分享
量化张经理 证券经理
综合评分:
4.7分
官方认证:
从业认证| 入驻5年
5分钟 平均响应时间
  • 揭秘量化回测中的“未来函数(Look-Ahead Bias)”:后视镜里的虚假繁荣
    在量化交易圈,最让开发者啼笑非笑的场景莫过于:回测时资产曲线呈45度角完美一路向上,年化收益率高达几百倍;可是一旦接入真实实盘,账户便开始诡异地连续亏损。导致这种天壤之别最常见、也最隐蔽的代码硬伤,叫做“未来函数(也被称为前瞻性偏差Look-AheadBias)”。本文采用白描手法,冷静客观地拆解未来函数的物理本质及防范红线。一... 阅读全文

    397次浏览 2026-6-30 11:14

  • 什么是量化实盘中的滑点?如何通过参数设置降低交易成本
    在量化交易的回测阶段,投资者往往能看到非常完美的资金曲线。然而一旦进入实盘交易,实际执行的收益率却常常明显低于回测数据,其中一个非常重要的无形杀手就是“滑点”。搞懂滑点的成因并掌握应对设置,是量化交易从理论走向实盘的必修课。简单来说,滑点是指投资者预期的下单价格与最终实际成交价格之间的差额。例如,量化策略在盘中触及买入信号,当时... 阅读全文

    397次浏览 2026-6-12 10:28

  • 盲目趋势跟踪(Trend Following)误区
    在量化多头策略的设计中,“趋势跟踪(TrendFollowing)”是一个被广泛奉为经典的底层数理哲学。其核心逻辑认为,股票的价格运动具备强烈的动量惯性,一旦向上突破了关键的技术阻力位(如站上20日、60日均线或冲破布林带上轨),大概率会延续这一方向展开主升浪。因此,许多交易者习惯于在策略中内置“突破买入、跌破均线止... 阅读全文

    397次浏览 2026-6-24 11:18

  • ETF变相T+0交易的量化实现方法
    虽然A股市场目前实行T+1制度,但部分跨境ETF、债券ETF、黄金ETF本身支持T+0。而对于普通的权益类ETF,量化投资者通常采用“底仓+日内做差价”的方式实现变相T+0。这种方法不仅能降低持仓成本,还能有效利用日内波动。具体实现方法上,投资者需先持有一部分底仓。通过量化终端(如QMT或PTrade),设定日内交易逻辑。例如,... 阅读全文

    397次浏览 2026-3-23 10:43

  • 两融交易满6个月经验怎么算?跨券商认定标准
    在申请融资融券权限时,除了50万的资金门槛,“从事证券交易满六个月”是另一项法定的准入条件。这一要求旨在确保投资者对市场波动、交易流程以及基本风险有一定的实战认知。然而,在实际办理过程中,不少投资者对“6个月”的起算点和计算方式存在疑问,尤其是跨券商开户的情况下。2026年的券商审核系统已经实现了较高程度... 阅读全文

    397次浏览 2026-3-25 10:34

  • ETF日内波动率策略的量化建模方法
    在2026年,由于市场信息的极速传导,ETF的日内波动率往往蕴含着巨大的套利或择时机会。日内波动率策略不预测长远涨跌,而是关注价格在极短时间内偏离中枢后的回归。这种量化建模是实现ETF日内增厚收益的有效途径。一、ATR指标与动态区间建模建模的第一步是量化“正常波动幅度”。投资者通常使用ATR(平均真实波幅)作为基准。在QMT等量... 阅读全文

    397次浏览 2026-3-23 10:57

  • 股票量化交易中的多账号管理与信用账户两融交易支持场景
    随着量化投资者交易规模的扩大和策略复杂度的提升,单一资产账户往往难以满足多元化资产配置的需求。在实际交易中,许多量化研发人员需要同时操盘多个不同的资金账号,或者在执行量化策略时,不仅需要动用普通股票账户,还需要引入融资融券(信用账户)来利用杠杆做多或融券对冲。因此,量化交易系统是否支持高效的“多账号管理”以及对“信用... 阅读全文

    396次浏览 2026-6-17 17:09

  • 可转债量化交易策略:原理、风险及实战技巧
    在A股市场中,可转债因其“下有保底、上不封顶”的特性,叠加T+0交易制度,一直是量化交易者的必争之地。尤其在2026年,随着转债品种的丰富和市场活跃度的提升,利用算法进行转债套利或日内波段,已成为许多专业个人投资者的标配。可转债量化的核心逻辑通常围绕“转股溢价率”展开。由于转债价格与正股价格之间存在联动的... 阅读全文

    396次浏览 2026-3-13 09:41

  • 自动交易系统如何处理停牌股与退市风险?
    在2026年的A股市场,全面注册制下退市已经常态化。对于手动交易的散户,看到“ST”或“退市警示”通常会心头一紧;但对于量化自动交易系统来说,如果没有在代码里写好风险规避逻辑,那么系统可能会由于“估值便宜”或“技术指标见底”而自动买入这些危险品种。因此,构建... 阅读全文

    396次浏览 2026-4-13 14:25

  • 如何获取高质量的股票历史数据进行量化回测?
    数据是量化交易的“燃料”。没有高质量的历史数据,回测就像是在沙堆上建塔,得出的结论完全不可靠。对于个人投资者来说,获取数据的途径主要有以下几种:1.开源数据接口:如Tushare、AkShare等。这些平台提供了基础的K线数据和财务报表,适合初学者进行离线研究。但缺点是部分高阶数据需要积分或付费,且数据的清洗工作量大。2.量化软... 阅读全文

    396次浏览 2026-3-12 10:19

  • 多因子模型实战:如何避免过度拟合(Overfitting)?
    在量化多因子策略的研发中,最容易让投资者产生“幻觉”的就是过度拟合。很多新手在回测时发现年化收益率翻倍,净值曲线完美无瑕,但一旦进入2026年的实盘环境,策略就立刻失效。这种现象往往是因为模型过度拟合了历史数据中的随机噪声,而非捕捉到了真正的市场规律。首先,限制因子的数量与复杂度。如果一个模型包含了过多的因子,它总能通过调整权重... 阅读全文

    396次浏览 2026-4-2 10:03

  • 揭秘量化多因子选股中的因子相关性分析:防范数据冗余的多重共线性
    在构建量化多因子选股策略的过程中,许多投资者经常会陷入一个误区:认为因子的数量越多越好。于是,开发者在智能策略终端的代码里疯狂地堆砌指标,把市盈率(PE)、市净率(PB)、市销率(PS)、净资产收益率(ROE)、营业收入增长率以及RSI、KDJ等数十个因子通通塞进一个打分模型里。然而,回测结果往往令人沮丧——因子的无限叠加并没有带来超额收益的成倍翻番,... 阅读全文

    395次浏览 2026-6-17 15:46

  • 揭秘量化多因子模型中的因子归一化与标准化处理:抹平跨维度数据的量级断层
    在证券量化多因子选股策略的开发流程中,当完成了极端异常值的脏数据清洗(去极值处理)后,量化交易者紧接着必须面对的第二道数据风控红线,便是因子的“归一化与标准化处理(Normalization&Standardization)”。许多缺乏数理统计基础的初学者,经常在写代码时直接将不同维度的原始数据粗暴相加。例如,直接把每股... 阅读全文

    395次浏览 2026-6-17 15:53

  • 2026年散户如何从零开始学习量化交易?
    在2026年的资本市场中,量化交易已不再是机构投资者的专属“黑科技”。随着技术门槛的降低和基础建设的完善,越来越多的普通投资者开始尝试通过算法来克服人性弱点,实现交易的标准化。对于零基础的散户而言,学习量化并非一蹴而就,而是一场从逻辑构建到工具应用的系统性进阶。入门的第一步是建立底层逻辑。量化交易的核心不是代码,而是策略逻辑。投... 阅读全文

    395次浏览 2026-3-11 13:37

  • 2022.6.28 早复盘
    昨早中概互联网ETF一路猛飙,中午收盘的时候一度涨到+5%,然后......接下来的情况大家都知道了,腾讯大股东NASPERS中午突然宣布减持,下午1点开盘,腾讯直接从+4%,被砸到-1.5%,中概互联ETF也被带崩,收盘涨幅只剩下+0.92%。先科普一下:这个NASPERS是南非报业公司,很久以前从李超人儿子李泽楷手里买了30%的股权,一直放到了现在,获... 阅读全文

    394次浏览 2022-6-28 09:03

点击收起
量化张经理 证券经理 当前我在线...
从业认证| 入驻5年