搜索[量化交易]结果-低调大师优秀个人博客

精选列表

搜索[量化交易]，共10000篇文章

【Python量化策略实战 #02】单因子挑出来总是"墙头草"？mom × vol 两因子打分合成 5 行实现

量化圈 50 年共识：多因子对单因子。

2026-09-30

【Python量化因子实战 #08】因子去重：相关性高的因子留哪个？带你跑完相关性矩阵

动量和成交额、波动率和非流动性、换手率和振幅……这些因子往往你中有我。如果把高相关因子都放进模型，等于给同一个信息重复投票，回测好看，实盘容易崩。

2026-09-28

【Python量化因子实战 #04】因子有效性到底怎么看？5 分钟读懂 Rank IC 与显著性检验

痛点：你算出因子 IC=0.03，但这是真信号还是噪声？显著性 p 值怎么读？|IC|≥0.02 是不是"及格线"？本篇用 50 只大盘股的截面，把 Rank IC + p 值 + 阈值判定这套因子有效性"体检"流程讲到你能直接跑通。

2026-09-26

【Python量化因子实战 #01】动量因子 6M vs 12M：截面 IC 该信哪一个

系列：Python 量化因子实战 · 第 01 篇（共 10 篇）难度：⭐⭐（需有 pandas / numpy 基础）阅读时长：约 8 分钟实测代码：Demo/2026-09-01/Python

2026-09-25

回测与实盘数据不一致怎么办：我为什么让量化 API 直接进入 Pandas

我曾经遇到过一种很棘手的量化问题：策略代码没有改，回测结果却和实盘观察结果出现明显偏差。后来我发现，真正需要统一的不是某一段策略代码，而是从 API 到 Pandas 的数据入口。

2026-09-19

每一次出行，都值得被听见一一最终目标：打造一个会呼吸的向量化车站（五）

这套理论的核心问题是：车站的基础能力到底怎么样，就像做一次静态体检；遇到突发情况能不能扛住，好比动态应急测试；以及怎么把闲置的空间和客流变成真金白银，也就是向量化落地。

2026-09-16

我更关注跨市场量化数据的一致性

最初的代码只处理 A 股，所以股票代码、交易时间、DataFrame 字段都已经默认固定下来。

2026-09-13

量化研究中如何处理数据缺口：真正难的不是补数据，而是统一时间轴

我想比较不同市场资产过去 N 个交易日的表现，然后把这些数据放到同一个研究 DataFrame 里。

2026-09-09

搞量化的天塌了！2.2MB引擎30分钟跑完全市场回测，之前10天白干了

描述只有一句话——面向 A 股日 K、分钟 K 与 ETF 分钟数据的本地量化引擎，服务端只有 2.2MB。2.2MB，我当时就下载了。

2026-09-08

【量化投资从入门到精通 #48】学习路线图收官：从入门到精通，你走到了哪一站

但学量化像爬楼，缺一层就上不去：

2026-09-04

【量化投资从入门到精通 #43】一条策略的完整生命周期：从数据到上线的检查清单

很多人"回测赚翻、实盘亏惨"，不是算错，而是没走完该走的步骤：漏了成本、没做样本外、没有风控、更没有"什么时候该下线"。

2026-09-02

回测数据正常、实盘却出问题：我如何处理量化 API 超时造成的数据不一致

例如，我在 14:30 做决策，那么如果我在 14:31 才拿到 14:25 的行情，这份行情在数据层面可能完全正确。

2026-08-30

【量化投资从入门到精通 #34】便宜、成长还是小盘？价值、成长、规模，风格因子的教科书三件套

——这三类偏好背后，是量化里最古老的三个风格因子（style factor）：

2026-08-29

【量化投资从入门到精通 #27】回测怎么做才不骗自己：样本内、样本外与 walk-forward

问题是：这 12.71% 是用同一批数据挑出来的。挑的过程本身就已经把答案偷看了一遍。相当于先看完考卷再选复习范围——考多少分都不能说明你会。

2026-08-24

RTX4090单卡跑32B参数模型实践：4bit量化+Transformers与vLLM双方案部署差异19.3

最近一直被32B环绕洗脑，本着体验和探索，核心思路就是聚焦实操体验与深度模型探索，抱着说干就干的落地心态，直面大模型本地部署的现实算力难题。当下开源大模型里，32B参数量的模型已是主流落地选型，可原生FP16精度加载的显存门槛直接拉满，显存占用轻轻松松突破60GB，这对于普通的RTX4090显卡来说完全是硬性瓶颈。4090显卡标准显存仅有24GB，按照常规的原生加载方案运行，显存直接溢出，模型根本没办法启动推理。

2026-08-12

初体验：WorkBuddy 实战：用 AI 智能体从零搭建 A 股选股系统，13 种技术形态自动识别 + 量化评分

我手里有一份详细的技术分析文档——《老樊唯产品论·九大主力交易战法》，里面定义了 13 种经典的 K 线形态：

2026-07-27

你的量化策略回测很赚钱，实盘却巨亏？3个常见数据陷阱与 Python 修正方案

许多量化开发者在完成一个策略回测时，往往能看到一条近乎完美的 45 度角资金增长曲线，而一旦上线实盘却迅速腰斩。

2026-07-25

北京云栖大会Tech Insight Workshop：《用分布式事务中间件来保障金融级交易系统的一致性》篇

背景介绍本篇是北京云栖大会Tech Insight Workshop金融云主题《使用SOFA来快速构建金融级分布式交易系统》中的一个组成部分.

2017-12-17

无人审批刷脸办照广州上线全程电子化商事登记系统；法国巴黎银行推出人工智能系统用于加强交易处理

日前，天津市科委表示，按照国家部署决策，天津市正式启动实施“人工智能科技重大专项”，借助中国新一代人工智能发展战略研究院年内在天津建成的契机，谋划建设国内首个具有中国特色“大智能”创新体系，让智能生活早日惠及百姓生活。据了解，“大智能”创新体系，涵盖智能制造、智能交通、智能家居、智慧金融、智能医疗等多个领域。天津市出台的人工智能重大专项重点围绕“523”工作任务开展实施，即推动智能传感、脑机协同、生物特征识别、语义音视频分析识别、智能网联车5项细分领域关键共性技术创新，开展智能制造、智能网联车2个应用示范，强化战略研究、超级计算、创新服务3大服务支撑平台建设。天津市科委负责人表示，天津产业结构调整已经为现代产业新体系建设打下了良好的基础。天津将抓住科技创新促进产业转型这一有利时机，从顶层设计入手，完善人工智能领域的科研和产业布局，

2017-10-16

【Python量化回测实战 05】回测报告只有收益率？年化/回撤/夏普/卡玛/胜率一键输出

一个 perf_report(equity, trades) 函数：累计/年化收益、最大回撤、夏普、卡玛、双胜率一次算齐

2026-10-26

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。