在A股T+1的交易制度下，利用底仓进行日内高频T+0（先买后卖或先卖后买）是许多量化交易者降低持仓成本的重要手段。日内T+0的单次获利空间通常非常微小，往往只有0.2%到0.5%左右。在如此狭窄的利润空间里，“滑点”（Slippage）和冲击成本（MarketImpact）就成为了决定策略生死存亡的关键因素。如果无法精确计算和控... 阅读全文

67次浏览 2026-6-6 15:09

网格交易由于其不看方向、只赚波段的特性，受到了很多量化投资者的青睐。然而，在面对持续单边下跌的极端行情时，普通等差网格很快就会面临资金耗尽、满仓被套的窘境。为了解决这一痛点，部分投资者开始将外汇交易中常见的“马丁格尔策略”（MartingaleStrategy）引入股票网格中，即在价格下跌时，不仅继续补仓，而且每一次补仓的资金量... 阅读全文

27次浏览 2026-6-6 15:09

很多初学量化的投资者在独立编写完第一个交易策略后，常常会被回测系统输出的完美净值曲线所震撼：胜率高达80%以上，资产曲线几乎没有任何回撤，一路向上。然而，一旦将这段代码部署到模拟盘或实盘中，策略就会暴露出真实的底牌，开始连续亏损。这种回测与实盘天差地别的现象，在量化界通常是因为代码中误入了“未来函数”（FutureFunctio... 阅读全文

30次浏览 2026-6-6 15:08

在构建量化多因子选股策略时，投资者经常会遇到一个令人困惑的现象：将十几个看起来非常优秀的因子组合在一起后，策略的选股效果不仅没有提升，反而比单一因子的表现还要差，甚至出现了回测收益剧烈波动的现象。导致这种现象的核心原因，就是因子之间存在严重的“共线性”（Multicollinearity）。简单来说，就是投资者选取的多个指标在本... 阅读全文

29次浏览 2026-6-6 15:07

很多量化新人在开发策略时，为了追求回测报告中完美的净值曲线，会不断在代码中增加各种限定条件。例如：“只有当MACD金叉，且成交量大于5日均量1.2倍，且当天是星期二，且上证指数不下破支撑位时才买入”。这种通过无限增加参数和滤网，使策略完美契合过去某一段特定历史数据的行为，在计算机科学和量化领域被称为“过度拟合&rdq... 阅读全文

104次浏览 2026-6-5 20:06

在量化交易的策略库中，按照对价格走势行为的理解，主要可以分为两大互为镜像的传统流派：动量策略（MomentumStrategy）和反转策略（MeanReversionStrategy）。这两种策略的底层数学逻辑和交易哲学截然相反，一个相信“强者恒强”，另一个坚信“物极必反”。理解这两者在不同市场周期下的表... 阅读全文

116次浏览 2026-6-5 20:05

可转债作为一种“下有保底、上不封顶”的独特金融衍生品，兼具股票的债权属性与股权属性。在量化投资领域，围绕可转债延伸出了许多经典的低风险量化策略，其中最为市场熟知且逻辑经久不衰的就是“双低策略”。该策略不需要复杂的机器学习算法，其核心逻辑是通过纯粹的量化指标量化筛选，找出市场上最具性价比的优质可转债标的构建... 阅读全文

140次浏览 2026-6-5 20:04

在量化交易的历史回测中，所有的买入和卖出指令通常都能在预设的价格上完美成交。但一旦进入实盘交易，投资者就会遇到一个无法回避的现实问题——滑点。滑点是指策略发出交易指令时的预期价格与最终实际成交价格之间的差额。如果一个策略在交易可转债或中小市值股票时频繁进行大笔买卖，滑点所带来的冲击成本将会严重侵蚀策略的预期利润，甚至把一个赚钱的策略变成亏损策略。产生实... 阅读全文

117次浏览 2026-6-5 20:04

随着券商量化服务的普及，越来越多的投资者开始选择通过程序化终端来辅助交易。在国内证券市场中，PTrade（恒生云纪开发）和QMT（迅投开发）是各家主流券商提供最广泛的两大系统。很多准备跨入量化门槛的散户经常会产生疑问：这两个终端到底有什么区别？作为普通投资者，究竟哪一个更适合自己的交易需求？要做好两者的技术选型，可以从系统架构、编程模式以及手工辅助功能... 阅读全文

176次浏览 2026-6-5 20:03

在量化策略开发的过程中，新入门的投资者经常会遇到一个令人兴奋的现象：自己编写的策略在历史回测中收益率惊人，回测曲线近乎一条完美的上升直线。然而，一旦将该策略投入模拟盘或实盘运行，资产却开始连续亏损。导致这种天壤之别最常见的原因，就是策略代码中不小心引入了“未来数据”（Look-aheadBias）。这是量化交易实操中最为致命，也... 阅读全文

82次浏览 2026-6-5 20:02

由于A股市场实行T+1交易制度，当天买入的股票当天无法卖出。这使得许多主观交易者在面对日内剧烈剧烈震荡时，常常只能看戏或承受被动套牢。然而，量化底仓T+0策略（简称日内T0）利用程序化工具，可以在合规的前提下实现变相的日内回转交易。该策略不以长期择时为主，其核心盈利机制是通过在日内微观波动中频繁进行高抛低吸，积小胜为大胜，从而不断降低底仓股票的持有成本... 阅读全文

138次浏览 2026-6-5 20:02

在机构投资者的量化体系中，多因子选股是最主流的策略框架之一。对于普通投资者而言，理解多因子选股首先要明白两个概念：Beta（贝塔）收益和Alpha（阿尔法）收益。Beta指的是跟随市场大盘波动赚取的行业平均利润，而Alpha则是独立于大盘走势之外的超额收益。多因子选股策略的核心目的，就是通过同时考察多个不同维度的指标（即因子），在全市场寻找能够稳定贡献... 阅读全文

97次浏览 2026-6-5 20:01

在量化策略开发过程中，回测是验证策略有效性的关键步骤。许多投资者在电脑前跑出了非常完美的历史收益曲线，但一进入实盘表现就大幅跳水。导致这种现象的一个隐蔽原因，就是回测中普遍存在的“幸存者偏差”。简单来说，如果回测系统在选取历史股票池时，只包含了当前依然在市场上交易的股票，就会自动过滤掉那些在历史中已经退市、被长期停牌或因财务造假... 阅读全文

99次浏览 2026-6-5 20:00

网格交易作为一种经典的量化策略，在震荡行情中表现出色，其核心逻辑是通过在固定的价格区间内低吸高抛，赚取波段收益。然而，网格交易最大的痛点在于无法应对单边行情。当市场出现单边下跌时，策略会不断买入导致满仓被套，即所谓的“破网下坠”；而当市场出现单边上涨时，策略又会过早将筹码卖光，导致“破网踏空”。在2026... 阅读全文

73次浏览 2026-6-5 20:00

在量化策略的研究和开发阶段，几乎所有的开发者都追求一条完美的历史回测资金曲线——净值持续稳步上扬、回撤极小、胜率高得惊人。为了达到这个目标，许多人会不自觉地在代码中添加大量的过滤条件，并利用计算机强大的计算能力去穷举搜索出那组让历史收益最高的“黄金参数”。然而，这种在历史数据中看似堪称神作的策略，一旦投入实盘，往往会在极短时间内... 阅读全文

57次浏览 2026-6-5 19:53