暂无搜索历史
系列完结篇:前 7 篇我们解决了「数据怎么存、自动怎么跑、挂了怎么知道、缺口怎么补」。本篇把脚本变成生产系统的最后 1 公里——环境隔离、日志轮转、数据备份、灰...
系列前情:#06 我们搭好了「数据 配置 日志 / 策略」的最小可运行项目骨架。本篇解决「数据有缺口怎么办」——演示证临时切换、断网错过、新上市股票,都要靠...
写了一大堆 .py 文件,换个电脑就跑不通;配置文件写死在代码里,改个参数要翻三页;别人接手你的项目,三天没看懂目录结构。本篇给你一个「拿到就能用」的量化项目骨...
一个策略跑得好,不代表三个策略一起跑也能好。日志互相覆盖、数据互相污染、一个策略崩溃把整组进程全带崩——本篇用 Python 的 multiprocessing...
策略跑得好好的,一上实盘就翻车?90% 的工程师都忽略了一个细节:回测和实盘用的数据不是同一套。本篇教你用数据指纹 + 缺失检测 + 版本快照,把数据一致性做成...
系列前情:#02 我们搭了一条「自动触发 + 入库 + 去重」的调度流水线。但流水线上线后第 3 天凌晨数据库写挂了、你睡了 8 小时没收到任何提醒——这是量化...
系列前情:#01 我们选定了 SQLite 作为本地存储方案(单文件、零部署、查询快)。本篇解决「每天数据怎么自动进来」——告别手动 python main.p...
系列开篇:从「会写策略」推进到「会搭系统」。本篇先解决最基础的存储选型——回测和实盘都要把 K 线落到本地,三种方案怎么选?
系列收官篇。前 7 篇我们完成了选股、择时、仓位、回测框架、参数优化。本篇聚焦回测到实盘的最小闭环——把纸上收益变成可执行、可追踪、可复盘的模拟盘系统。
系列前情:#01~#06 我们完成了单因子/多因子选股、双均线/波动率择时、仓位管理、向量化回测框架。本篇进入策略上线前的关键一步——参数优化与过拟合防范。
问题是:这些代码在每个新策略里都重复 80%。 一旦你想换"调仓日历"(比如从等间距改每月末)、或者想加"止损规则"(比如单票回撤超 10% 强制平仓)、或者想...
前几篇我们跑通了"选股 + 择时"两条线。但还有个问题没解决:选出来的股票,要不要平均投?
上一篇我们用双均线金叉死叉做择时,跑通了"震荡少亏 + 趋势跟住"的效果。但双均线对温和上涨更敏感,对强势突破的反应反而慢半拍。
前两篇我们把"选股"做完了 —— 用动量 / 多因子把股票筛出来。但问题来了:选出来之后什么时候买、什么时候卖?
量化圈 50 年共识:多因子对单因子。本篇把 mom(动量) 与 vol(波动率反向) 两个因子做 z-score 标准化,再等权合成综合分,做一个 top5 ...
回测系统要么是 backtrader / zipline 那种"几十页文档、上手两天"的重型框架,要么是你一上来就被各种坑(比如未来函数、滑点设错、动量算法不对...
动量因子去年很灵,今年就不行了——这不是玄学,是量化里的常态。因子会衰减。本文教你用"滚动 IC"给因子做体检,判断它现在还能不能用。
前几篇我们把动量、波动率、换手率算了个遍,但每天跑一遍脚本、重新拉数据、重新算因子,既慢又浪费额度。本文解决一个问题:把因子落进本地数据库,支持增量更新,让下游...
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。
本文用 30 只大盘股截面 + 60 日动量 + 20 日低波因子,把三种方案跑一遍,看它们对最终选股的差异。
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市