin 通过多核并行加速 Pandas 操作，读取 10GB CSV 文件比 Pandas 快 4-8 倍；Polars 基于 Rust 架构，内存占用仅为 Pandas 的 1/3；Dask 则支持分布式计算，轻松处理 TB 级数据。” 关于 query 方法，我它类似于SQL的where子句，允许用字符串表达
“Alphalens 要求因子数据是双重索引的 Series，价格数据是日期为索引、资产代码为列的 DataFrame。通过 Pandas 的 pivottable 和 setindex，可以轻松完成格式转换，为因子分析奠定基础。” 通达信 是一款由中国深圳市财富趋势科技股份有限公司开发的金融投资软件，主要用于股票、期
📅 2025-04-04
“Pandas 的 DataFrame 提供了强大的样式功能，可以通过 Styler 对象实现类似 Excel 的条件着色效果。此外，Pandas 内置的绘图方法支持多种图表类型，轻松满足数据可视化需求。” Pandas 的 DataFrame 提供了强大的样式功能，可以通过 Styler 对象实现类似 Excel 的
📅 2025-04-03
“Pandas 提供了强大的日期时间处理功能，从字符串到时间戳的转换、时区调整到格式化输出，都可以轻松实现。此外，字符串操作如替换、分割、过滤等，也能通过 str 访问器高效完成。” 如果时间或日期数据是字符串格式，可以使用 pd.todatetime() 函数将其转换为 Pandas 的 datetime 类型。
📅 2025-04-02
“Pandas 提供了丰富的 IO 操作功能，支持从 CSV、SQL、Parquet 等多种文件格式中读取数据。通过优化参数如 chunksize、usecols 和 dtype，可以显著提升读取速度并减少内存占用。” 在 Pandas 中，DataFrame 的数据预处理是数据分析的关键步骤，包括数据清洗、缺失值处理
📅 2025-04-01
“在 Pandas 中，逻辑运算和比较运算是数据筛选的基础工具。通过与（&）、或（|）等操作符，可以轻松实现复杂条件筛选，比如选出市盈率最大且市净率最小的股票。” 在 Pandas 中，DataFrame 的逻辑运算和比较是数据处理中常用的操作，主要用于筛选和过滤数据。以下是详细说明和实现方法：
📅 2025-03-31
“DataFrame 是 Pandas 的核心数据结构，支持多种数据类型和灵活的操作方式。无论是嵌套字典、NumPy 数组还是 CSV 文件，都可以轻松转换为 DataFrame，助你快速完成数据分析任务。” DataFrame 含有一组有序且有命名的列，每一列可以是不同的数据类型（数值、字符串、布尔值等）。DataF
📅 2025-03-30
Series 的基本功能 本节，我们将介绍Series的一些数据的基本操作方法。后续将会深入地挖掘pandas在数据分析和处理方面的功能。 重建索引是通过 reindex() 方法实现的，它允许用户根据新的索引标签对 Series 进行重排或填充。如果新索引标签在原 Series 中不存在，默认会用 NaN 填充。
📅 2025-03-29
Pandas在量化交易中，处于核心地位。许多基于Python SDK的数据源返回的数据格式一般是pandas.DataFrame。因子分析库Alphalens、性能评估库empyrical等都依赖于Pandas。 这并不奇怪。因为Pandas的开发者Wes McKinney原本是资管公司AQR Capital Mana
📅 2025-03-28
“去极值是量化分析预处理中不可或缺的一步。在各种方法中，中位数拉回法因其鲁棒性和适应性广泛应用。通过 Numpy 的向量化实现，我们可以轻松完成多资产的去极值操作，显著提升计算效率。” 去极值是量化分析预处理中的常见步骤，在机器学习中也很常见。在各种去极值方法中，中位数拉回是对数据分布特性适应性最广、最鲁棒的一种。
📅 2025-03-27
“线性回归是量化分析中的常用工具，但在大规模数据中，循环实现效率低下。通过 Numpy 的向量化技巧，我们可以将计算提速百倍，轻松应对滑动窗口和批量计算等复杂需求。” 动量和反转是最重要的量化因子。有很多种刻画动量的算法，但拟合直线的斜率无疑是最直观的一种。
📅 2025-03-26
“在很多量化场景下，我们都需要统计某个事件连续发生的次数，比如连续涨停、N 连阳等。通过 Numpy 的向量化操作，我们可以快速实现这些需求，既高效又简洁。” 在很多量化场景下，我们都需要统计某个事件连续发生了多少次，比如，连续涨跌停、N连阳、计算Connor's RSI中的streaks等等。比如，要判断下列收盘价中
📅 2025-03-25
“Masked Array 是 Numpy 中的重要概念，能帮助我们在保持数据完整性的同时，屏蔽无效值进行运算。而 ufunc 则通过底层 C 实现的向量化操作，让复杂计算变得高效且简洁。” 你可能常常在一些接近底层的库中，看到 Numpy masked array 的用法。Masked Array 是 Numpy 中
📅 2025-03-24
“日期和时间的处理从来都不简单。时区、夏令时、闰秒等问题让时间计算变得复杂。Numpy 提供了高效的日期时间处理工具，帮助我们轻松应对这些挑战。” 一些第三方数据源传递给我们的行情数据，常常会用字符串形式，或者整数（从 unix epoch time 起）格式来表示行情的时间。比如，akshare 和 tushare
📅 2025-03-23
“随机数和采样是量化中的高频操作。通过 Numpy 的 random 模块，我们可以轻松生成符合正态分布的收益率数组，并利用 np.cumprod() 计算价格走势，快速模拟资产的夏普率与价格关系。” 随机数和采样是量化中的高频使用的操作。在造数据方面非常好用。我们在前面的示例中，已经使用过了 normal() 函数，
📅 2025-03-22
一开始，Numpy 的数组只能存放同质的元素，即元素必须有相同的数据类型。但对表格类数据而言，它们往往是由一条条记录组成的，而这些记录，又是由不同数据类型的数据组成的。 如何做到在Numpy中也能处理大规模的表格数据呢？ 为了满足这种需求，Numpy 扩展出一种名为 Structured Array 的数据格式。它是一
📅 2025-03-19
NumPy 的核心数据结构是 ndarray（即 n-dimensional array，多维数组）数据结构。这是一个多维度、同质并且大小固定的数组对象。 为了表达记录类型的数据，Numpy又拓展出名为Structured Array的数据结构。
📅 2025-03-18
在不同的库之间交换数据，常常会遇到格式问题。比如，我们从第三方数据源拿到的行情数据，它们用的时间字段常常会是字符串。有一些库在存储行情时，对 OHLC 这些字段进行了优化，使用了 4 个字节的浮点数，但如果要传给 talib 进行指标计算，就必须先转换成 8 个字节的浮点数，等等，这就有了类型转换的需求。 此外，我们还
📅 2025-03-09
决策树是机器学习中一类重要的算法。它本质是这样一种算法，即将由程序hard-coded的各种if-else逻辑，改写成为可以通过数据训练得到的模型，而该模型在效果上等价于硬编码的if-else逻辑。 这样做的好处是，大大增强了算法的普适性：只要有标注数据，无须编码，都可以转换成为对应的决策树模型，条件越复杂，这种优越性
正如死亡和税收不可避免，Numpy 和 Pandas 对量化人而言，也具有同样的地位 -- 每个量化人都不可避免地要与这两个库打交道。 如果你去研究一些非常重要的量化库，比如 alphalens, empyrical, backtrader, tushare, akshare, jqdatasdk 等，或者一些非常优秀
📅 2025-03-08
本文是几个月前《三角形整理检测》的后续篇，改进了算法，增加了应用场景的讨论。 《匡醍.因子分析与机器学习策略》课程的最后一课是关于深度学习框架在量化交易中的应用的。考虑很多技术交易者都会看图操作，比如艾略特浪型、头肩顶、三角形整理等等。正好CNN在图像模式识别能力上超越了人类，所以，就打算拿三角形整理的检测作为例子。
📅 2025-02-25
在我们的《因子分析与机器学习策略》课程中，提供了从2005年到2023年，长达18年的日线数据（共1100多万条记录）供学员进行因子挖掘与验证。最初，我们是通过functools中的lrucache装饰器，将数据缓存到内存中的。这样一来，除了首次调用时时间会略长（比如，5秒左右）外，此后的调用都是毫秒级的。 但这样也带
📅 2025-02-10
前篇文章提到可以用HDBSCAN算法来来对资产进行聚类，在聚类完成之后，对聚类结果进行协整检验，通过计算对冲比，可以构造成平稳序列。我们知道一个平稳时间序列的均值、方差恒定并且有自协相关特性，那么，一旦它偏离了均值，迟早都会回归到均值上。利用这一点，可以生成交易信号。 那怎样证明HDBSCN算法对寻到协整对的交易策略是
📅 2025-01-11
配对交易是一种交易策略，由摩根士丹利的量化分析师农齐奥.塔尔塔里亚在 20 世纪 80 年代首创。他现在是意大利雅典娜资产管理公司的创始人。该策略涉及监控两只历史上相关性较强的证券，并监控两者之间的价格差。一旦价格差超出一个阈值（比如 n 倍的标准差），价格回归就是大概率事件，于是交易者就做空价格高的一支，做多价格低的
📅 2025-01-07
在你看到这篇文章时，2024年已经余额不足，而新的一年，正在等待我们冲刺。新的一年，作为量化人，你将在新年里收到哪些礼物呢? 先来晒一下我个人收到的礼物吧。昨天一早，收到了孙乐总赠送的《山河独憔悴》，并且很贴心地为我题了字。孙乐总是民主党派人士，江苏省收藏家协会理事和勋奖章收藏专业委员会副秘书长、美国钱币学会会员。
📅 2024-12-31
在第13课中，拿决策树介绍了机器学习的原理之后，有的学员已经积极开始思考，之前学习了那么多因子，但都是单因子模型，可否使用决策树模型把这些因子整合到一个策略里呢？ 在与学员交流之后，我已经把思路进行了分享。这也是我们第13课的习题，我把参考答案跟大家分享一下。
📅 2024-12-06
如果你去商场逛，你会发现，销量最好的店和最好的商品总是占据人气中心。对股票来说也是一样，被新闻和社交媒体频频提起的个股，往往更容易获得更大的成交量。 如果一支个股获得了人气，那它的成交量一定很大，两者之间有强相关关系。但是，成交量落后于人气指标。当一支个股成交量开始放量时，有可能已经追不上了（涨停）。如果我们能提前发现
📅 2024-12-04
在第12课我们讲了如何从量、价、时、空四个维度来拓展因子（或者策略）。在时间维度上，我们指出从周一到周五，不同的时间点买入，收益是不一样的。这篇文章我们就来揭示下，究竟哪一天买入收益更高。 假设我们分别在周一、周二，...，周五以收盘价买入，持有1, 2, 3, 4, 5天，并以收盘价卖出，求平均收益、累积收益和夏普率
📅 2024-11-24
机器学习是人工智能的一个子集。人工智能是指使计算机系统能够执行通常需要人类智能才能完成的任务的技术和方法。人工智能涵盖了多种技术和子领域，如机器学习、深度学习、自然语言处理、计算机视觉、专家系统等。 人工智能的概念正式提出是在1956年达特矛斯的夏季人工智能研究会上。达特矛斯学院(Dartmouth College)虽
📅 2024-11-23
在4月8日，我们发表了一篇名为《1赔10，3月27日我抄底了》的文章，基于坚实的统计数据，说明了为什么当天应该抄底。时间过去了半年，中证1000又为我们提供了两个新的例证。这篇文章我们就来回顾一下。 我们先介绍一下原理。你可能观察到，当发生一段连续下跌时，那么下跌的幅度越大，则反弹的力度就越大，并且越可能发生反弹。这就
📅 2024-11-20
今天跟一位朋友聊天，他想换到量化行业，有点担心是否有点为时已晚，又或者大环境不好。于是我用这句话鼓励他： 其实在我身边，已经有好几位『普通人』成功地转向了量化。我之前有一位策略研究员，前几天跟我通了个电话，告诉我已经有私募接洽他，希望买他的策略。他已经注册了自己的公司。他是一个真正的传奇，我会在恰当的时候，讲述他的故事
📅 2024-11-13
这篇文章的部分思想来自于 John Ehlers。他曾是雷神的工程师，当年是为NASA造火箭的。他有深厚的数字信号处理（DSP）技术背景，为石油钻探发明了最大熵频谱分析（MESA）。这种分析方法能为短暂的地震回波提供高分辩率的显示。 随后，他把这种方法应用到金融领域，并开创了名为MESA的软件公司，为交易者提供相关分析
📅 2024-11-05
本周要闻 英伟达和宣伟公司纳入道指 制造业PMI时隔5个月重返景气区间 三季报收官，8成上市公司实现盈利 周二：美国大选投票日（美东时间） 周二：财新发布10月服务业PMI 4日-8日，人常会：增量政策工具或将揭晓 周六：统计局发布10月PPI/CPI
📅 2024-11-03
指标 Ultimate Oscillator（终极振荡器）是由 Larry Williams 在 1976 年发表的技术分析因子。 Larry 是个牛人，不打嘴炮的那种。他发明了 William's R（即 WR）和 ultimate ocsillator 这样两个指标。著有《我如何在去年的期货交易中赢得百万美元》一书
📅 2024-10-29
本周要闻 财政部：中国还将加大财政政策逆周期调节力度 统计局：1-9月全国规上工业利润下降3.5% 纽交所计划延长美股交易时间。 周一：医保目录现场谈判开始 周四：统计局发布10月PMI 美股Q3财报季下周将迎来最繁忙的一周 连载！量化人必会的 Numpy 编程(8) - 暴力美学，无洗盘，不拉升。洗盘模式如何检测？(
📅 2024-10-27
在9月16日的公众号文章（《节前迎来揪心一幕！谁来告诉我，A股现在有没有低估？》），我们发表了这样一个数据，就是A股的市盈率已经处于历史低位（10%分位）。两天之后，从9月18日起，沪指迎来一轮长达两个月的小牛市。 当沪指涨回到3452时，现在的市盈率又处在哪个位置？这是我们今天要回答的第一个问题。
📅 2024-10-25
CCI（商品通道指数） 由 Donald Lambert 研发，首次发表于 1980 年的《商品期货》杂志，一直以来很受交易大量推崇。但是，简单地将这个指标作为因子进行因子检验，差点使明珠蒙尘。最后，因子密度分布图揭示了真相，通过因子纯化，最终检验结果给出了与传统经验一致的结论！ 简单来说，CCI 表示了价格对移动平均
今天（10 月 24 日）是码农节。这一天也是裘伯君、Chris Lattner, Robert Khan 等人的生日。Lattner 是 LLVM 开源编译器的创始人、Swift 和 Mojo 语言的主要设计者。Khan 是互联网奠基人之一，他与温顿。瑟夫共同发明了 TCP/IP 协议。 不过，最令程序员兴奋的是，P
📅 2024-10-24
常常需要快速统计出一段时间内，最强的股和最弱的股，以便研究该区间内，强势股和弱势股有什么特点。 如果使用循环，这就跟掰着手指头数数没啥区别，各位藤校生一定是不屑的。所以，我们来看看如何简洁优雅地实现这一功能，同时可以在同事面前zhuangbility.
📅 2024-10-23
Easytrader Easytrader是一个通过模拟键鼠事件，操作券商客户端来实现交易功能的交易代理。这种方式中，easytrader提供了buy, sell等交易API，策略调用这些API，easytrader把它转化成对券商交易客户端的鼠标点击事件，最终完成交易。 特点是接入不需要申请，支持的券商较多（除华泰、
📅 2024-10-22
本周要闻 幻方量化宣布降低对冲全系产品投资仓位至0 月CPI、PPI及前三季度GDP数据出炉 潘功胜发声，宏观经济政策应更加重视消费 幻方量化宣布降低对冲全系产品投资仓位至0 9月CPI、PPI及前三季度GDP数据出炉 潘功胜发声，宏观经济政策应更加重视消费
📅 2024-10-20
《101个公式化因子》是Zura Kahushadze于2015年发表的paper。在这篇paper中，他拿出了在worldquant广泛使用的因子中，便于公式化的因子（约80个），加上其它自创因子，共101个，集结发表在预印论文网站arXiv上。 这一paper甫一发表，便引起业界关注。现在，Alpha101因子已成
📅 2024-10-18
股谚云，天量见天价、地量见地价。今天我们就来验证一下。 要把股谚量化，首先要解这道难题：数组中第i个元素是多少周期以来的最小值（最大值）？ 比如，有数组如下： 1， 2， 2， 1， 3， 0。那么，第1个元素1，是1周期以来的最小值，第2个元素2，是到目前为止的最大值，所以，也是1周期以来的最小值；但第4个元素1则是
📅 2024-10-13
本周要闻 月25日起，存量房贷统一下调！ Robotaxi Day草草收场，特斯拉暴跌 一揽子增量财政策略超预期，规模或在5万亿以上 化债概念出炉！ 10月25日起，存量房贷统一下调！ Robotaxi Day草草收场，特斯拉暴跌 一揽子增量财政策略超预期，规模或在5万亿以上 化债概念出炉！
套利定价理论（APT）如何落地到量化交易？本文梳理工程实践路径：因子暴露估计、组合优化求解、交易成本与容量约束，并给出 A 股常见应用案例；另附本期周刊要点（沪指大涨12.8%、市值管理指引出炉）与 Numpy 量化案例。 套利定价理论（APT）认为：资产收益由多个公共因子线性驱动，只要组合对因子没有净暴露，就不应存在
📅 2024-09-29
本周要闻 何立峰会见中美经济工作组美方代表团 公安机关严查资本市场“小作文”，三名造谣者被罚 证监会全面优化券商风控指标体系 美“生物安全法案”未被纳入参议院2025财年国防授权法案 贵州茅台：拟以30亿元-60亿元回购股份用于注销，上市以来首次发布回购计划 中证A500指数周一发布。此前传相关基金提前结束募集 202
📅 2024-09-22
节前迎来揪心一幕，主要指数均创出今年最低周收盘。很自然，我们也想知道，现在处于什么状态，存在着低估机会吗？这篇文章，我们从市盈利的角度来探讨是存在机会，还是要警惕陷阱。 我们通过akshare来获取沪指导市盈率。实际上，akshare中的这个数据又来自乐咕乐股网站。
📅 2024-09-16
主要指数创今年最低周收盘，也是5年最低周收盘 月有增有降，广义货币增长6.5%，狭义货币下降7.3%。 一意孤行！美提高部分对华301关税 中方：强烈不满 坚决反对 茅台业绩说明会之后，本周白酒指数再跌3.21% 主要指数创今年最低周收盘，也是5年最低周收盘 8月有增有降，广义货币增长6.5%，狭义货币下降7.3%。
📅 2024-09-15
Rolf W. Banz，瑞士人，70 年代在芝加哥大学获得博士学位，并在该校任教过。此后他在伦敦经营了一家专注于小盘股投资的投资精品店，1991 年出售给 Alliance Capital。职业生涯的最后阶段，他回到了瑞士，在一家瑞士私人银行的资产管理子公司担任了高级职位。 退休后，他是一名博主。最后一篇博文，停留在
📅 2024-09-12
央行：降准有空间 利率进一步下行面临一定约束 巴菲特再次减持美国银行，这次要做空自己的祖国？ 存量房贷下调预期落空，沪指连续三日跌破2800点 周一，8月CPI/PPI 数据发布 周一，茅台业绩说明会，对白酒行业的未来发展预判是重要信号 那些必读的量化论文 连载！量化人必会的 Numpy 编程 (2)
📅 2024-09-08
面对毕业论文的压力，选择一个既具有实际应用价值又能激发研究兴趣的主题至关重要。对金融/计量专业的学生来说，在众多研究领域中，量化交易是兼顾自己的专长、又有利于未来发展的一个选择。 毕业论文最难的地方，是确定研究方向与课题。在科学研究中，提出正确的问题，就是解决了一半的问题 -- 亚里士多德。
📅 2024-09-04
这是 Nobre, Neves 发表于 2019 年的 一篇论文。在论文一起，生成了一个机器学习交易策略，取得了比 Buy-and-Hold 策略及另一个对照策略更好的回报。本文正文部分为原论文的摘要，在最后的 QuanTide 评论中，我提供了一些点评。 文章介绍了一种应用于金融领域的专家系统，该系统融合了主成分分析
📅 2024-09-03
因子机器学习课程常见问题：如何学习、课程价格与购买流程、学习时长、学习环境与数据、量化权限及讲师介绍。 课程由视频、Notebook 教材和答疑组成。课程视频已全部录播完成，上传到了荔枝微课。 课程教材以 Jupyter Notebook 文档方式提供，由我们提供的服务器 host。在您购买课程后，我们将为您分配账号，
📅 2024-09-02
市场传闻存量房贷利率下调，房地产 ETF 大涨，但尾盘多股炸板 中国 8 月官方制造业 PMI 为 49.1% 比上月下降 0.3 个百分点 国家市监总局宣布阿里整改完成 半年报第一股！桐昆股份同比增长 911.35%，为已发布半年报公司中净利润增速最高。 下调存量房贷利率传闻能否兑现？ 周一财新制造业 PMI 发布
📅 2024-09-01
《因子分析与机器学习策略》简介 这门课面向的对象是专业的量化研究员、或者打算向这个方向转岗求职、或者尽管是其它职业，但决心以专业、严谨的态度探索量化研究的学习者。 学完这门课程并完全掌握其内容，你将具有熟练的因子分析能力、掌握领先的机器学习策略构建方法，成为有创新研究能力和比较竞争优势的量化研究员。
📅 2024-08-28
这门课面向的对象是专业的量化研究员、或者打算向这个方向转岗求职、或者尽管是其它职业，但决心以专业、严谨的态度探索量化研究的学习者。 学完这门课程并完全掌握其内容，你将具有熟练的因子分析能力、掌握领先的机器学习策略构建方法，成为有创新研究能力和比较竞争优势的量化研究员。
📅 2024-08-27
量化交易中的 NUMPY 和 PANDAS 课程大纲 创建数组的常用方法，以及几个内置数组，这些数组在量化中也非常常用 介绍indexing, slicing, searchsorted等 矩阵运算等数学运算及均值、方差、协方差、percentile 等统计函数
一个不证自明的事实：经济活动是有周期的。但是，这个事实似乎长久以来被量化界所忽略。无论是在资产定价理论，还是在趋势交易理论中我们几乎都找不到周期研究的位置 -- 在后者语境中，大家宁可使用“摆动”这样的术语，也不愿说破“周期”这个概念。 这篇文章里，我们就来探索股市中的周期。我们将运用快速傅里叶变换把时序信号分解成频域
📅 2024-08-26
在很多量化场景下，我们都需要统计某个事件连续发生了多少次，比如，连续涨跌停、N连阳、计算Connor's RSI中的streaks等等。 比如，要判断下列收盘价中，最大的连续涨停次数是多少？最长的N连涨数是多少？应该如何计算呢？ 假设我们以10%的涨幅为限，则可以将上述数组转换为：
📅 2024-08-25
题图： 普林斯顿大学。普林斯顿大学在量化金融领域有着非常强的研究实力，并且拥有一些著名的学者，比如马克·布伦纳迈尔，范剑青教授（华裔统计学家，普林斯顿大学金融教授，复旦大学大数据学院院长）等。 Pandas 的多级索引（也称为分层索引或 MultiIndex）是一种强大的特性。当我们进行因子分析、组合管理时，常常会遇到
美联储主席鲍威尔表示，美联储降息时机已经到来 摩根大通港股仓位近日大量转仓，涉及市值超1.1万亿港元 广发明星基金经理刘格菘的首只“三年持有基”即将到期，亏损超58% 周四A50指数交割日、周五本月收官日 周六发布8月官方制造PMI 如何实现Alpha 101？ 高效量化编程 - Mask Array and Find
在知乎上看到一个搞笑的贴子，说是有人为了卖策略，让回测结果好看，会在代码中植入大量的if 语句，判断当前时间是特定的日期，就不进行交易。但奥妙全在这些日期里，因为在这些日期时，交易全是亏损的。 内容的真实性值得怀疑。不过，这却是一个典型的过拟合例子。
📅 2024-08-19
全球猴痘病例超1.56万，相关美股 GeoVax Labs收涨110.75% 央行发布重要数据，7月M2同比增长6.3%，M1同比下降6.6% 月美国CPI同比上涨2.9%，零售销售额环比增长1% 证券时报：国企可转债的刚兑信仰该放下了 全球猴痘病例超1.56万，相关美股 GeoVax Labs收涨110.75% 央行
📅 2024-08-18
有一个数据库项目，每月下载次数高达数百万，仅扩展的下载流量每天就超过 4 TB 。在 GitHub 和社交媒体平台上，该数据库拥有数以万计的 Stars 和粉丝，这是数据库类的产品难以企及的天花板。最近，这个极具人气的数据库迎来了自己的第一个大版本。 这个项目，就是 DuckDB。Duckdb 是列存储的方式，非常适合
📅 2024-08-16
你有没有这样的经历？常常看到一些外文的论文或者博文，研究方法很好，结论也很吸引人，忍不住就想复现一下。 但是，这些文章用的数据往往都是海外市场的。我们怎么才能获得免费的海外市场数据呢？ 之前有 yfinance，但是从 2021 年 11 月起，就对内陆地区不再提供服务了。我们今天就介绍这样一个工具，OpenBB。它提
📅 2024-08-13
Citadel是一家顶级的全球性对冲基金管理公司，由肯尼斯.格里芬(Kenneth Griffin)创建于1990年，是许多量化人的梦中情司。 Citadel为应届生提供多个岗位，但往往需要先进行一段实习。 Citadel的实习资格也是比较有难度，这篇文章就介绍一些通关技巧。
📅 2024-08-11
央行表示，将在公开市场操作中增加国债买卖。坚决防范汇率超调风险。 统计局：七月 CPI 同比上涨 0.5%，PPI 同比下降 0.8% 美最新初请失业金人数明显下降，市场对经济衰退的担忧稍解，美股震荡回升 周二晚美国PPI，周三晚美国核心CPI和周四零售销售数据 周五（8 月 16 日）股指期货交割日 周一马斯克连线特
题图：普渡大学 Engineering Fountain。普渡大学是印度安纳州的一所大学，距芝加哥 100 英里。QS 排名全球第 89 名。该校校训是 Every giant leap starts with one small step，即不积硅步，无以致千里。 这是古老的经验，但由于没有掌握真正的规律，这些方法时
📅 2024-08-08
周一，巴菲特二季度大幅减仓、持有现金量超历史的消息，重创了全球股市。 在感叹巴菲特的智慧之余，我们能否深入一步，向股神学点东西？ 其实，巴菲特通过每一年的股东大会，已经向我们传递了相当多的投资经验和理念。 今天我们从巴菲特的一则赌约说起。这则赌约是 2006 年，巴菲特在股东大会上提出的：一只简简单单跟踪美股市场的基金
📅 2024-08-06
上一期我们介绍了金融人最常看的顶刊。有同学问，要怎么订阅这些杂志。 其实答案只有一个，就是美金。因为它们的订阅地址在官网都有。 养活这个世界的，是阳光、雨水和知识。我知道我们都应该尊重知识产权。不过，作为个人研究者，订阅所有的杂志、软件和书籍也是不太现实的。
📅 2024-08-04
上期重要日历提示本周为超级央行周，叠加美股科技股年报，风浪比较大。果然，这周外围股市受到严重冲击。英特尔更是一天下跌超 26%。 美国 7 月非农数据爆冷，萨姆规则被触发，美联储未就降息做出决定 日本央行加息，引爆全球股市重挫，原油、美元大跌，人民币大涨近千点！ 金融圈打虎！董国群、陈小澎等被查 英伟达 Blackwe
这一期，我们将介绍一个二阶导因子。我们将演示二阶导因子的探索优化过程，进一步介绍因子分析的原理，包括： 如何让 Alphalens 使用我们指定的分层 二阶导动量因子的数学原理 By quantiles or By bins, 分层究竟意味着什么
📅 2024-08-03
斜率动量因子源自Andreas F. Clenow，比卡哈特年度动量更灵敏。本文回顾7月表现，实测过去10天回归斜率在A股的信号效果，并与90天版本、经典动量做对比。短周期斜率能否捕捉A股快速轮动？附Python moving slope实现思路与因子细节。 斜率因子是动量因子中的一种，它由Andreas F. Cle
📅 2024-08-02
我们的课程环境是构建在一个256GB内存，192核CPU的集群上，学员可以通过浏览器，输入地址访问。要在阿某云上租这样一个服务器，价格并不便宜。所以，这些服务器一直放在公司里，创业期间，公司也就是租的民用宽带，没有公网IP，所以，在阿某云上租了个机器，做的端口转发。 有了这个端口转发，也就把VPN装上了，这样一来，也可
📅 2024-07-29
找「全球最大的颜色网站」？本文整理了 Adobe Color、中国色、Coolors、Colorion 等最受欢迎的配色与颜色网站，附使用场景与实际截图，帮你快速挑出合适的配色工具。 用Powerpoint做课件，动画编排太累了，于是找到了slidev。Slidev好用是好用，但研墨调色都得自己来，一时竟误入藕花深处，
📅 2024-07-28
精选了 7 种量化金融人都在看的顶刊，从最经典的有效市场假说理论，到最新的关于加密货币的研究，都发表在这些期刊上。 创刊于1946年，是由美国金融协会（American Finance Association）主办的一份顶级学术期刊。 它不仅吸引了世界各地顶尖学者的投稿，也是衡量学术成就和职业发展的重要指标。
高频交易费率或将提升 10 倍 巴黎奥运开幕，奥运概念板块新鲜出炉 广东私募自查，量化交易、基金规模是否达标成是重点 纳斯达克大跌 3.64%，日经指数创 2021 年 10 月来最长连跌记录 下周“降息”大潮开启 全球股市迎来超级央行周 本周将有三支...
在Alphalens中，getcleanfactorandforwardreturns函数自动实现了收益计算、分层、缺失值处理和标准化，大大简化了因子分析的工作。 但是，这个函数有12个参数， 48个参数组合，复杂度量指数远超McCabe博士提出的高风险区域50。加上不太懂因子分析的原理，初学者很容易在这一步就犯错，但
📅 2024-07-26
圣杯依然闪耀 RSI 永远是我最爱的指标 -- 因为潮汐和回归是这个蓝色星球的生命年轮，这样的轮回也存在于交易世界。而 RSI 就是刻画市场中的潮汐和回归的最好指标之一。 年初我介绍过 Connor's RSI。这次我们将探索 Connors 提出的一个基于短时 RSI 的均值回归策略，重点是介绍策略优化应该从哪些方面
📅 2024-07-22
上交所放大招，将发布上证全收益指数！ 私募巨头发声，大跌不是我们干的！ 交易所加强异常交易监管... 基于 XGBoost 的组合策略... 不能求二阶导的 Metrics，不是好的 objective 全球大蓝屏！作为量化人，我的检讨来了 不要去写书 除非是要与你的灵魂对话 问薪无愧！自学量化大纲有这 75 页就够了
📅 2024-07-21
昨天下午，微软给大家放了个假。Windows又双叒死机了。不过，这一次不是几台机器，而是全球大范围宕机。这一刻，大家都是“正蓝旗”。 现在根本原因已经找到，绝大多数人的机器都已修复。根本原因在于，一家名为CrowdStrike的安全公司在例行更新时，部署了错误的配置文件到Windows上。
📅 2024-07-20
题图为 MIT 的 Simmons University。版权声明 wiki/public domain。 该建筑属于 MIT 的下属学院 Simmons University，由裁缝 John Simmons 捐建。Simmons Hall 被认为是 Boston 最美的一座建筑。Simmons University
📅 2024-07-19
最消耗你的东西，不是别人，而是自己的念头。人生之苦，苦在执着。人生之难，难在放下。强大不是对抗，而是接受。一念放下，万般自由。 To accept the things I cannot change, the courage to change the things I can, a 今天我们要分析 MAPE 这个函
📅 2024-07-16
题图为科罗拉多大学博尔德分校的麦基礼堂。博尔德分校是科罗拉多大学系统的旗舰大学，共有5名诺奖学者，1名图灵奖。 IPython的作者Fernando Pérez在此攻读了粒子物理学博士学位。2001年，他将IPython作为业余项目开发，后来成为Jupyter项目的联合创始人。由于对Ipython和Jupyter的贡献
人的放纵是本能，自律才是修行。短时间让你快乐的东西，一定能够让你感到痛苦。反之，那些让你痛苦的东西，最终一定会让你功成名就。记住，低级的快乐，放纵即可拥有，高级的快乐，只有克制才能获得。 -- 罗素 放正文之前，先打个假，这段话不是罗素说的，是啰嗦说的。一些箴言必须借助名人之口才能传播，可见折服我们的不是真理，而是附着
📅 2024-07-15
在量化领域，Pandas是不可或缺的工具，它以强大的数据处理和分析功能，极大地简化了数据操作流程。 今天我们介绍两个技巧，都跟因子检验场景相关。第一个技巧是日期按月对齐；第二个是如何提取分组的前n条记录。讲解的概念涉及到group操作、索引的frequency概念以及多级索引的操作（读取和删除）。
今天为大家带来一道千禧年基金的脑筋急转弯题目。 千禧年是一家全球领先的对冲基金管理公司，由以色列裔美国金融家Israel Englander于1989年创立。到今年6月止，管理规模是677亿美元，在职人数5500多人。截止2022年，该公司管理产品的净收益在1989年之后成立的对冲基金中，排名第四。
📅 2024-07-10
这个策略来自 Carlo Zarattini 等人，在 Quantpedia 2023 年大赛中获第三名。他们研究了最近 6 年的美股市场，发现聚焦在热门股 (Stocks in Play) 中时，5 分钟 ORB 策略实现了超过 1600%的总净收益，夏普高达 2.81，年化 Alpha 为 36%。同期标普只有 1
📅 2024-06-15
最近两天，收到私信咨询，想进入量化领域难吗？ 提问者没有介绍任何自己的背景，也没有明确说明具体要从事什么岗位。因此这是一个无法回答的问题。不过，我会持续跟进这个问题，并给出一些参考资料。 今日焦点：金融界最需要什么样的编程技能。数据来源于Revelio Labs和eFinacialCareers。前者是人力情报数据分析
📅 2024-06-10
年的金融危机后，华尔街开始围绕人工智能、算法策略和海量数据构建美丽新世界。掌握编程和算法的大拿是这个新世界的宠儿。也有一批反叛者，他们拒绝华尔街的征召：宁愿穿着睡衣在书房里工作，也不愿在豪华大楼的格子间正襟危坐。 Quantopian 正是这一群人的领袖。John Fawcett（昵称 Fawce）则是这家公司的头儿。
📅 2024-06-01
Barra风险模型是业内最有名的多因子模型之一。它最初由Barra Inc（创始人Barr Rosenberg）提出，后来被MSCI（明晟）收购，因此现在是MSCI的资产。在MSCI网站上，我们还可以看到名为BarraOne的产品推介。 很多想学习Barra模型的人，不知道Barra有一个官方的完全指南(《Barra
📅 2024-05-21
无洗盘，不拉升。 筹码收集阶段，股价呈现出上涨形态，也吸引到许多不坚定的跟风盘，它们将成为主升过程中的不利因素。 因此，在拉升之前，主力会采用洗盘的方式，将这些不坚定的低价筹码洗下车。这个过程中往往暴涨暴跌，犹如一匹烈马，要摆脱它身上的骑手一样。
📅 2024-05-17
之前有一篇关于数据标注的笔记，得到了较多关注，也引起了一些同学质疑： 你使用了zigzag函数，这不会引起未来数据吗？ 未来数据更学术化的说法叫前视偏差（look-ahead bias），回测中引入了未来数据，确实是做量化中很容易犯的一个错误。
📅 2024-05-16
周六早上醒来，James Simons（西蒙斯）辞世的消息刷屏了。多数人知道他，是因为他的财富和量化对冲基金公司-文艺复兴。但他更值得为人纪念的身份，则是数学家和慈善家。 西蒙斯1938年生于麻省，毕业于MIT，在UC Berkeley获得博士学位。曾任职于MIT， Harvard，后来在SBU（Stony Brook
📅 2024-05-11
这几天圈内都在传底蓓离什么的。作为严肃的量化自媒体，我们就不跟着吃这波瓜了。不过，我一直很关注技术指标的顶背离和底背离，一直在追问它的成因如何，以及如何预测。 底蓓离把我目光再次吸引到这个领域来，于是突然有了一个猜想。虽然我还没来得及完全证实它，但这个猜想，值得你锁定我的频道。
📅 2024-04-25
正如死亡和税收不可避免，Numpy和Pandas对量化人而言，也具有同样的地位 -- 每个量化人都不可避免地要与这两个库打交道。 如果你去研究一些非常重要的量化库，比如alphalens, empyrical, backtrader, tushare, akshare, jqdatasdk等，或者一些非常优秀的量化框架
📅 2024-04-24
之前的文章中，我们对中证1000指数进行了顶和底的标注。这一篇我们将利用这份标注数据，实现机器学习预测顶和底，并探讨一些机器学习的原理。 我们选取的特征非常简单--上影线和WR（William's R）的一个变种。选取这两个因子，是基于东吴证券高子剑在2020年6月的一份研报:上下影线，蜡烛好还是威廉好？。
📅 2024-04-23
Robert (Bob) Haugen, 低波动因子之父。图片来自MarketWatch 之前我们有一期文章介绍了低换手率因子。它的背后的原理是，要买在无人问津处，藏器待时，最终卖在人声鼎沸时。这是一种博弈逻辑。 今天介绍的低波动因子，同样强调无人问津处的价值。由于它的低波动特性，在实操上，不受短线资金青睐；在学术上，
📅 2024-04-22
在投资界，巴菲特与查理.芒格的神仙友谊，是他们财富神话之外的另一段传奇。巴菲特曾这样评价芒格：他用思想的力量拓展了我的视野，让我以火箭的速度，从猩猩进化到人类。 人生何幸能得到一知己。如果没有这样的机缘，在AI时代，至少我们做量化时，可以让AI来伴飞。
📅 2024-04-19
芝加哥大学海德公园。芝大是经济学重镇，其学者开创了著名的芝加哥经济学派，共产生了 100 位诺奖、10 位菲尔兹奖、4 位图灵奖。今天量化人追逐的 Alpha， 最早就来自于 Michael Jessen 在芝大时的博士论文。 很多人对基于机器学习的量化策略很好奇，常常问什么时候有机器学习的课。其实，对很多人（我自己就
📅 2024-04-18
正如死亡和税收不可避免，Pandas对量化人而言，也具有同样的地位 -- 每个人都不可避免地要与之打交道。而Wes Mckinney正是Pandas的创建者。Pandas是有史以来，最成功的Python库之一，以一已之力，开拓了Python的生存空间。 毛姆的《月亮和六便士》讲述了这样一个故事，一个富有的英国股票经纪人
📅 2024-04-10
3月28日那篇文章分析了前一日的下跌为什么是可能预见的。这一篇文章，我将用坚实的统计数据，说明这一天为什么应该抄底，预期的损益比又是多少。 抄底不是贪婪。抄底是拿先手，以降低风险。在至暗时刻，请铭记，没有最终的成功，也没有致命的失败，最可贵的是继续前进的勇气！
📅 2024-04-08
月27日，行为经济学的开山鼻祖丹尼尔.卡尼曼去世。作为行为经济学的一个分支，行为金融学在量化中的运用越来越广泛，并成功地解释了时序方向上价格波动的诸多原因。 卡尼曼的重要贡献是建立起了一套形式化方法，使得运用心理学来解释和预测经济行为的研究纳入了科学的轨道。
📅 2024-04-01
周日莫斯科的恐袭，让所有的A股交易者捏了一把汗，怕不是我A又要买单？果然，短短三日，沪指跌去1.8%，中证1000跌去5.89%，亏钱效应还是非常明显的。 痛定之后，留下几个复盘问题，首先是，下跌的原因是什么？当然，我们求解的方法，都是量化思路。
📅 2024-03-27
这篇文章的源起是有读者问，七因子模型除了规模、市场、动量和价值之外，还包括哪几个因子？就这个题目，正好介绍一下Fung & Hsieh的七因子模型。 七因子模型一般是指David Hsieh和William Fung于2004年在一篇题为《Hedge Fund Benchmarks: A Risk Based Appr
📅 2024-03-26
一个可能只有少数量化人才需要的功能 -- 按拼音首字母来查找证券。比如，当我们键入ZGPA时，就能搜索出中国平安，或者是它的代码。这是我们使用行情软件时常用的一个功能。 这个功能的关键是要实现汉字转拼音。有的数据源已经提供了这个查询。但不是所有的数据源都有这个功能。
📅 2024-03-24
还在用XtQuant官方示例循环计算复权因子？速度慢且效率低。本文教你利用向量化运算，将分红送配信息批量转换为复权因子，行情存储与回测准备从此不再卡顿。实测比官方示例提速100倍以上，附完整代码思路，助你快速构建高效量化数据管道。 QMT的XtQuant库提供了量化研究所需要的数据。它在一些API设计上面向底层多一些，
📅 2024-03-10
在今年1月2日和1月3日，旅游板块两支个股先后涨停，此后一支月内三倍，另一支连续6个涨停。事后复盘，我们如何在1月2日第一支个股涨停之后，通过量化分析，找出第二支股？ 无论复盘多么精彩，请注意，本文写作的目的只是分享量化技术：如何进行相关性分析。即使本文观点能够策略化，普通人也不具有这样的条件来实施一个量化系统。
📅 2024-03-07
当我们使用 Jupyter 时，很显然我们的主要目的是探索数据。这篇文章将介绍如何利用 JupySQL 来进行数据查询--甚至代替你正在使用的 Navicat, dbeaver 或者 pgAdmin。此外，我们还将介绍如何更敏捷地探索数据，相信这些工具，可以帮你省下 90%的 coding 时间。 JupySQL 是一
📅 2024-03-05
网上有很多jupyter的使用技巧。但我相信，这篇文章会让你全面涨姿势。很多用法，你应该没见过。 显示多个对象值 魔法：%precision %psource %lsmagic %quickref等 vscode中的interactive window
📅 2024-03-04
在Zillionare安装后，由于多方面的原理，数据库中的数据是不齐全的，需要经过一个维护过程。这个维护过程及其工作原理如下： 在Zillionare的docker容器构建时，我们只打包了2022年1月到2023年2月的30分钟及以上级别的数据，供回测研究使用。因此，在您安装之后，数据库中的数据未能覆盖全面。一个全面覆
📅 2024-02-23
在omega日志中出现failed to build unclosed bar for ...错误 这个错误如下图所示 出现这个错误的原因是因为安装后，初次启动的时间是在盘后，redis数据库中没有分钟线数据，因而也无法合成某些数据。等待下个交易日结束，数据补齐后，该日志会消息。详情见数据维护
上一篇笔记介绍了通过duckdb，使用SQL进行DataFrame的操作。我们还特别介绍了它独有的 Asof Join 功能，由于量化人常常处理跨周期行情对齐，这一功能因此格外实用。但是duckdb的好手段，不止如此。 完全替代sqlite，但命令集甚至超过了Postgres 易用性极佳 性能怪兽
📅 2024-02-01
对有一定SQL基础的人来说，pandas中的查询会有点繁琐。 在这篇文章，我们将给Pandas找个搭子，在用SQL方便的地方，我们用SQL；在用原生查询方便的地方，我们就用原生查询。 这篇文章强调的是，有SQL基础的人，使用SQL来完成某些dataframe的查询会更简洁直观。但并不是所有的时候，我们都可以用SQL来代
📅 2024-01-29
笔记左数效应、整数关口与光折射中引用了南加州大学Lawrence Harris的一篇论文中，哈理斯研究了交易价格的聚类效应。聚类效应对我们确定压力位、完善下单算法都有一定的影响。 但是，2001年，美股变更交易制度，由分数制切换为十进制。这个变化就导致了他的研究结论作废。
📅 2024-01-26
问：常常看到有人说Alpha seeking，这究竟是什么意思？ 自己回答不如推荐一本书：《Finding Alphas: A Quantitative Approach to Building Trading Strategies》，它的题目正好就是寻找Alpha。我拿到的PDF是2019年的第二版。来自WorldQ
📅 2024-01-25
常常有人问，新的因子/策略从哪里来？今天的笔记或许能启发你的思路。 从1932年起，研究人员就注意到以9结尾的价格（比如\$3.99），在消费者的认知中，要远远小于邻近的整数价格（\$4.00）。后来这一效应被称为 left-digit effect。在证券交易中，类似的情况一样存在，不过它的表现形式是整数关口压力。
📅 2024-01-24
作为量化人，我们敏锐地观察市场，不放过任何一个可能产生利润的机会。一旦发现这样的机会，我们决不会在乎其它人怎么看怎么想，书上有没有这么讲。但是，大胆假设，小心求证。 今天带来的因子，挺魔幻的，我把它叫做魔性汉字。如果你难以接受这种无底线的炒作，那么，我们换一个名字：另类因子。
📅 2024-01-23
即使是Quant Research， 写一手高质量的代码也是非常重要的。再好的思路，如果不能正确地实现，都是没有意义的。只有正确实现了、通过回测检验过了，才能算是真正做出来了策略。 写一手高质量的代码的意义，对Quant developer来讲就更是自不待言了。这篇notebook笔记就介绍一些python best
📅 2024-01-18
前面几篇笔记我们讨论了存储海量行情数据的个人技术方案。它们之所以被称之为个人方案，并不是因为性能弱，而是指在这些方案中，数据都存储在本地，也只适合单机查询。 数据源很贵 -- 在这个冬天，我们已经听说，某些上了规模的机构，也在让员工共享万得账号了。所以，共享网络存储，从而只需要一个数据账号，就成为合理的需求。更不必说，
📅 2024-01-17
国内百亿私募创始人的毕业学校新鲜出炉，有没有你的校友？ 从专业上看，数学（包括统计、金融数学）、计算机（含电子信息、软件）、物理是分布最多的专业。但也出现了文科专业（政治经济学）和商学专业。 从地域分布上看，京、沪、浙领先，中部地区仅有江西财经大学为代表，西部地区仅有四川大学和西安交大两所高校入围。
📅 2024-01-16
看了十几家私募路演报告，总结出2023年最有效的策略！ 因子挖掘还是以手工为主，最有效的因子（策略）仍然是技术类的趋势+反转，无论是CTA还是量化多头都是如此。模型构成基本上都是机器学习。其中树模型比神经网络占比更大一些，有的机构中使用率高达90%。
📅 2024-01-14
我们常常通过Jupyter Notebook来分享代码和演示分析结果。有时候，我们需要在代码中使用账号和密码，如果它们也被分享出去，可就大不妙了。正确的做法是把密码设置在环境变量中，在代码中读取环境变量。但是，Jupyter Notebook默认设置下，并不能读取到主机的环境变量。 方法之一是使用jupyterhubc
在前面的笔记中，无论是回报分析，还是因子Alpha，它们都受到交易成本的影响。信息分析 (Information Analysis)则是一种不受这种影响的评估方法，主要研究方法就是信息系数(Information Coefficient)。 信息系数的范围为-1到1，绝对值越大，表明因子与收益之间的相关性越强；绝对值越
📅 2024-01-12
我们继续 Alphalens 因子分析报告的解读。在过去的两篇笔记中，我们都提到，运用 Alphalens 进行因子分析步骤很简单，但是如果不了解它背后的机制与逻辑，很容易得到似是而非的结论。 Alphalens 提供了alpha和beta分析。方法是factoralphabeta：
📅 2024-01-11
QMT是迅投公司推出的量化交易软件，它是券端采购软件，因此具有量化实盘接口。当前定制采购了QMT的券商约50家左右，开通量化权限的门槛从数万元到数十万元不等，开通量化权限除仍然能享受到万一（甚至免五）的费率优惠外，还将免费获得历史和实时交易行情数据，是目前性价比较高的一种实盘接入方案。 作为量化软件，QMT提供了两种使
📅 2024-01-10
上一篇笔记，我们已经为因子分析准备好了数据。这一篇笔记，我们就进行因子分析。分析过程在 Alphalens 中非常简单，核心是读懂它的报告。 Alphalens 的主要模块是 utils, tears, performance 和 plotting。
因子分析是量化研究的基本技能之一。通过因子分析，找出有效的因子，通过相关性去重后，就可以通过机器学习、线性回归等方法把因子组合起来，构成交易策略。 这一篇笔记我们就介绍如何使用 Alphalens 来进行单因子分析。我们使用的因子是低换手率因子。
📅 2024-01-09
上一篇笔记我们抛出一个问题，沪指大跌 4%时，能不能抄底？今天的笔记，我们就通过 KS 检验，找出沪指的概率分布，进而回答这个问题。在后面的笔记中，我们还将换一个方法继续回答这个问题。 第一个方法，是通过 K-S 检验，来碰碰运气，看看沪指涨跌是否刚好符合某个已知的分布。如果能找到，我们就可以轻松地由其连续密度分布函数
📅 2024-01-05
共 40 万字，461 段超过 7000 行代码（另有若干策略代码作为福利赠送，未计入），这门课用一句话介绍：涵盖了量化交易全流程、学完就能进入实战的课程。 这门课程共分六个部分，24 个章节。下面是各个部分及章节主要内容介绍，也透露出我们在选题与课程编排方面的考虑：
📅 2024-01-04
2025量化投资课程常见问题一次说清：24章、约30小时视频，配Notebook和答疑；提供192核256GB服务器与40亿条商用数据，分钟级回测还原T+1、涨跌停，免去自己搭环境买数据。适合有基本Python和大学数学基础者，建议1个月学完。购买后加quantfans 99开通账号，可获取预览并评估入门条件，学完能否
课程内容 本课程涵盖了从获得数据，到数据预处理、因子提取与分析、回测、可视化到实盘的全流程，介绍了众多量化必备库的用法，包括： 如何获取数据 我们会介绍akshare, tushare, jqdatasdk这些常用库，也会介绍机构在用什么数据库 Python金融数据分析 numpy pandas scipy（重点sta
最新（2024 年 1 月）出版的 SC 技术分析（Techical Analysis of Stock & Commodities）的第 4 条文章给到了 Z-score，原文标题为《Z-score: How to use it in Trading》。今天的笔记，就借此机会，同步推出我们对通过Z-score来构建量
在上一篇笔记中，我们指出，如果我们只在日线级别上存储行情数据和因子，HDF5 无论如何都是够用了。即使是在存储了 40 年分钟线的单个股数据集上，查询时间也只花了 0.2 秒 -- 这个速度已经足够快了，如果我们不需要在分钟级别上进行横截面数据查询的话。 但是，如果个人交易者确实有条件（网速和硬 但是，如果个人交易者确
📅 2024-01-03
去年 15 日的笔记挖了个坑，给出了量化数据和因子的存储方案技术导图。这一篇笔记就开始填坑。 即使我们购买了在线数据服务，比如 tushare, 聚宽的账号，我们仍然要构建自己的本地存储，为什么？ 在线数据服务一般都有 quota 限制（比如聚宽）。如果我们要频繁地进行回测，很容易用尽 quota。 如果我们在回测时，
📅 2024-01-02
几年前，我就推荐过用 Markdown 写作静态博客。静态博客几乎是零托管成本，比较适合个人博客起步。Markdown 便于本地搜索，也可当作是个人知识库方案。 现在有了新的进展。我不仅构建了一个视觉上相当不错的个人网站，还美化了 github、构建了个人出版系统 -- 将文章导出为排版精美的图片和 pdf 的能力。
📅 2024-01-01
如果说在多因子时代，我们可以仅凭一个因子就构建出策略，并且还很有可能跑赢市场的话，这个因子就是不二之选。 这个因子就是 Connor's RSI。它被 Nirvana Systems 称作终极技术指标。我深深地赞同这一点。Nirvana Systems 在它的网站上发布了关于如何生成和使用这一指标的文章。著名的回测框架
📅 2023-12-29
在之前的笔记中，我们多次将现代金融理论与A股中流行的股谚、规律和大V的经验之谈结合起来，我们戏称为现代金融理论的中国化。本篇笔记将继续沿着这一思路展开，介绍羊群效应，以及在A股中，它有哪些表现，如何实现因子化，等等。 今天我们要介绍的股谚，是 养家心法 里中的一条， 得散户者得天下 。它实际上讲的是要充分利用羊群效应。
📅 2023-12-28
xtquant 中有哪些板块和板块分类？ 如何获取板块的成份股？ 如何获取指数的行情数据？ xtquant 是一个 Python 库，提供了行情数据和实盘接口。只要您的券商支持 QMT，并且您也申请到了量化接口权限，就可以免费使用这些数据和实盘接口，这也是目前性价比较高、门槛较低的接入方式。因此，我们会通过多篇笔记来介
📅 2023-12-27
上一章里，我们通过 ppw 生成了一个规范的 python 项目，对初学者来说，许多闻所未闻、见所未见的概念和名词扑面而来，不免让人一时眼花缭乱，目不暇接。然而，如果我们不从头讲起，可能读者也无从理解，ppw 为何要应用这些技术，又倒底解决了哪些问题。 在 2021 年 3 月的某个孤独的夜晚，我决定创建一个 pyth
📅 2023-12-26
如果在你买入之后，股价下跌，你会在第二天急着抛吗？反之，如果在你卖出之后，股价上涨，你会反手追入吗？ 先别急着回答，我们来看看科学研究的结论是怎样的。关于这类问题，都是行为金融学研究的范畴。具体到这个场景，我们可以运用遗憾理论来解释。遗憾理论，又称遗憾规避理论（ Fear of Regret Theory），是行为金融
Santa Claus Rally 是指 12 月 25 日圣诞节前后股市的持续上涨这样一个现象。《股票交易员年鉴》的创始人 Yale Hirsch 于 1972 年创造了这个定义，他将当年最后五个交易日和次年前两个交易日的时间范围定义为反弹日期。 根据 CFRA Research 的发现，自 1945 年以来，S&P
📅 2023-12-25
个股的顶底强弱比较难以把握，它们的偶然性太强。董事长有可能跑路，个股也可能遇到突发利好（比如竞争对手仓库失火）。在个股的顶底处，情绪占据主导地位，理性退避次席，技术指标出现钝化，进入 现状不可描述，一切皆有可能 的状态。 但是，行业指数作为多个随机变量的叠加，就会出现一定的规律性（受A4系统性影响的偶然性我们先排除在外
📅 2023-12-24
球队和硬币因子最初来自于耶鲁大学 Tobias Moskowitz 的发表于 2021 年 9 月的一篇论文，发布以来，得到了超过 14 次以上的引用。这篇论文名为《Asset Pricing and Sports Betting》。 Moskowitz 从这样一个现象开始：当人们抛一枚硬币时，如果上次抛出了正面，人们
📅 2023-12-23
本文详解QMT/XtQuant开发环境搭建全流程：如何从迅投官网获取XtQuant源码包并安装到Conda虚拟环境，剖析其与QMT的Socket通信原理，指出券商服务端与官方文档版本不一致的坑，并演示使用VsCode远程开发。助你避开环境配置中的常见问题，快速上手量化交易开发。 XtQuant 获取及安装 XtQuan
📅 2023-12-22
'学习要点' xtquant 提供了数据和交易接口 xtquant 可以独立于 QMT 之外运行 downloadhistorydata downloadhistorydata2 getmarketdata QMT 是目前接入门槛最低的量化实盘接口之一。它提供了本地部署的量化平台（可以回测和实盘），也提供了可独立于该平
📅 2023-12-21
遗传算法利用自然选择的概念来确定问题的最佳解决方案。 遗传算法通常用作优化器，调整参数使得目标最优 遗传算法可以独立 | 在人工神经网络的构建中使用。 比如，交易规则可能使用MACD, RSI等指标，遗传算法将值输入到这些参数中，以利润最大化为目标。随着时间推移，突变产生，突变中有利的影响被保留给下一代。
📅 2023-12-20
既然c/java/python等语言的索引都从零开始，因此我们的盘点也从一行代码也没有的项目开始 这个项目只有零行代码，具有轻量级、跨平台、全自动不可描述之美，一举斩获github 50k :star: 在 github 上有一个高达 50k stars 的项目，名为 nocode。它确实做到了不产生任何 bug：
📅 2023-12-19
基于深度学习的量化策略如何实现归一化？本文首先辨析了归一化、标准化与正则化三个术语，然后分析了min-max, sin, sigmoid等归一化函数在量化中使用时常犯的错误，讲解了如何制作一个好的归一化函数。最后，以一些量化因子归一化示例作为结束。 归一化、标准化与正则化是机器学习/深度学习中相似但又相区别的几个概念。
📅 2023-12-16
实盘交易接口miniqmt在使用中，难免会遇到不稳定的时候。目前，xtquant包还没有提供自动重连的功能。当我们发现xtquant工作不正常的时候，需要重启miniqmt，重建新的连接（一定要使用新的sessionid）。问题是，有些版本的qmt，比如国金的版本，并没有提供免密登录，怎么办？ 有一个非公开的方法。国金
📅 2023-12-14
资本资产定价模型（CAPM）描述了资产的预期回报与市场系统风险之间的关系。它由威廉. 夏普等人在 1960 年代提出。威廉. 夏普获得了 1990 年的诺贝尔经济学奖。CAPM 被认为是经济学的七个基本理论之一。 CAPM 表示资产的预期收益等于无风险收益加上风险溢价。 CAPM 的假设是投资者是理性的，希望获得最大化
📅 2023-12-13
现代投资组合理论（MPT）是由马科维茨于 1952 年提出的，是现代金融 7 个基本理论之一。它用数学术语描述了多元化和风险管理等概念，为投资者提供了构建多元化投资组合的工具集，即假定投资者投资于多个资产，在满足给定预期回报率下，可以通过优化求解出风险最小的投资组合。 所有的这些资产组合构成一条曲线（以资产组合的标准差
所谓蒙特卡洛模拟，就是随机产生大量的资产分配方案，然后再计算各种分配方案下，所得到的波动率、夏普率，再根据最优的夏普率，反查资产分配方案。 主要操作我们在上一节已经介绍过，这一步主要做的事情是不断地重复。我们先把代码给出来，再进行解释： 权重矩阵 allweights。我们打算重复 5000 次采样，由于资产组合共有
寻找给定收益率下的最小波动率，或者给定波动率下的最大夏普率，这实际上是一类常见的优化问题，即： 我们可以使用 Scipy.optimize工具库来求解类似问题。 scipy.optimize包的主要功能 SciPy Optimize提供最小化(或最大化)目标函数的功能，可能存在约束。 它包括解决非线性问题(支持局部和全
这里，我们就介绍一个比较重要的专门用于资产组合优化的工具库。注意，我们已经介绍了 scipy.optimize 库，除此之外，类似的库还有 cvxopt 和 cvxpy。但是，这些库都是比较底层的库，它们主要用于提供各种凸优化算法，不仅仅用于投资领域。 Pyportfolio 则是一个专门用于资产组合优化的库。这个库最
回测需要较长周期的数据。无论我们使用哪一家数据源，都不可能让我们跨网络、反复多次传输大量数据，还要保证低延时。此外，我们在量化研究的过程中，也会逐步积累自己的因子库。这些因子数据，甚至比原始数据的量还要大。比如，通过TA这个库，我们可以一次提取出86个左右的技术指标因子，这将是同频率OHLC数据的10倍之多。因此，如何
投机是人的天性，也是人类永恒的话题。博一博，单车变摩托的诱惑，可不是所有人都能抗拒的。我们的《花开曾倾国 - 解读300年量化金融史》系列文章也将由人类历史上第一次有记载的疯狂投机开始。 这个系列的文章，将以《定价未来 - 撼动华尔街的量化金融史》为主线，也参考了许多其它脍炙人口的同类畅销书。这是作者一年来同一系列的
黄浦江畔，外白渡桥边，有一幢拥有百余年历史的英国新古典主义风格建筑。这里曾是著名的浦江饭店，更因是新中国首家证券交易所的旧址而闻名，如今以中国证券博物馆身份成为网红打卡地。 1990年底，上海证券交易所正式成立，这是建国以来内地的第一家证券交易所，当时只有8支股票上市，12.34亿元市值，是“全球最小”的证券市场。今天
1.1. 安装 1.2. 申请权限 1.3. 模拟和测试 1.3.1. 配置账号 1.3.1.1. gmadaptor的配置文件 1.3.1.2. 配置EMC 1.3.2. 模拟运行 1.4. 运行和维护 1.4.1. 启动 1.4.2. 每日维护 2.1. 客户端请求 2.2. 返回结果 2.3. 资产表 2.4.
Zillionare 2.0（大富翁）安装指南：本文介绍如何用 Docker 集群快速部署完整量化研究环境，包含 Omega、InfluxDB、回测、Redis 与 Lab 容器，自带约 1.3G 两年日线和 30 分钟数据。启动后通过 8888 端口访问，默认密码 1234 可改；文末还说明东财实盘接入与 gm-ad
年，欧洲太空署（European Space Agency）打算向火星派出一个探测器（如图），把一些岩石样品带回地球，以检测火星上是否存在生命。受燃料限制，探测器只能带回 500g 的火星岩石。因此，只有精心挑选的样本才能被带回地球。科学家们准备构建一个现场挑选器，这个挑选器必须具有视觉重建能力，为此他们构建了一个人工
尽管条条道路通罗马，但毕竟有的路走得更平稳更快捷，更不要说有的人甚至就住在罗马。对于程序员而言，你的开发环境有多好用，你离罗马就有多近。因此，我们的旅程从这里开始。 看上去操作系统是一个与编程语言无关的话题，特别是像 Python 这样的开发语言，它编写的程序几乎可以运行在任何一种操作系统上。但是，仍然有一些微妙的差别
在上一章里，我们讨论了构建开发环境的基本步骤，如选择操作系统、选择集成开发环境等。现在我们可以着手编写代码了，但要能运行和调试程序，还需要指定 Python 运行时（或者称之为解释器）。特别地，如果你使用的开发工具是 VS Code，那么这一步是必须的：因为 VS Code 并不是只为开发 Python 应用程序而设计
通过前三章的学习，我们了解了如何构建开发环境，并且也完成了一个最简单的 python 程序 —— Hello World。 您可能已经意识到，即使撇开其简陋的功能不说，在其它方面，它也有明显的不足： 一般而言，程序的使用者会需要帮助文档，也需要了解关于版权、作者等信息，这些信息应该如何提供？ 没有任何程序能够避免 bu
传统上，IDE 的重要功能之一，就是代码自动完成、语法高亮、文档提示、错误诊断等等。随着人类进入深度学习时代，AI 辅助编码则让程序员如虎添翼。 我们首先介绍几个 AI 辅助编码的工具，然后再介绍常规的语法高亮、文档提示等功能。 github copilot 是 github 官方出品的 AI 辅助编码工具。它是基于大
Testing leads to failure. Failure leads to understanding. 单元测试的概念可能多数读者都有接触过。作为开发人员，我们编写一个个测试用例，测试框架发现这些测试用例，将它们组装成测试 suite 并运行，收集测试报告，并且提供测试基础设施（断言、mock、setup
作者还在研究生阶段时，犯过一个刻骨铭心的错误：那是夜里两点，在 6 个小时之后，我们研发的系统就要在某个会议室里，交付给近 20 名使用者使用，而这些人将使用我们的软件，判定近 1 万青年人的前途。就在这个时候，我们发现之前通过了测试、已经打包好的版本，在清理磁盘空间时被删除了；但在那个版本之后，我们又改动了一些代码。
当一组开发者共同开发一个项目时，各种冲突似乎不可避免。我们在第 8 章介绍了分支和 gitflow 工作流模型，从而解决了代码冲突的问题。但是，代码合并只能达到表面上的和谐。不同的人开发的代码能否协同工作，最终还得通过测试来检验。 在已经介绍过的开发流程中，开发者在签入代码并推送到远程服务器之前，应该通过 tox 执行
所有好的产品都应该有一份简洁易读的使用说明书，除了苹果。苹果用户天生就知道如何使用他们的产品，因此完全不需要文档。这是真的，几乎所有的苹果产品，都没有用户说明书。 但是对于软件来说，其复杂性往往要求必须有与之配套的详尽的技术文档，使用者才好上手。即使是开源产品，人们通常也是首先借助产品的技术文档快速上手。在一个速食时代
我们的探索之旅，就要接近 Python 开发流水线的终点了。终点站的主题是如何打包和发布应用。 Python 开发项目的成果，可能是一个 Python 库 (package)，也可能是一个独立运行的应用程序（桌面应用程序或者后台服务）。 Python 库的分发可能大家比较熟悉了。 PyPA（PyPA 是 Python
缩放和归一化是机器学习中必然遇到的一个问题。在量化策略中，不管是否用到机器学习，我们也常常遇到类似问题。 在《大富翁量化金融实战课》第12课中，对这个问题进行了较深入的讨论。这篇文章既是对该课内容的一个摘要，也是加入了一些新的思考，可以独立成篇。
这一篇笔记，我们来介绍matplotlib中的布局概念。 matplotlib中的布局，主要涉及到GridSpec, layout以及相关的函数构成。 在matplotlib中，除了像我们上一篇笔记指出的那样，直接通过fig.addaxes方法进行子图的定位外，一般采用网格定位。即通过subplots中的nrows/n
上一期文章介绍了如何使用 GridSpect 来进行布局。当我们使用 GridSpec 布局时，一般是为了创建较复杂的布局，比如异形网格。这种情况下，我们往往是先生成若干小的网格，再通过 span 来合并网格，以生成异形网格。 这是一种自底向上的方法，即由小的网格生成大的网格。
假设有一个随机变量，我们想知道它是否服从某种分布，我们是否能够通过可视化的方式对它进行判定？ 解决这个问题，需要用到 Q-Q 图，即 Quantile-Quantile 图，又称分位图，它是可视化统计推断的重要手段。 如果 X 是一个数据集，那么$[X, X]$在二维平面上的图像将是完全落在一条 45 度角的直线上的散
Dash: 核心概念、路由、Auth 与 Pitfall Dash 是一个通过 python 语言来开发 web 界面，并在运行时将前端编译成 html/js/css 并运行的框架。它使得Python程序也可以成为全栈开发工程师。其主要特点是：
📅 2023-07-22
本课程是量化交易的入门课程，它面向打算进入量化交易领域的学生、程序员和正在从事主观交易的机构投资者和个人投资者。 课程涵盖了量化交易的全流程，即如何获取数据，如何考察数据的分布、关联性，因子和模式的发现和提取，如何编写策略、进行回测和评估，最终将策略接入实盘。
📅 2023-05-13
这一部分介绍最量化交易必须掌握的证券常识，比如复权。复权是量化交易中不可回避的问题，将贯穿我们课程始终，但我们在网上看到的答案，很多是错的。这一节还会告诉你一个意想不到的问题，Python 在四舍五入上也有问题 68 课构成课程的第二部分。我们从基本面、技术面和交易执行等三个维度介绍了三种类型的策略，以及如何编写策略回
scipy当中有一些信号处理函数，可以用来发现顶和底，比如argrelextrema。 比函数名上看，这是一个寻找相对极值点坐标的函数。我们来看一下它的用法： 上面的函数使用argrelextrema来查找均线的顶和底。这里使用均线，是因为均线相对平滑，去除了一些噪音。这里的movingaverage定义为:
📅 2021-11-14
大富翁是可以本地部署的开源量化框架，功能齐全，能容纳超大规模数据（目前在生产环境已存储超35亿条行情数据）。 分体式回测系统设计，策略回测与实盘交易使用完全一致的API，无须更改 更精准的成交量匹配算法（需要分钟级数据） 基于InfluxDB的高性能本地量化平台，能容纳海量数据 通过聚宽jqdatasdk持续同步行情数
📅 2021-03-20
Zillionare（大富翁）是一个分布式高速量化交易框架。它基于Python 3.8以上版本构建，使用了异步IO和微服务技术，其目标是： 分布式高速量化计算平台，算力可根据需要无缝扩展 行情数据本地化存储，低延时同步，轻松支持实时触发分钟级别以上交易信号 支持私有化部署，保护您的策略 虚拟化部署，更易维护 诸多量化因
📅 2020-11-30
忘记密码？
注册即表示同意《用户协议》
![19 - Pandas应用案例[2]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/poster-on-wall.jpg)
![20 - Pandas应用案例[3]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/men-wearing-tank.jpg)
![18 - Pandas应用案例[1]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/christmas.jpg)
![17 - Pandas核心语法[7]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/women-sweatshirt-indoor.jpg)
![16 - Pandas核心语法[6]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/three-books.png)
![15 - Pandas核心语法[5]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/gift.jpg)
![14 - Pandas核心语法[4]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/girl-hold-book-face.jpg)
![13 - Pandas核心语法[3]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/girl-on-sofa.jpg)
![12 - Pandas核心语法[2]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/book-with-hand.jpg)
![11 - Pandas核心语法[1]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/girl-reading.png)
![09 - Numpy应用案例[2]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/iphone-6.jpg)
![05 - Numpy核心语法[4]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/mybook/man-wearing-tank-top.jpg)
![02 - Numpy核心语法[1]](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2025/02/grow-with-quantide.jpg)
![[1103] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/10/fft.jpg)
![[1027] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/university/toronto.webp)
![[0922] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/course/factor-ml/1.png)
![[0915] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/05/sharpe-vs-returns.jpg)
![[0908] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/04/np-polyfit.jpg)
![[0901] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/08/real-vs-synthetic.jpg)
![[0825] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/08/kenneth-griffin.jpg)
![[0804] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/08/second-derivative-quantile-10.jpg)
![[0728] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/2024/07/factor-rsi-2-buy-and-hold-5.jpg)
![[0721] QuanTide Weekly](https://gcore.jsdelivr.net/gh/zillionare/images@main/images/hot/cheese-course-roadmap.png)
