对于股票二级市场中的主观投资者而言，“知行合一”是一道长期无法跨越的心态鸿沟。无数人在周末或者收盘后，面对客观的静态图表和核心基本面数据，能够冷静地制定出极其完美的交易计划，例如：“等某只核心蓝筹股在盘中回调到30.50元的刚性支撑位时再分批低吸建仓”。然而，一旦第二天开盘、面对盘口红绿交织的分时闪烁以及... 阅读全文

239次浏览 2026-6-24 11:54

网格交易（GridTrading）被誉为震荡市中的“收割机”。它不依赖于对市场方向的精准预测，而是通过在预设的价格区间内自动执行低吸高抛，赚取股价波动的钱。对于缺乏时间盯盘、追求纪律化操作的投资者而言，这是一种极其友好的量化入门策略。网格交易的核心逻辑网格交易的本质是在价格坐标系上画出一格格的“陷阱”。投... 阅读全文

239次浏览 2026-3-19 10:52

在量化交易中，许多投资者在研发小资金回测时表现优异，但随着管理资金规模的扩大，实盘效果就会出现断崖式下跌。导致这一现象的根本原因，在于忽视了目标股票的“流动性约束”。流动性简单来说，就是盘口能够承受多大资金量而价格不发生严重变形的能力。当一个量化策略需要在短时间内买入或卖出几万股甚至几十万股时，如果目标股票成交稀薄，就会遭遇严重... 阅读全文

239次浏览 2026-7-2 10:11

虽然2026年的技术已经极度成熟，但量化交易并非绝对的“避风港”。事实上，由于程序执行的速度极快，一旦出现错误，造成的损失也会在瞬间放大。对于个人投资者来说，白描量化干货的同时，必须把风控逻辑刻在骨子里。量化交易的风险管理，不是在亏损后才做，而是在写下第一行代码时就开始了。量化风险通常来自三个方面：策略本身的逻辑缺陷、系统运行的... 阅读全文

239次浏览 2026-4-23 13:40

拿到量化账号只是开始了第一步，如何将你的策略逻辑转化成真正能自动下单的系统，环境配置和参数设定是绕不开的技术关。在2026年，虽然系统已经高度集成，但一些关键的配置细节仍决定了交易的成败。一、交易环境的准备工作1. 软件模式选择： -内置模式：在QMT软件里写Python。优点是无需额外安装库，适合新手。 -Mini模式：在PyCharm等本地软件写。... 阅读全文

238次浏览 2026-4-23 13:58

在构建量化多因子选股策略时，投资者经常会遇到一个令人困惑的现象：将十几个看起来非常优秀的因子组合在一起后，策略的选股效果不仅没有提升，反而比单一因子的表现还要差，甚至出现了回测收益剧烈波动的现象。导致这种现象的核心原因，就是因子之间存在严重的“共线性”（Multicollinearity）。简单来说，就是投资者选取的多个指标在本... 阅读全文

238次浏览 2026-6-6 15:07

许多在量化测试环境中跑出优异表现的交易策略，一旦切换到真实的正式实盘账户中去执行，往往会出现收益缩水、胜率下滑的情况。排除掉未来函数或过度拟合等代码层面的硬伤，导致这种回测与实盘结果产生偏离的最核心、也最普遍的客观因素，便是量化交易中无法彻底抹去的隐形损耗——滑点（Slippage）。对于每一位量化交易者而言，正确认识并科学控制滑点，是让策略走向长期稳... 阅读全文

238次浏览 2026-6-17 10:28

在二级市场的常态化博弈中，全市场有超过70%的时间往往处于宽幅或窄幅的反复“横盘震荡周期”内。在这种没有任何大级别单边趋势的牛皮市里，绝大多数追随趋势、热衷于右侧动量突破的多因子策略和散户投资者，往往会频繁陷入“追高被套、割肉就反弹”的严重内耗亏损中。面对这种消磨人性的盘口磨损，量化投资者的工具箱里有一款... 阅读全文

238次浏览 2026-6-23 12:21

评估ETF轮动策略的实盘风险，不能仅看历史回测的“夏普比率”或“最大回撤”。实盘风险包含更复杂的维度：流动性风险、执行风险和逻辑断层风险。首先是流动性风险。ETF的成交额并非总是充裕。如果所选轮动标的中包含冷门ETF，在大幅轮动换仓时，可能会遭遇买卖差价大、无法按计划价格成交的窘境。评估时需观察标的在盘中... 阅读全文

238次浏览 2026-4-23 14:25

Fama-French三因子模型是量化投资界的“开山鼻祖”。它在1993年提出，认为股票收益率可以由市场风险、市值（大小盘）和价值（账面市值比）这三个因子来解释。转眼到了2026年，市场环境发生了翻天覆地的变化，这个经典的“老古董”在A股市场还有实战价值吗？第一，经典因子的内核依然坚挺。即便在2026年，... 阅读全文

238次浏览 2026-4-2 10:13

在量化交易的漫长过程中，没有任何一个策略能够适应所有的市场环境。无论多么完美的模型，在某些特定风格的市场周期下，都必然会遭遇净值连续下滑的阶段，这在量化领域被称为“策略回撤期”。面对回撤，主观交易者容易陷入频繁改动逻辑、反复推翻策略的焦虑状态，而成熟的量化交易者则会通过理性的评估体系来判定策略是属于正常波动还是彻底失效。应对策略... 阅读全文

238次浏览 2026-7-2 10:03

这是一个关于投资者进化的讨论。在2026年的市场中，信息的传递和价格的波动早已超出了肉眼和手工操作的极限。学习Python并不是为了让你变成软件工程师，而是为了让你拥有一个“超级助手”。量化软件如QMT提供了极其简便的函数接口，你只需要掌握基础的逻辑语句，就能让软件自动执行你的选股思路。例如，你可以写一行代码：每当全市场市盈率低... 阅读全文

238次浏览 2026-3-12 10:02

在编写以基本面因子（如PE、PB、ROE、净利润增长率）为核心驱动力的量化选股策略时，几乎所有开发者都会遇到回测结果与实盘表现南辕北辙的痛苦经历。在自建系统或者某些设计不严密的回测平台上，只要把ROE因子得分前20的股票选出来按季度轮动，就能跑出高得吓人的年化超额收益。但一旦切到模拟盘或者实盘，策略就会像中了魔咒一样精准踩雷各种业绩变脸股。在排除掉因未... 阅读全文

237次浏览 2026-6-8 09:54

可转债在2026年依然是很多追求T+0交易投资者的避风港。转债波动剧烈、盘口变化极快，靠肉眼和手速很难在极点成交。PTrade的智能条件单功能为散户提供了“准量化”的解决方案。实战设置案例利用PTrade的“拐点交易”功能。设定当转债价格上涨后回落0.2%即刻卖出，或下跌反弹0.2%即刻买入。这种基于盘口... 阅读全文

237次浏览 2026-3-27 10:09

在量化多因子选股体系的开发中，很多交易员在辛辛苦苦完成了因子的动态去极值、标准化以及中性化数据清洗后，往往会在最后一个关口功亏一篑。这个关口就是“因子如何融合（FactorLayering）”。大部分初学者最喜欢采用的粗暴逻辑是“等权重相加”。比如，一个组合里包含估值（PE）、成长（营收增速）、质量（RO... 阅读全文

237次浏览 2026-6-8 10:04