分享
小李经理 股票
宁波 实名认证 从业3年服务贴心响应及时
黄金会员
5分钟 平均响应时间
  • 量化交易中的夏普比率与索提诺比率:如何科学评估策略绩效?
    在量化交易中,衡量一个策略的好坏不能仅看年化收益率。高收益往往伴随着高风险。为了更科学地评价策略的性价比,投资者需要引入经风险调整后的收益指标,其中最著名的是夏普比率(SharpeRatio)和索提诺比率(SortinoRatio)。夏普比率的核心逻辑是:在承受每一单位总风险(以收益率标准差衡量)时,策略能产生多少超额收益。一个夏普比率大于2的策略被认... 阅读全文

    58次浏览 2026-3-13 14:43

  • 量化交易如何解决“数据偏差”:前复权、后复权与不复权的实战选择
    在进行量化回测时,价格序列的连续性至关重要。A股市场频繁的除权息(送股、转增、派息)会导致股价在图表上出现巨大的“跳空缺口”。如果直接使用不复权的原始数据进行计算,各种均线、动能指标都会因为这一虚假的缺口而完全失真。因此,正确选择复权方式是量化策略的第一步。前复权是以当前价格为基准,保持当前价格不变,将历史价格进行向下调整。其优... 阅读全文

    58次浏览 2026-3-13 14:46

  • 移动止损策略的量化实现:如何守住盈利并规避大幅回撤?
    在交易中,止损是生存之本,而“移动止损”(TrailingStop,又称跟踪止损)则是量化策略中用于锁定利润的高阶技术。传统的固定止损是在买入价格下方设定一个死板的价位,而移动止损则是让止损位随着股价的上涨而动态上移。只要股价持续创新高,止损位就保持在距离最高价一定比例(如5%)的位置。一旦股价从最高点回撤超过该比例,策略立即触... 阅读全文

    57次浏览 2026-3-13 14:44

  • 量化交易中的ETF申赎套利:逻辑与实操
    ETF(交易型开放式指数基金)不仅可以像股票一样在二级市场买卖,还可以进行一级市场的申购和赎回。这种独特的双重交易机制,催生了量化交易中经典的申赎套利策略。套利的核心逻辑在于“折溢价”。当ETF在二级市场的交易价格高于其成分股的组合价值(IOPV)时,就产生了溢价。此时,量化系统可以自动在一级市场申购ETF份额,并在二级市场卖出... 阅读全文

    56次浏览 2026-3-16 14:11

  • 什么是证券账户的“买方投顾”服务?与传统经纪区别
    2026年的证券市场正在经历一场从“卖方销售”到“买方投顾”的根本性转轨。对于新开户的投资者而言,理解这种服务模式的差异,直接关系到未来资产配置的质量与收益体验。传统经纪模式:以交易为导向在过去的模式中,券商的主要收入来源于交易佣金。这意味着,客户交易越频繁,券商获利越多。在这种激励机制下,投资者的长期盈... 阅读全文

    56次浏览 2026-3-11 17:26

  • 如何利用量化手段优化人工短线交易的进出场时机
    很多投资者并不追求全自动化,而是希望通过量化工具提升人工短线交易的成功率。这种“量化辅助交易”模式在职业选手中非常流行。首先,量化可以实现“全市场异动监控”。人工盯盘顶多关注几十只股票,而通过QMT编写一个简单的监控脚本,可以在毫秒级内从全市场数千只标的中筛选出“量比突增”、... 阅读全文

    56次浏览 2026-3-12 10:23

  • 量化研究中对于异常值的过滤技巧:中位数去极值法
    在量化多因子模型的开发中,数据的纯净度直接决定了结果的质量。原始财务数据或行情数据中往往存在大量的“异常值”或“离群点”,如果不加处理直接带入回归计算,会严重扭曲因子的真实表现。其中,“中位数去极值法”(MAD)是量化圈公认最稳健的过滤技巧之一。中位数去极值法的逻辑分为三步:首先,... 阅读全文

    55次浏览 2026-3-12 11:20

  • 高频 Tick 数据在量化中的价值:分钟 K 线之外的“微观视界”
    绝大多数普通投资者接触到的数据是分钟K线,但在专业的量化交易者眼中,分钟K线是“被高度过滤”的信息。真正的市场细节隐藏在Tick数据(逐笔行情)中。在A股市场,每3秒一次的行情快照,包含了每一笔成交的价格、方向、成交量以及买卖盘口的分布。通过Tick数据,量化策略可以进行更精细的“资金流向分析”。例如,在... 阅读全文

    55次浏览 2026-3-13 14:47

  • 如何利用量化思维优化手工交易:从条件单开始
    并非所有投资者都需要编写复杂的代码,但每个人都可以从量化思维中受益。量化交易的核心是“纪律性”与“标准化”,这可以通过量化系统提供的智能工具来实现,例如条件单。传统的交易者往往受困于盯盘,容易产生情绪化决策。而利用PTrade或QMT系统中的条件单工具,可以将策略逻辑预设在系统中。常见的工具包括:-**价... 阅读全文

    54次浏览 2026-3-17 16:34

  • 初学者如何利用Python编写第一个量化交易策略
    Python已成为量化交易事实上的标准语言,其简洁的语法和丰富的第三方库使得策略开发变得高效。编写一个完整的量化策略,通常需要遵循固定的逻辑框架。在量化系统中,策略运行通常由几个核心的回调函数驱动。首先是初始化阶段(initialize),这是策略的“大脑起始点”。开发者在此处设置股票池(set_universe)、初始资金、基... 阅读全文

    54次浏览 2026-3-17 17:01

  • 证券开户显示“照片质量不合格”该如何调整拍摄角度
    在2026年的证券自助开户流程中,“照片质量不合格”是导致开户失败最常见的原因。由于券商后台通过AI进行生物特征比对,任何细微的模糊或反光都可能触发系统退回。客观掌握拍摄技巧,能让开户流程事半功倍。身份证拍摄的常见雷区1.边缘缺失:身份证必须完整出现在取景框内,四个角均不可被手指遮挡或超出边界。2.强光反光:室内灯光直接照射在身... 阅读全文

    53次浏览 2026-3-11 17:25

  • 10万门槛的量化交易:技术小白如何开始第一行代码
    2026年,量化交易的普及已不再是程序员的专利。随着券商将准入门槛下探至10万资金,许多从未写过代码的投资者也开始尝试利用QMT或PTrade提升交易效率。客观来看,从零开始并非登天之难,关键在于找到正确的切入点。第一步:理解“handlebar”函数在QMT系统中,大部分策略的核心都写在`handlebar`函数里。你可以将其... 阅读全文

    53次浏览 2026-3-11 17:27

  • 如何利用量化系统进行自动化可转债套利
    可转债因其“下有保底、上有弹性”的特性,配合T+0交易制度,一直是量化策略的热门标的。在自动化交易系统中,可转债策略主要聚焦于折价套利、波动率交易及双低策略。实现自动化可转债交易,首先需要系统具备全品种支持。量化工具如PTrade和QMT均支持可转债的实时行情订阅与下单。通过`get_cb_list`(获取转债列表)接口,策略可... 阅读全文

    53次浏览 2026-3-17 16:31

  • 详解QMT极速策略交易系统的API架构与数据获取
    “未来函数”是量化回测中最隐蔽、也是最致命的陷阱。它指的是在编写策略时,不自觉地引用了信号产生时间点之后的行情数据。在QMT或PTrade回测中,典型的未来函数包括使用当日的最高价、最低价或收盘价来决定当日的买入信号。由于在实盘中,当日收盘价只有在收盘后才能确定,但在回测逻辑里,如果代码直接读取了Close[0],就会导致模型表... 阅读全文

    52次浏览 2026-3-18 16:03

  • 事件驱动策略:量化如何捕捉公告、财报与指数调仓的机会?
    事件驱动策略(Event-DrivenStrategy)是指利用市场上的重大特定事件(如定期财报发布、高送转公告、并购重组、指数成分股调整等)带来的短期定价偏差进行获利的策略。在量化视角下,这些事件不再是孤立的,而是可以通过历史回测验证的、具有统计规律的价格跳变机会。以指数调仓为例,当沪深300或中证500等重要指数进行半年度调整时,为了跟踪指数,大量... 阅读全文

    52次浏览 2026-3-13 14:44

点击收起
黄金会员认证
小李经理 股票 当前我在线...
宁波 帮助 6.8万 好评 71 从业3年