黑天鹅事件是指难以预测、影响巨大的极端行情。在量化交易中，黑天鹅事件可能导致策略在短时间内遭受重大损失。了解如何应对极端行情，是风险管理的重要部分。一、黑天鹅事件的特征黑天鹅事件具有不可预测性、影响重大和事后可解释性。例如，突发事件导致市场大幅跳空，流动性瞬间消失，价格连续跌停。量化策略基于历史数据，可能无法及时适应这种极端变化。趋势策略可能在跳空后止... 阅读全文

89次浏览 2026-9-18 16:54

当投资者运行多个策略时，策略之间的相关性影响组合的整体风险。相关性高的策略可能同时亏损，分散效果有限；相关性低的策略可以相互补充，平滑收益曲线。一、相关性的含义相关性衡量两个策略收益变动的同步程度。相关系数范围为-1到1。正相关表示两个策略同向变动，负相关表示反向变动，零相关表示无线性关系。投资者应关注策略之间的相关性，避免过度集中。二、如何评估策略相... 阅读全文

89次浏览 2026-9-18 16:55

量化策略在实盘运行中会产生大量日志和交易记录。这些记录不仅是策略表现的证据，也是排查问题和优化策略的重要依据。建立完善的日志体系，有助于提升策略运行的可追溯性。一、日志的类型量化交易日志通常包括：策略运行日志，记录策略启动、停止、异常等信息；信号日志，记录每次信号生成的时间、标的、方向；委托日志，记录委托提交、成交、撤单等状态；风控日志，记录风控触发情... 阅读全文

89次浏览 2026-9-18 15:56

回测是量化交易中验证策略思路的重要环节。它通过历史数据模拟策略表现，帮助投资者观察策略在不同市场环境下的收益与回撤特征。但回测盈利不等于实盘盈利，这是量化新手必须建立的基本认知。一、回测的基本流程回测通常包括：确定策略逻辑、获取历史数据、设定交易规则、模拟成交、输出绩效指标。绩效指标包括收益率、最大回撤、夏普比率、胜率、盈亏比等。投资者应关注策略在不同... 阅读全文

89次浏览 2026-9-17 14:22

PTrade是恒生电子面向专业投资者打造的智能策略交易终端，采用客户端编写、云端执行的架构。用户在本地设置策略或编写代码后，策略上传至券商机房服务器运行，本地电脑关机、断网均不影响策略持续执行。这一特点使其成为上班族和无法全天盯盘投资者的关注对象。一、云端托管的优势云端运行减少了本地设备故障、网络波动带来的策略中断风险，由券商运维团队保障环境稳定性。用... 阅读全文

86次浏览 2026-9-17 14:21

策略实盘上线后，监控与维护是确保其稳定运行的重要环节。市场环境不断变化，策略可能逐渐失效或出现异常。投资者需要关注一系列指标，及时发现并处理问题。一、收益与风险指标核心监控指标包括：累计收益率、最大回撤、夏普比率、胜率、盈亏比。投资者应将实盘表现与回测和仿真结果对比，观察是否出现显著偏离。若回撤超过预设阈值，应分析原因，决定是否暂停策略。最大回撤是衡量... 阅读全文

86次浏览 2026-9-16 16:30

回测是量化交易中验证策略思路的重要环节。它通过历史数据模拟策略表现，帮助投资者观察策略在不同市场环境下的收益与回撤特征。但回测盈利不等于实盘盈利，这是量化新手必须建立的基本认知。一、回测的基本流程回测通常包括：确定策略逻辑、获取历史数据、设定交易规则、模拟成交、输出绩效指标。绩效指标包括收益率、最大回撤、夏普比率、胜率、盈亏比等。投资者应关注策略在不同... 阅读全文

85次浏览 2026-9-16 15:31

数据是量化交易的基础。没有准确、完整的历史行情数据，策略回测就无从谈起。对于个人投资者而言，了解数据的来源、格式和清洗方法，是进入量化领域的重要一步。一、常见数据来源量化交易所需的数据主要包括行情数据（开盘价、最高价、最低价、收盘价、成交量、成交额）、基本面数据（财务指标、估值指标）、另类数据（新闻情绪、资金流向等）。个人投资者获取数据的渠道主要有三类... 阅读全文

85次浏览 2026-9-16 16:28

QMT全称迅投极速策略交易终端，是由迅投科技研发、券商面向客户提供的本地化量化交易平台。它集行情展示、策略编写、回测验证、实盘交易、风险控制于一体，与普通行情软件最大的区别在于支持程序化自动交易。交易者可以通过编写代码生成交易信号，系统自动完成委托、撤单和持仓管理，从而减少人工盯盘和手动下单的负担。一、QMT的核心功能模块QMT支持股票、ETF、可转债... 阅读全文

84次浏览 2026-9-16 15:29

算法交易是量化系统中用于优化大额订单执行的功能。TWAP和VWAP是两种常见的算法拆单方式，旨在降低大额交易对市场的冲击，同时兼顾交易隐蔽性与效率。一、TWAP与VWAP的基本逻辑TWAP即时间加权平均价格算法，将订单按固定时间间隔均匀拆分，避免在单一时间点集中交易。VWAP即成交量加权平均价格算法，根据历史成交量分布预测市场流动性高峰，在成交量高时增... 阅读全文

84次浏览 2026-9-16 15:35

参数优化是量化策略开发中的常见环节。通过调整策略参数，投资者希望找到在历史数据上表现更好的配置。然而，过度优化会导致策略在实盘中失效，这是量化交易中的经典陷阱。一、参数优化的基本方法参数优化通常包括网格搜索、随机搜索和遗传算法等。网格搜索遍历参数组合，寻找最优解；随机搜索在参数空间中随机采样，效率更高；遗传算法模拟自然选择，适合高维参数空间。优化目标通... 阅读全文

84次浏览 2026-9-17 14:56

回测是量化交易中验证策略思路的重要环节。它通过历史数据模拟策略表现，帮助投资者观察策略在不同市场环境下的收益与回撤特征。但回测盈利不等于实盘盈利，这是量化新手必须建立的基本认知。回测通常包括：确定策略逻辑、获取历史数据、设定交易规则、模拟成交、输出绩效指标。绩效指标包括收益率、最大回撤、夏普比率、胜率、盈亏比等。投资者应关注策略在不同年份、不同市场风格... 阅读全文

84次浏览 2026-9-16 16:08

网格交易是一种在设定价格区间内自动低买高卖的工具化策略，常见于震荡行情。QMT和PTrade等量化系统均提供网格交易功能，用户设置价格区间、网格间距和每格委托数量后，系统可根据价格波动自动触发买卖委托。一、网格交易的基本逻辑网格交易的核心是围绕基准价设置若干买入和卖出价位。当价格下跌触及买入网格时，系统自动买入；当价格上涨触及卖出网格时，系统自动卖出。... 阅读全文

82次浏览 2026-9-16 15:33

数据是量化交易的基础。没有准确、完整的历史行情数据，策略回测就无从谈起。对于个人投资者而言，了解数据的来源、格式和清洗方法，是进入量化领域的重要一步。一、常见数据来源量化交易所需的数据主要包括行情数据、基本面数据、另类数据。个人投资者获取数据的渠道主要有三类：券商提供的量化终端内置数据、第三方数据接口、公开数据源。QMT和PTrade等券商端量化系统通... 阅读全文

82次浏览 2026-9-17 14:06

量化策略开发通常需要一定的编程基础。QMT支持Python和VBA双语言，PTrade以Python为主。Python因其语法简洁、库丰富，成为量化交易中最常用的编程语言。一、Python在量化中的应用Python可用于数据获取、指标计算、策略编写、回测分析等环节。常用库包括Pandas、NumPy、TA-Lib等。在QMT和PTrade中，用户可以通... 阅读全文

82次浏览 2026-9-17 14:07