金凯旋 - 博客园

[置顶] 阅读自己代码最多的，是程序员本人

摘要：代码优雅、易懂，是对自己的尊重。阅读全文

posted @ 2024-08-30 09:01 金凯旋阅读(6) 评论(0) 推荐(0)

vn.py 的日志问题回测策略的日志处理

摘要：在回测时，如果不用ui, 测试策略。范例是直接使用: engine = BacktestingEngine() engine.set_parameters(**test_setting) engine.add_strategy(strategy, strategy_setting) engine. 阅读全文

posted @ 2025-10-31 18:00 金凯旋阅读(2) 评论(0) 推荐(0)

vn.py的日志问题

摘要：使用新版 vn.py 调试时，发现没有日志，然后写了下面一段代码跟踪： from vnpy.trader.setting import SETTINGS from vnpy.event import EventEngine from vnpy.trader.engine import MainE 阅读全文

posted @ 2025-10-29 17:26 金凯旋阅读(3) 评论(0) 推荐(0)

期货的定性分析

摘要：研究股票交易,很多是在定量,分析整个市场的共性,找出最优的选择. 研究期货交易,更多是定性,针对每个合约的特性,找出独特的交易方法. 阅读全文

posted @ 2025-06-21 11:26 金凯旋阅读(3) 评论(0) 推荐(0)

分层建模

摘要：是一种通过结构化框架将不同维度的因子进行分层管理的方法，旨在避免因子逻辑的混乱，提升模型对市场的解释能力和 IC（信息系数）稳定性。阅读全文

posted @ 2025-06-07 10:16 金凯旋阅读(7) 评论(0) 推荐(0)

(IR)信息比率评价与应用

摘要：在金融和量化投资领域，信息比率（IR）的 “好坏” 判断需结合具体应用场景（如主动投资组合、因子分析等）和市场环境，但行业实践中存在一些普遍认可的参考标准：一、IR 的通用评价区间 IR 区间评价适用场景举例 IR < 0.3 效果较弱 / 无效因子预测能力不稳定，或主动管理能力不足，通常需阅读全文

posted @ 2025-05-07 23:20 金凯旋阅读(201) 评论(0) 推荐(0)

IC 分析与分组回测法：量化因子有效性的精准评估

摘要：分组回测法（如将因子值分为顶部 20% 和底部 20% 比较效果）与 IC（信息系数）分析是量化研究中评估因子有效性的两种常用方法，二者在分析角度、统计逻辑和应用场景上有显著区别，具体对比如下： 1. 分析角度不同 IC 分析核心逻辑：计算因子值与未来收益率的相关性（通常用 Spearman 秩相阅读全文

posted @ 2025-05-07 23:06 金凯旋阅读(399) 评论(0) 推荐(0)

对AI未来发展方向以及对人类影响的一些猜测

摘要：现状： 1. AI在重复性劳动上,AI远超任何人 2. AI在知识广度上, 已经远超任何人 3. AI在专业深度上，与专业人士还存在一定差距。 4. AI可以快速复制个体。 5. AI个体之间的交流有更快速和高效的数字交换方式。不久的将来： 0. AI自主意识体出现。 1. AI之间会发展出更高维阅读全文

posted @ 2025-03-26 10:33 金凯旋阅读(93) 评论(0) 推荐(0)

期货持仓数据处理

摘要：在期货数据处理中，持仓量（Open Interest）的变动是影响策略有效性的关键因素。由于期货合约存在主力合约切换、品种间规模差异大、季节性波动等特性，需针对性地进行数据清洗与标准化。以下是具体处理方法及逻辑：一、持仓量的核心特性与挑战特性对策略的影响合约不连续性主力合约切换时持仓量跳空阅读全文

posted @ 2025-03-21 15:40 金凯旋阅读(119) 评论(0) 推荐(0)

The Fama-French 5 factor model

摘要： Fama - French 五因子模型（the Fama - French 5 factor model）是由 Eugene F. Fama 和 Kenneth R. French 在三因子模型基础上发展而来的资产定价模型，旨在更全面地解释股票收益率的变化：模型提出背景 Fama 和 French 阅读全文

posted @ 2025-03-10 14:22 金凯旋阅读(343) 评论(0) 推荐(0)

pca因子模型

摘要： **PCA 因子模型（Principal Component Analysis Factor Model）** 是一种基于主成分分析（PCA）技术构建的因子模型，主要用于从高维金融数据中提取潜在的共同因子，以解释资产收益率的波动规律。以下是其核心要点： 1. 核心原理主成分分析（PCA）：通过线性阅读全文

posted @ 2025-03-10 13:42 金凯旋阅读(162) 评论(0) 推荐(0)