quant 分类归档

共 29 篇文章 · 返回首页

【量化交易】风险模型:Barra 多因子、风险归因、压力测试

股票数接近样本天数时,样本协方差会把最小方差组合的风险低估到真实值的约 1-N/T 倍。本文用 Barra 式因子模型降维,对比 Ledoit-Wolf 收缩与 eigenfactor 调整,配合欧拉风险归因、VaR/ES 回测和压力测试,用可运行的模拟代码给出各方法的偏差大小与适用边界。

【量化交易】量化交易全景:从信号到订单的工程链路

量化交易不是策略写得好就能赚钱,更难的是把数据、特征、因子、信号、组合、执行、风控、复盘这八段链路在工程上连成一条不漏数据、不串时间、不丢订单的流水线。本文是【量化交易】系列的总目录与读图,给出八段链路的输入输出、失败模式、不变量清单,并用研究流程图把从一个想法到一笔实盘订单之间所有该过的卡点串起来。

【量化交易】市场微结构:订单簿、价差、流动性、冲击

回测按中价成交,实盘却被价差、冲击和逆向选择吃掉收益。本文从限价订单簿出发拆解价差口径与分解、流动性四维、OFI、Kyle λ、VPIN 与 Hawkes,并用币安 LTCUSDT 真实数据验证:10 秒 OFI 解释约六成中价变化,有效价差三分之二以上表现为价格冲击。

【量化交易】交易成本模型:冲击成本、滑点、Implementation Shortfall 与 TCA

回测按收盘价成交,实盘却多付几十 bp。本文把交易成本拆成显性费用、滑点、冲击、机会成本四层,用平方根律标定、Almgren-Chriss 与 Implementation Shortfall 统一口径,附合成数据验证的 Python 代码和按 2026 年官方规则核对的四市场费率。

【量化交易】回测陷阱:前视偏差、过拟合、数据窥视与 Deflated Sharpe

回测 Sharpe 漂亮却上线失效,多半死于前视偏差、过拟合和数据窥视。本文给出前视偏差的三条机械自查规则,用可复现仿真说明零信号数据上挑出的最佳策略能通过 PSR 却被 DSR 拒掉,并附 Bonferroni、BH-FDR、DSR 的 Python 实现与 30 条上线前自检清单。

【量化交易】量化交易系统架构:研究、回测、模拟、实盘四套环境

量化策略从 notebook 走到实盘要穿过研究、回测、模拟、实盘四套环境,各写一份代码会在上线第一周从接缝处翻车。本文给出接口驱动的统一架构:用六层抽象(数据、特征、信号、组合、订单、风控)让同一份 Strategy 代码靠依赖注入在四套环境间切换,并落地 PIT 数据、订单状态机、对账、事前风控与灰度发布。

【量化交易】订单类型与执行语义:限价、市价、IOC、FOK、冰山

把 Limit、Market、IOC、FOK、Iceberg、Stop、MOO/MOC 这些常被混为一谈的订单类型还原为价格、数量、时效、可见性、触发五个独立维度,并对照 A 股、港股、美股、CME、Binance 五个市场的实际语义差异,给出量化系统中的订单工厂、状态机与风控前置校验的工程实现。

【量化交易】特征存储与时间对齐:point-in-time 正确性

把"特征仓库"从一般 ML Feature Store 的语义中拉回到量化的语境:所有问题最终归到一个时间正确性约束。本文给出 bitemporal 的特征模型、Polars / DuckDB 上的 as_of_join 实现、版本化与血缘策略、以及离线和在线一致性的工程做法,并附一份从研究落到生产的检查表。

【量化交易】另类数据:新闻、舆情、链上数据、卫星图

系统拆解量化研究里"另类数据"这条战线:从新闻文本、社交舆情、卫星与物联网信号,到链上交易和支付流水。每一类都讲清数据来源、采购或采集方式、合规边界、可落地的工程化处理流程,并给出基于 transformers 的中文新闻情感打分与基于 web3.py 的链上指标抓取代码。

【量化交易】统计套利:协整、配对交易、PCA 残差

从均值回归的统计学根源出发,把配对交易、协整与误差修正模型、Ornstein-Uhlenbeck 过程、Avellaneda-Lee 的 PCA 残差套利、加密资产中的跨所与基差套利串成一个完整的工程链路,并给出协整检验、OU 参数估计、残差套利回测的可运行代码与协整破裂、LTCM 类失败模式的复盘。

【量化交易】事件驱动策略:财报、并购、指数调整

把事件驱动(event-driven)从一个含糊的「炒题材」标签,还原为带有明确触发条件、可交易窗口与统计可检验性的策略族。本文把财报后漂移(PEAD)、并购套利(merger arbitrage)、指数调整(index rebalance)、回购、解禁、宏观日历等事件,按信息传播链统一拆成「事件触发—信息扩散—价格…

【量化交易】时间序列深度学习:TCN、Transformer 在量化的实践与陷阱

把时序深度学习放回量化系统里讨论:TCN 的因果卷积/扩张/残差三件套、Transformer 在金融上的位置编码与稀疏注意力改造、IC loss 与分位数损失、训练-推理偏移与多种子集成、与传统因子的残差融合、ONNX/TorchScript 部署与延迟监控。给出可直接套用的 PyTorch 代码与 vectorb…

【量化交易】运维与合规:监控、熔断、监管报送、复盘

量化交易系统的运维不像普通互联网服务:故障窗口以毫秒计,每一次错误直接对应金钱损失。本文从监控分层、告警值班、熔断降级、风控前置、监管报送、事故复盘到制度文化,串起一个把「能跑」升级到「能托管真金白银」所需要的全部基础设施。给出一份可运行的实时风控守护进程,演示订单速率限制、PnL drawdown 监控与熔断触发;…