在量化交易的策略库中，趋势跟踪（TrendFollowing）是最古老也最经典的流派。而双均线策略则是趋势跟踪策略中标准的入门模版。它的核心思想是利用两条不同周期的移动平均线的交叉，来捕捉资产价格一段明显的单边趋势。本文将以白描的手法，展示如何在QMT系统内置的Python3.6运行环境中构建该实盘模型。双均线策略的经典数学逻辑双均线策略通常包含一条短... 阅读全文

103次浏览 2026-6-10 11:29

融资融券（两融业务）作为A股市场核心的合规杠杆工具，允许投资者在提供担保物的前提下，向证券公司借入资金买入证券（融资）或借入证券卖出（融券）。随着金融科技的发展，两融业务已不再局限于传统的手工操作，在量化交易和自动化策略中也展现出了广泛的应用价值。一、融资融券的核心信用规则与门槛开展两融交易，市场参与者必须满足严格的监管合规门槛：1.资产与经验：开户前... 阅读全文

103次浏览 2026-6-29 10:30

在量化交易的圈子里，经常能听到这样的笑话：某位投资者研发出了一个“神级策略”，在过去5年的历史回测中净值翻了上百倍，高高兴兴上了实盘，结果不到两个星期就亏得一塌糊涂。在排除了偷看数据和代码报错后，这种纸面富贵的破灭，有很大比例是因为研发人员无意中掉进了回测引擎的“开盘价陷阱（OpenPriceTrap）”... 阅读全文

103次浏览 2026-6-22 09:05

在量化选股策略的历史回测中，许多开发者经常会遇到这样的怪事：一个基于简单财务因子的选股模型，在过去10年的离线测试中跑出了几百倍的逆天收益，且几乎没有明显的资金回撤。然而，一旦把这个模型投入真实的实盘生产环境，选出来的股票却频繁踩雷，甚至连续遭遇业绩变脸。在量化金融工程中，这种让数据结果严重失真的隐形陷阱被称为“幸存者偏差（Survivor... 阅读全文

103次浏览 2026-6-22 09:15

对于在证券市场进行交易的投资者而言，账户中经常会在盘中或收盘后留存一部分闲置的现金资产。为了不让这部分资金躺在账户里拿极低的活期利息，参与国债逆回购是一种极为稳健且收益透明的现金管理方式。然而，每天收盘前手动去寻找高收益品种并进行下单，不仅操作繁琐，还容易因为临近收盘行情波动而错失最佳利率时机。利用量化终端的自动化脚本或内置工具，则可以完美解决这一痛点... 阅读全文

103次浏览 2026-7-2 09:58

网格交易策略是一种利用市场价格震荡进行低吸高抛的自动化交易方法。在股票市场处于箱体震荡、方向不明确时，网格交易能够通过程序化自动下单，克服人性追涨杀跌的弱点，持续获取波动收益。然而，网格交易并非稳赚不赔，其成败高度取决于参数设置的科学性。一、网格交易的核心参数设置原则1.标的选择：网格交易最忌讳买入一路下跌、最终退市或长期停牌的股票。应优先选择市值较大... 阅读全文

102次浏览 2026-6-29 10:26

在当前国内的量化交易市场中，QMT（迅投）和PTrade（云纪）是券商提供给投资者的两大主流智能策略交易终端。许多准备尝试量化交易的投资者经常会产生疑问：这两个系统究竟有什么区别？自己到底应该选择哪一个？理解两者的核心差异，有助于投资者匹配更适合自己的交易工具。一、运行机制与架构的差异QMT和PTrade在策略运行的底层逻辑上有着显著不同。QMT通常采... 阅读全文

102次浏览 2026-6-1 11:30

在日常的股票投资或组合建仓过程中，中大型投资者或者追求高精度交易的短线极客经常会面临一个非常头疼的博弈困境：当你选中了一只潜力极佳的个股，准备批量买入3万股时，如果你选择在盘中一笔大单直接砸向买一或者以限价单挂单，那么冰冷的盘口会瞬间暴露你的资金意图。上方的压单会立刻被吓退，或者引来敏锐的高频资金抢先在你前面抢筹推高股价。结果，你的一笔大单不仅会导致自... 阅读全文

102次浏览 2026-6-22 09:19

在自主研发股票多因子选股模型的横截面清洗流水线上，独立交易者在完成了去极值和标准化后，经常会无意识地掉入一个由特征冗余所引发的数理过度膨胀陷阱。举例来说，为了尽可能全面地捕获个股的阿尔法超额，开发者会在模型中同时塞入“过去5天累计收益率”、“过去10天累计收益率”以及“20日均线斜率&rdqu... 阅读全文

101次浏览 2026-6-25 09:37

在自主研发并运行股票量化交易策略的历史回溯阶段，许多独立开发者在面对计算机打印出来的完美资产曲线时，往往会陷入一种与现实严重脱节的财富幻觉。特别是在设计日内超短线技术套利、高频多因子换仓或者高换手率的动量跟踪策略时，离线回测中跑出来的夏普比率经常表现得异常惊艳。然而，一旦他们充满信心将这套模型原封不动地切入到真金白银的生产柜台后，系统表现出来的却往往是... 阅读全文

101次浏览 2026-6-25 09:38

在编写QMT或PTrade策略时，很多投资者最先遇到的瓶颈往往不是交易逻辑本身，而是如何高效地处理密密麻麻的行情数据。在Python量化生态中，Pandas库是毫无疑问的核心基石。无论是计算技术指标、处理历史K线，还是过滤多因子选股数据，几乎所有的操作都需要通过Pandas来完成。认识Pandas的两大核心数据结构Pandas主要依托两种数据结构：Se... 阅读全文

101次浏览 2026-6-10 11:28

在二级市场的剧烈博弈中，无论是主观波段投资者还是中短线量化极客，最难跨越的往往不是如何寻找开火买入的机会，而是在持仓个股面临极端变盘时如何执行计划内的撤离。举例来说，当某只持仓股在盘中遭遇突发非预期利空、或者破位下砸触及了你预设的10%的硬性安全红线时。如果是主观人工死守在电脑前肉肉死盯，人类天然的亏损厌恶心理和侥幸情绪往往会跳出来进行软弱干扰，导致交... 阅读全文

101次浏览 2026-6-25 09:58

在构建股票二级市场多因子量化选股策略或低频轮动策略的历史数据验证阶段，模型所选用的“历史股票初选池（StockUniverse）”的完整度，是决定整个多头组合进入实盘柜台后能否真正存活的生死线。许多独立开发者在本地计算机上配置回测引擎时，为了图简单或者因为调用了不规范的免费行情接口，往往全自动使用了一条简单却极具毁灭性的选股范围... 阅读全文

101次浏览 2026-6-29 09:41

在前几期关于量化策略质检报告的拆解中，我们深度学习了用来衡量账户全局风险含金量的第一标尺夏普比率（SharpeRatio）。然而，在更深层次的金融工程绩效审计流水线上，很多骨灰级的量化开发者往往会对夏普比率推导的底层假设提出严厉的数理质疑。因为夏普比率在计算总风险波动率时，一视同仁地把资产净值“向上的暴涨”和“向下的... 阅读全文

101次浏览 2026-7-1 10:13

在探讨股票多因子量化选股模型时，很多研究人员都知道如何通过引入动态历史全A股股票池来彻底消灭“因强制退市引发的幸存者偏差”。然而，A股市场的底层行情财务数据库错综复杂，在历史长河中，除了彻底灰飞烟灭的退市股之外，还高频存在着另一类极其隐蔽的“数据基因变异”现象——“股票代码、简称的跨时空变更与... 阅读全文

101次浏览 2026-6-22 09:11