风险量化评估模型相关资讯_叩富问财专题

首席黄顾问 _股票
丽江已帮助15万+人好评8.0万+

QMT支持调用以前用VBA编写的模型。QMT内置了VBA编辑器，且VBA模型框架兼容市面上常用交易终端的指标语言，可方便地迁移和调用已有的VBA模型。调用方法如下：直接在VBA环境中使用如果VBA模型是基于单个标的的择时和买卖信号等，可新建“VBA单股模型”；若是涉及股票篮子管理与综合收益计算等，可选择新建“VBA组合模型”。然后将以前编写的VBA模型代码复制到相应的编辑器中，进行编译调试，无报错后即可运行。在Python策略中调用VBA指标准备VBA指标公式：先在QMT中新建VBA... 阅读全文

2026-4-28 15:30 169次浏览

QMT与外部库联动：如何引入机器学习模型？

张经理 _股票
深圳已帮助7.7万+人好评552

到了2026年，传统的均线指标已很难在量化市场获取超额收益，越来越多的投资者开始尝试在QMT中引入机器学习模型（如随机森林或XGBoost）。得益于QMT的本地化Python环境，投资者可以直接利用pip安装常用的数据科学库。白描地讲，策略的运行逻辑变为：QMT负责实时行情抓取——>外部Python库进行特征工程和模型预测——>QMT根据预测得分执行下单指令。这种联动模式让QMT不再仅仅是一个交易工具，而是一个强大的智... 阅读全文

2026-4-21 16:17 204次浏览

如何利用多因子模型进行回测验证？

量化张经理 _股票
德阳已帮助16万+人好评1295

回测是量化策略从理论走向实盘的“试金石”。在2026年的量化体系中，多因子模型的回测不再是简单的看一眼历史收益率，而是一套包含数据对齐、样本内外划分、压力测试等维度的系统性验证工程。如果回测过程不够严谨，即便在历史数据上表现得再完美，实盘也大概率会归零。多因子回测的首要任务是确保“数据真实”。这包括处理幸存者偏差和未来函数。所谓幸存者偏差，是指回测时只包含了目前还上市的股票，而忽略了... 阅读全文

2026-4-10 09:44 223次浏览

普通投资者如何构建自己的多因子选股模型？

量化张经理 _股票
德阳已帮助16万+人好评1295

构建多因子选股模型对于普通投资者而言，重点不在于追求算法的深奥，而在于逻辑的严密性与执行的纪律性。在2026年，随着量化软件的普及，搭建一套属于自己的选股框架已经变得不再遥不可及。具体操作上，可以分为确定投资宇宙、初筛、多因子打分、定期调仓这四个标准步骤。首先是确定“投资宇宙”，即选股池。普通投资者不建议在全市场5000多只股票中乱撞，而是应该基于某个基准指数，如中证500或沪深300。在选股池中，首先要进... 阅读全文

2026-4-10 09:41 280次浏览

统计套利模型中的配对交易法如何实现？

量化张经理 _股票
德阳已帮助16万+人好评1295

在量化投资中，有一种被称为“找孪生兄弟”的策略，即配对交易（PairsTrading）。它的客观依据是统计学中的“协整性”：两只具有相似背景（如同一行业、同一控制人或业务高度关联）的股票，其走势在长期内应该是一致的。当这两只“孪生兄弟”因为某种原因分道扬镳、价差拉得过大时，机会就来了。量化模型会赌它们最终会重新走到一起。配对交易的执行四部曲1. 标的选择：利用... 阅读全文

2026-4-3 09:53 230次浏览

什么是Fama-French三因子模型？其在2026年还有效吗？

量化张经理 _股票
德阳已帮助16万+人好评1295

Fama-French三因子模型是量化投资界的“开山鼻祖”。它在1993年提出，认为股票收益率可以由市场风险、市值（大小盘）和价值（账面市值比）这三个因子来解释。转眼到了2026年，市场环境发生了翻天覆地的变化，这个经典的“老古董”在A股市场还有实战价值吗？第一，经典因子的内核依然坚挺。即便在2026年，市值因子和价值因子依然是A股波动的重要来源。虽然小盘股溢价和低估值回归的逻辑在某... 阅读全文

2026-4-2 10:13 180次浏览

多因子模型实战：如何避免过度拟合（Overfitting）？

量化张经理 _股票
德阳已帮助16万+人好评1295

在量化多因子策略的研发中，最容易让投资者产生“幻觉”的就是过度拟合。很多新手在回测时发现年化收益率翻倍，净值曲线完美无瑕，但一旦进入2026年的实盘环境，策略就立刻失效。这种现象往往是因为模型过度拟合了历史数据中的随机噪声，而非捕捉到了真正的市场规律。首先，限制因子的数量与复杂度。如果一个模型包含了过多的因子，它总能通过调整权重，在历史数据中找到一组“最优解”。然而，这种最优解往往只... 阅读全文

2026-4-2 10:03 326次浏览

构建基于宏观数据的ETF行业轮动模型

量化张经理 _股票
德阳已帮助16万+人好评1295

在2026年的ETF投资中，行业轮动是利润的主要来源。利用量化终端抓取宏观经济指标（如社融、PMI、行业景气度）来指导ETF的切换，比单纯分析技术面更具前瞻性。一、外部数据的集成与清洗QMT或PTrade的开放性允许投资者集成外部数据源。Python脚本可以设定定时任务，获取各行业的景气度因子。例如，当半导体行业出货量数据转好，而估值仍处于低位时，模型会自动调高半导体ETF的权重。二、“景气度+趋势”的双重... 阅读全文

2026-3-23 11:23 344次浏览