重修vn.py笔记 之 三 ： 回测
摘要：
from datetime import datetime from vnpy_ctastrategy.backtesting import BacktestingEngine from vnpy_ctastrategy.strategies.atr_rsi_strategy import AtrR 阅读全文
posted @ 2025-12-24 17:21 金凯旋 阅读(10) 评论(0) 推荐(0)
重修vn.py笔记 之 一 ：hello world
摘要：
最近，发现还要继续用vnpy. 再次读一遍代码，为了加深记忆，写个笔记 首先，写一个最简单的vnpy代码。 # 一个最简单的示例 from vnpy.trader.engine import MainEngine main_engine = MainEngine() try: main_engine 阅读全文
posted @ 2025-12-24 16:52 金凯旋 阅读(9) 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(9) 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(10) 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(460) 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(838) 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(168) 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(253) 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(565) 评论(0) 推荐(0)
浙公网安备 33010602011771号