<fontcolor="brown"一、引言</font <fontcolor="red"Python的核心不是“炫技”，而是“实用”</font  到此，我们已探讨完Python核心且重要的知识点，涵盖数据结构、流程控制、函数用法、类与对象，以及Numpy、Pandas等常用库。而在本次“Python进阶2”的内容中，我们将进一步介绍Python的其他高级用法与科学计算库——不仅会讲解Python风格（Pythonic）及各类高级编程技巧，还会重...

<fontcolor="brown"一、引言</font <fontcolor="red"强化学习已经开始“闯”量化！</font  在参加《量变学院》第五期线下课程后，我首次接触到AlphaGen这一基于强化学习的公式化Alpha因子挖掘框架。其核心思想是通过策略梯度方法（如PPO算法）自动生成具有协同作用的Alpha因子集合，从而提升量化投资策略的性能。为深入理解《GeneratingSynergisticFormulaicAlphaCollec...

我们运用统计上的显著性来检验因子是否有效。但是简单地使用统计检验得到的因子有时并不一定是靠“实力”，还有很大一部分“运气”成分。我们把显著性水平设为α，如果我们检测100个因子，至少有1个因子显著的概率高达1−(1−5%)^100=99.4%!因此，单纯检验每一个因子存在缺陷，我们需要引入多重检验的方法，同时检验多个假设(hypothesis)。 一、多重检验(multipletesting) 1.1核心思想 多重检验的核心思想可分为两种。一种是为了控制家族错误率(Family-wiseEr...

<fontcolor="brown"一、引言</font <fontcolor="red"TheFutureofCodingis‘TabTabTab’</font  OpenAI创始成员AndrejKarpathy曾说过："编码的未来是按Tab键自动补全"。 Cursor的出现推动开发者角色从“编写代码”转向“引导AI生成正确代码”。未来编程将高度依赖AI自动化补全能力，开发者只需通过反复按“Tab键”即可快速生成代码。目前，Cursor、GitHub...

高频交易深度解析：从历史演进到技术实现的完整图景 继续跟着天山老妖的QuantFabric教程学习，这次的内容让我对高频交易有了更全面和深入的认识。如果说前面两篇文章是在讲"工具"，那么这一篇就是在讲"战场"——高频交易这个充满传奇色彩又极具技术挑战的领域。 从17世纪罗斯柴尔德家族用信鸽传递消息进行跨国套利，到今天用纳秒级系统捕捉微观价差，高频交易的本质始终未变：在信息传递的速度差中寻找利润。但技术的进步让这个"速度差"从几天缩短到了几纳秒，竞争的激烈程度也达到了前所未有的高度。 什么是高频交易？ 高频交易（HFT）本质上是一种程序化交易，目标是从极其短暂的市场变化中获取利润。这种"...

踏入天山老妖QuantFabric教程的技术巅峰——HFTrader高频交易系统，这是整个学习旅程中最激动人心的核心篇章。如果说前面的环境搭建、工具配置是在打地基，那么HFTrader就是真正的速度与技术的终极较量。在这个以纳秒计算的高频交易世界里，1008纳秒的最小延迟和4184纳秒的最大延迟，每一个数字都代表着技术实力的极致展现。 HFTrader作为QuantFabric量化交易系统的高频核心，承载着将毫秒级市场机会转化为实际收益的重任。从四线程架构设计到CPU亲和性绑定，从无锁队列优化到多层风控体系，每一个技术细节都在诠释什么叫"细节决定成败"。这不仅仅是一个交易系统，更是现代金融科...

<fontcolor="brown"一、引言</font <fontcolor="red"文科生学量化需要学编程吗？</font  上次我们已经学习了Python安装与配置的相关内容。这次将运用已学的编程知识，简要介绍Python的4个基础模块：数据结构、流程控制、函数用法、类与对象。在开启编程学习之旅前，我们需要明确为什么要学编程，以及该怎么学。 <fontcolor="brown"二、编程</font <fontcolor="darkblue"为什...

一、数据是量化投资的第一步 1、量化投资是什么？因子投资是什么？ 量化投资(QuantitativeInvesting)是一种投资思想和方法论。 它的核心是用数学模型代替人的主观判断。它不依赖于基金经理的“感觉”或“灵光一闪”，而是通过计算机程序，系统性、纪律性地执行一套预先设定好的、基于数据的投资逻辑。 因子投资（FactorInvesting）是量化投资中最主流、最核心的一个分支。把你的投资组合想象成一个人的身体。传统的市场指数投资（比如沪深300指数基金）就像是给身体提供了基础的总热量（卡路里），这代表了市场的平均回报，也就是我们常说的贝塔（Beta）。 因子（Factor）就像是蛋...

继续深入天山老妖QuantFabric教程的技术精髓，这次我们踏入了高频交易的核心——低延迟技术的全栈优化。如果说前面的HFTrader系统架构让我们看到了高频交易的整体框架，那么这次的低延迟技术分享则是深入到每一个技术细节的极致追求。从硬件超频到内核旁路，从CPU隔离到零拷贝优化，每一个环节都在诠释什么叫"毫秒必争，纳秒见真章"。 在这个以纳秒计算的技术世界里，250纳秒的ef_vi延迟与2-3微秒的标准网络栈延迟之间的差距，可能就是盈利与亏损的分水岭。这不仅仅是技术的较量，更是对工程极限的挑战和对商业价值的精准把握。 这次学习让我深刻认识到，高频交易的低延迟优化是一门综合性的系统工程：...

上一篇文章我们介绍了高频因子的高阶特征因子，这一篇继续介绍流动性因子、量价相关性因子，并在因子分析的基础上加入策略回测。 研究环境利用聚宽因子分析API，构建因子函数类；研究在日内高频分钟级数据中挖掘构建高频因子，对该因子进行有效性检验，并利用回测平台进行回测。 一流动性因子 1.1因子介绍 第四大类因子为流动性因子。流动性刻画股票交易所需要的时间和成本，一般来说，流动性较差的个股通常有更高的预期收益，这是对流动性风险的风险补偿。因此，流动性因子通常表现为流动性越低，未来收益越高的特征（也会...

继续跟着天山老妖的QuantFabric教程学习，这次的内容让我对期货交易有了更系统的认识。如果说前面几篇文章是在讲高频交易的"武器"和"战场"，那么这篇就是在讲"基本功"——期货交易的基础知识和规则体系。 作为量化交易者，我们往往更关注策略逻辑和技术实现，但对交易规则的深入理解同样重要。细节决定成败，规则差异往往是盈亏的关键。这次学习让我意识到，即使是看似简单的开平仓操作，在不同交易所也有不同的规则和成本考量。 中国期货市场的基础架构 五大期货交易所各有特色 中国期货市场由五大交易所构成，每个都有自己的特色和定位： 上海期货交易所（上期所/SHFE） 成立：1990年11月26日...

主动买卖，是为了衡量成交是受买方驱动还是卖方驱动。我们使用批量成交划分法来区分买方成交量和卖方成交量，方法如下:   关键创新：用t分布实现“连续映射”。传统方法（如逐笔对比挂单价）是离散判断（要么主动买，要么主动卖），而这里通过t()函数实现了连续划分：当价格变动为正且大时，t()输出接近1，主动买入金额接近总成交额；当价格变动为负且大时，t()输出接近0，主动买入金额接近0。 批量成交划分法以价格变动作为自变量，为了防止不同个股价...

继续跟着天山老妖的QuantFabric教程学习，这次的内容是关于开发环境的搭建。虽然看起来是基础操作，但实际上每一个细节都很重要。工欲善其事，必先利其器，一个配置良好的开发环境能让后续的开发工作事半功倍。 这次学习让我意识到，量化交易系统的开发不只是写代码，还涉及到Linux服务器管理、网络配置、安全设置等多个方面。特别是在实际部署时，很多看似简单的配置问题可能会成为系统稳定性的隐患。 开发工具的选择与配置 GitBash：Windows下的Linux命令行体验 对于在Windows系统下开发Linux程序的我们来说，GitBash是一个必不可少的工具。它不只是Git的客户端，更是一...

<fontcolor="brown"一、引言</font <fontcolor="red"Python是一种“胶水语言”，能够整合多种库与工具！</font  Python是“胶水语言”，能够将各种不同的库和工具粘合在一起，创造出强大的解决方案。 在上一次的介绍中，我们已经讲解了Python基础的4个模块（数据结构、流程控制、函数用法、面向对象）；本次将聚焦Python的进阶使用方法，以及数据分析领域的核心工具库。对于刚开始接触量化分析或数据分析初...

最近读了一篇关于预测市场套利的论文，让我对"市场效率"这个概念有了全新的认识。作为一个关注量化交易和市场微观结构的人，这篇论文揭示的现象既令人震惊，又在情理之中。 核心发现很简单：在2024年美国大选期间，一群神秘的套利者从Polymarket这个预测市场平台中，悄无声息地提取了约4000万美元的利润。 他们没有预测谁会当选，没有分析选情走势，甚至不关心最终结果。他们只做一件事：在市场定价出现错误的瞬间，闪电般地完成买卖，锁定无风险利润。 这个故事让我想起华尔街的一句老话："在别人恐慌时贪婪，在别人贪婪时恐惧。"但这些套利者做的更极致——他们在别人混乱时，保持着机器般的冷静。 --- ...

继续跟着天山老妖的QuantFabric教程深入学习，这次聚焦于开发环境搭建的核心组件——Qt和CMake的安装配置。如果说前面的基础环境搭建是地基，那么Qt和CMake就是框架的主体结构。没有稳固的开发工具链，再好的策略想法也无法落地实现。 这次的学习让我深刻体会到，量化交易系统开发不仅需要扎实的金融知识和编程技能，更需要对开发工具有深入的理解。特别是在Linux环境下配置图形化开发环境，每一个细节都可能影响后续的开发效率。从版本选择到环境变量配置，从账户验证到套件检测，看似简单的安装过程实际上蕴含着丰富的技术细节。 Qt安装：图形化开发的基石 版本选择的策略考量 在Qt的版本选择上...

引言 金融世界本质上是一个由不确定性驱动的大规模、实时的“数据实验室”。每一天，全球市场都在产生海量的数据——股票价格如心跳般起伏，宏观经济指标牵动着亿万资金的流向，公司财报则像一次次突然的“压力测试”。在这个充满“噪声”的复杂系统中，一个核心问题始终萦绕在每一位投资者、分析师和风险经理的心中：我们如何从这些随机波动的数据中，提取出有价值的信息，从而做出更明智的决策？统计就是核心。我计划写一个系列，尽可能帮助大家详细理解。（我自己顺便复习一下） 为什么要统计推断（StatisticalInference）？ 统计推断是统计学的一个核心分支，它让我们能够利用从样本数据中计算得出的统计量，去...

<fontcolor="brown"一、引言</font <fontcolor="red"想成为王者，必须懂统计</font  此前已经写过几个关于量化分析“代码篇”的分享，接下来要进入的，既是量化领域的核心内容，也是我们很多文科生觉得难度最大的“数理”部分，而我们“数理”的第一站，就是“统计学”。  在量化分析的数理基础里，线性代数、微积分、概率统计、计量经济等缺一不可，但其中统计检验直接关系到数据结论的可靠性——...

继续深入天山老妖的QuantFabric教程学习之旅，这次的内容涵盖了两个关键主题：Git子模块的管理实践和C单例模式的设计实现。看似技术细节各异，但实际上都体现了系统工程中的核心思想——模块化管理和资源统一控制。 在量化交易系统开发中，代码组织和架构设计的重要性不言而喻。Git子模块解决了多团队协作中的代码复用问题，而单例模式则确保了系统关键组件的唯一性和一致性。工程实践中的每一个设计决策，都直接影响着系统的可维护性和稳定性。 这次学习让我深刻认识到，量化交易系统的复杂性不仅体现在算法策略上，更体现在工程架构的精细化管理。从版本控制到设计模式，从编译构建到资源管理，每一个环节都需要深入的...