quantitative

摘要： 系列收官篇。前 7 篇我们完成了选股、择时、仓位、回测框架、参数优化。本篇聚焦回测到实盘的最小闭环——把纸上收益变成可执行、可追踪、可复盘的模拟盘系统。 一、为什么回测≠实盘 回测时你默认了几件事： 你想买就能按收盘价买到 买卖没有摩擦成本 停牌日数据会自动跳过 再平衡频率不影响结果 实盘里，以上全 阅读全文

摘要： 系列前情：#01~#06 我们完成了单因子/多因子选股、双均线/波动率择时、仓位管理、向量化回测框架。本篇进入策略上线前的关键一步——参数优化与过拟合防范。 一、为什么参数不能随便拍脑袋 很多初学者写策略时，均线周期随手填个 "5 日和 20 日"，回测一看年化 30%，喜滋滋准备上线。结果实盘一跑 阅读全文

摘要： 一、为什么需要回测框架（痛点开场） 跑过前面 5 篇，你会发现每写一个新策略都要重复： 拉数据 → 建 close 面板 写选股规则 → 取 picks 写仓位规则 → 取权重 循环调仓日 → 算持仓期收益 → 累计成 nav 算五件套指标（总收益/最大回撤/Sharpe/胜率/波动率） 问题是：这 阅读全文

摘要： 一、为什么需要重新思考仓位（痛点开场） 前几篇我们跑通了"选股 + 择时"两条线。但还有个问题没解决：选出来的股票，要不要平均投？ "等权"是最简单的答案——每只 1/N。但它有个明显问题： 高波动股票（10% 日波）和低波动股票（2% 日波）拿同样仓位 结果：组合的波动被高波动票主导，回撤和 Sh 阅读全文

摘要： 一、为什么需要波动率突破（痛点开场） 上一篇我们用双均线金叉死叉做择时，跑通了"震荡少亏 + 趋势跟住"的效果。但双均线对温和上涨更敏感，对强势突破的反应反而慢半拍。 A 股最经典的"强势突破"是 Donchian 通道突破： 当日收盘价 > 前 20 日最高价 = 上轨突破 → 强势买入信号 当日 阅读全文

摘要： 一、为什么需要择时（痛点开场） 前两篇我们把"选股"做完了 —— 用动量 / 多因子把股票筛出来。但问题来了：选出来之后什么时候买、什么时候卖？ 最经典的择时信号是 双均线金叉死叉： 短均线上穿长均线 = 金叉 → 买入 短均线下穿长均线 = 死叉 → 卖出 但金叉死叉的"经典翻车" 是：很多假突破 阅读全文

摘要： 一、为什么需要多因子（痛点开场） 上一篇我们用 6M 动量做单因子选股，效果尚可但有两个天坑： 截面同涨同跌时动量失效（动量因子只在反转市场稳） 小票高波风险未控（动量大但回撤一样大） 量化圈 50 年共识：多因子对单因子。本篇把 mom（动量） 与 vol（波动率反向） 两个因子做 z-score 阅读全文

摘要： 一、为什么需要这个策略（痛点开场） 回测系统要么是 backtrader / zipline 那种"几十页文档、上手两天"的重型框架，要么是你一上来就被各种坑（比如未来函数、滑点设错、动量算法不对）劝退。 但最小可用的向量化回测，自己写也就 100 行 pandas： 一个 30 只大盘股的股票池 阅读全文

摘要： 动量因子去年很灵，今年就不行了——这不是玄学，是量化里的常态。因子会衰减。本文教你用"滚动 IC"给因子做体检，判断它现在还能不能用。 一、为什么因子会失效 A股的市场风格在切换： 2020-2021：抱团蓝筹，大盘动量极强 2022-2023：中小盘活跃，小市值因子碾压 2024-2025：高波动 阅读全文

摘要： 前几篇我们把动量、波动率、换手率算了个遍，但每天跑一遍脚本、重新拉数据、重新算因子，既慢又浪费额度。本文解决一个问题：把因子落进本地数据库，支持增量更新，让下游策略直接查。 一、为什么因子必须持久化 如果你跟着前几篇写过代码，一定会遇到这个痛点： 回测要用 6 个月的因子值 → 每次回测拉 6 个月 阅读全文