分享
小李经理 证券经理
综合评分:
4.5分
官方认证:
从业认证| 从业4年
5分钟 平均响应时间
  • 深度解析量化回测中的“幸存者偏差”问题
    在评价一个量化策略时,回测报告通常是第一参考依据。然而,如果回测中存在“幸存者偏差”,那么这份报告不仅毫无价值,甚至具有误导性。什么是幸存者偏差?简单说,就是你的回测系统只在目前还“活着”的股票中筛选历史机会。例如,你在2026年编写了一个选股策略,回测过去十年的表现。如果你使用的是目前的股票池,系统会自... 阅读全文

    298次浏览 2026-3-17 16:09

  • 量化选股模型:多因子框架的搭建流程与逻辑
    多因子模型是量化投资中最经典且应用最广泛的框架。其核心思想是:一支股票的价格波动可以由多个相互独立的“因子”共同解释。构建一个稳健的多因子模型,通常需要经过因子挖掘、因子处理、模型训练和回测验证四个步骤。因子挖掘与分类常见的因子库包括:-价值因子:如市盈率(PE)、市净率(PB),寻找估值洼地。-成长因子:如营业收入增长率、净利... 阅读全文

    298次浏览 2026-3-19 14:22

  • 量化交易者的心态管理:当系统遭遇连续回撤时该怎么办
    2026年的市场博弈愈发激烈,没有任何一套量化策略能够永远盈利。当账户净值遭遇10%甚至20%的连续回撤时,量化交易者的心态管理往往比代码本身更重要。客观面对系统性压力,是进阶为成熟交易者的标志。区分“正常波动”与“策略失效”1.统计学范畴内的回撤:如果当前的回撤幅度在历史回测的最大回撤(MaxDrawd... 阅读全文

    298次浏览 2026-3-11 16:54

  • ETF套利量化实战:如何利用QMT捕获一二级市场折溢价?
    ETF(交易型开放式指数基金)因其既可以在二级市场像股票一样买卖,又可以在一级市场进行申购赎回的特性,为量化投资者提供了丰富的套利机会。最常见的逻辑是折溢价套利:当二级市场价格高于一级市场净值时(溢价),投资者买入一篮子股票申购ETF并卖出;反之则进行折价套利。这种操作对频率和精度的要求极高,人工几乎无法完成,必须依赖专业的量化系统。在量化执行层面,E... 阅读全文

    298次浏览 2026-3-13 14:36

  • 量化交易中Level-2高频行情数据的核心价值
    在量化交易的博弈中,数据的质量和维度往往决定了策略的上限。普通行情(Level-1)通常每3秒刷新一次快照,仅提供买卖五档信息。而Level-2行情则将数据维度提升到了新的高度,是许多游资策略和高频策略的基石。Level-2的核心价值体现在三个方面。第一是买卖十档行情,它能提供更深度的盘口观察,帮助投资者判断大单的压盘或托盘行为。第二是委托总量与加权平... 阅读全文

    296次浏览 2026-3-17 16:28

  • QMT里的模拟交易和模拟账户有什么区别?
    在QMT中,“模拟交易”和“模拟账户”经常被混在一起使用,导致不少新手以为只要选择了模拟模式,就一定拥有一套虚拟资金和持仓。实际上,模拟信号、回测账户和模拟柜台是三种不同层次,它们验证的问题也不同。先看回测。回测使用历史行情和一笔设定的初始资金,策略从过去某个时间开始逐根处理K线,根据回测撮合规则生成虚拟... 阅读全文

    295次浏览 2026-6-30 13:18

  • 同一家券商可以同时申请普通交易软件和量化软件吗?
    普通交易软件和量化软件通常不是二选一。普通客户端主要用于人工看盘、手工下单和账户管理,量化终端则用于策略回测、程序化运行和自动委托。只要账户和权限支持,两类软件往往可以服务于同一个证券账户。不过“可以同时使用”不代表可以随意让多个程序同时操作。手工交易和策略交易会共同改变资金、持仓和委托状态。如果你在普通客户端手动卖出,而量化程... 阅读全文

    294次浏览 2026-6-29 10:15

  • Python在金融实战中的应用:如何计算常用的技术指标?
    量化交易的灵魂在于对数据的处理。相比于在行情软件中手动绘制指标,利用Python进行批量指标计算具有无与伦比的效率和灵活性。借助Pandas和Numpy等科学计算库,投资者可以对数千只股票的历史序列进行一键式分析。以最常见的“移动平均线(MA)”为例。在Python中,只需通过一行代码.rolling(window=20).me... 阅读全文

    294次浏览 2026-3-27 09:27

  • 从通达信公式到Python代码:量化交易者的跨语言转型之路
    许多资深投资者在通达信等传统软件中积累了大量的“公式指标”,这些公式虽然直观,但在处理海量数据循环、复杂风险模型以及自动化执行方面存在局限。将通达信公式转换为Python代码,是迈向量化交易的关键一步。通达信公式本质上是矢量化运算(如MA(C,20)),在Python中,借助Pandas库的.rolling().mean()方法... 阅读全文

    293次浏览 2026-3-27 10:33

  • QMT与PTrade深度对比:职业交易者该如何选择?
    在程序化交易领域,QMT(迅投)与PTrade(开拓者)是目前国内券商端最主流的两大系统。尽管两者都能实现自动化下单,但在架构设计与适用人群上存在显著差异。QMT系统以“高性能”和“本地化”著称。它内置了完整的Python运行环境,支持投研一体化。其最大的优势在于xtdata行情模块,能够提供极速的行情订... 阅读全文

    293次浏览 2026-3-18 14:30

  • PTrade已经申请成功,为什么账户里看不到策略交易功能?
    PTrade申请成功后,在客户端里看不到策略交易,可能不是一个简单的界面问题。需要先确认申请的是完整策略权限、测试权限还是仅开通了其他智能交易功能。先把问题拆开看。检查顺序可以从账户到客户端。先确认权限审核结果对应的资金账号;再确认登录的是PTrade指定客户端和正确服务器;随后查看当前账号是否进入了量化或策略模块,而不是普通交易界面。部分功能可能需要... 阅读全文

    293次浏览 2026-8-3 15:31

  • MiniQMT极速策略交易系统的运行逻辑与优势
    Python已成为量化交易事实上的标准语言,其简洁的语法和丰富的第三方库使得策略开发变得高效。编写一个完整的量化策略,通常需要遵循固定的逻辑框架。在量化系统中,策略运行通常由几个核心的回调函数驱动。首先是初始化阶段(initialize),这是策略的“大脑起始点”。开发者在此处设置股票池(set_universe)、初始资金、基... 阅读全文

    291次浏览 2026-3-17 17:02

  • QMT下载历史行情时,应该选择哪些周期和市场?
    QMT下载历史行情时,最容易出现两种极端:一种是什么都不下载,等策略报错后才补;另一种是把所有市场、所有周期和全部历史一次性勾选,结果下载时间很长,磁盘占用也越来越大。更合理的做法,是根据策略真正使用的数据来选择,而不是把“下载越多”理解成“回测越准确”。第一步先看策略频率。做日线策略,通常优先准备日线数... 阅读全文

    291次浏览 2026-6-30 13:21

  • 多因子Alpha策略解析:量化选股的底层逻辑与权重分配
    多因子Alpha策略是量化投资中最为经典、也是应用最广的选股框架。其核心理念是认为股票的收益可以被多个相互独立的“因子”所解释。这些因子通常包括价值(Value)、成长(Growth)、质量(Quality)、规模(Size)以及反转(Reversal)等。通过对这些因子进行量化评分,策略旨在构建一个能够在长期内跑赢基准指数(如... 阅读全文

    290次浏览 2026-3-27 08:55

  • 量化回测中如何正确处理除权除息数据?
    在量化回测中,如果忽视了股票的除权除息,会导致股价在某一天出现巨大的跳空缺口,误导策略触发错误信号。因此,正确使用“复权”数据是回测的第一步。复权分为“前复权”和“后复权”。前复权保持最新价格不变,将历史价格进行缩减,优点是可以直观看到当前股价相对于历史的真实估值水平。后复权则是以... 阅读全文

    290次浏览 2026-3-26 10:54

点击收起
小李经理 证券经理 当前我在线...
从业认证| 从业4年