77 阅读
回测收益为何总在实盘中消失：滑点、延迟与容量
回测的谎言：你的策略为什么总是高估收益 2019年夏天，一个量化团队遇到了困惑。他们的趋势策略在回测中表现优异——年化28%，夏普比率2.1，最大回撤8%。但实盘运行三个月后，资金曲线几乎是一条水平线，年化收益不到15%，夏普比率跌到0.9。 他们的代码没有问题。数据没有问题。因子没有问题。 问题出在回测本身。 回测是一个理想化的实验室。实盘是一场真实的战斗。在实验室里，你的订单瞬间成交，价格永不
美股
美股市场深度分析，覆盖纳斯达克、纽交所和标普500
49 阅读
用 LLM 分析财报电话会议情绪：从音频转录到交易信号
财报电话会议的文本之外：管理层语调如何影响股价短期走势 > “The way a question is answered often reveals more than the answer itself.” > > —— 华尔街资深分析师的共识 2024 年 2 月，AMD 在发布财报后的电话会议上，CEO 苏姿丰用了 47 次“挑战性环境”（challenging environment），
68 阅读
熔断与涨跌停：当市场按下暂停键
熔断与涨跌停：当市场按下暂停键 --- > "市场最恐惧的不是暴跌，而是暴跌时发现没有人在另一边接盘。" 2010 年 5 月 6 日，道琼斯工业平均指数在 20 分钟内狂泄近 1000 点，随后在收盘前几乎完全反弹。这天后来被称为"闪电崩盘"（Flash Crash）。美国证券交易委员会（SEC）的调查报告显示，在暴跌最剧烈的几分钟内，部分股票的买卖价差扩大了数十倍，订单簿深度近乎归零——市场本
88 阅读
隔夜信号预计算：盘前流动性预估与开盘策略准备
当芝加哥的夜班交易员开始盯着东京的屏幕 美东时间凌晨 2:15，北京时间下午 3:15。 我盯着 TickDB 控制台上的那张图表——AAPL 的盘后成交量在过去 45 分钟内突然放大了 3 倍，卖一档到卖五档的挂单密度持续攀升，而盘前期权链的隐含波动率 Skew 正在快速向负值区域滑落。 这不是正常的隔夜持仓节奏。这是某个知道些什么的资金，在集合竞价前悄悄布好了局。 我改了开盘的挂单方向。 这是
69 阅读
损失厌恶：为什么赚 10% 的快乐抵不过亏 5% 的痛苦
损失厌恶：为什么赚 10% 的快乐抵不过亏 5% 的痛苦 --- > “亏钱带来的痛苦，大约是赚钱带来快乐的两倍。” 这是 Daniel Kahneman 在《思考，快与慢》中最简洁的陈述。他和同事 Amos Tversky 用一系列实验证明：人类对损失的厌恶是刻在神经层面的本能，而非简单的“心态问题”。 想象这样一个交易场景： 你设定了一个简单的趋势跟踪策略，止损 10%，止盈 20%。某天开仓
40 阅读
量化系统进程守护：用 supervisor 和 systemd 让你的策略永不宕机
量化系统进程守护：用 supervisor 和 systemd 让你的策略永不宕机 --- 凌晨 3:47，你被手机震动惊醒。策略账户亏损了 12 万。 原因是下午 6 点的那次 OOM Kill——服务器内存不足，Python 进程被系统干掉了。没有人知道。直到美股盘前数据开始推送，你的策略发现数据源断了，开始疯狂重试，然后触发风控阈值。 你盯着日志里那个孤零零的 关键字，第一次认真思考一个问
87 阅读
流动性的本质：为什么有些股票你永远买不到好价格
流动性的本质：为什么有些股票你永远买不到好价格 > "The market is not a place where you buy and sell things. The market is a place where you buy and sell immediacy." — Larry Harris 你下了 100 万美元的买单，以为拿到了一个不错的价格。成交报告显示：均价确实在预期附近
80 阅读
从 tick 数据反推做市商行为：美股高频做市策略入门
从逐笔成交反推做市商行为：美股高频做市策略入门 价格是结果，订单流才是原因 2024 年某交易日的上午 10:23 分，某大型科技期权的隐含波动率在 3 秒内飙升 15%，而标的资产的价格几乎纹丝不动。如果你只看价格，你会错过这个信号。但如果你有逐笔成交数据，你会看到：连续的 100-200 股小单以略高于卖一的价格成交，持续时间 2.7 秒，总成交量 4,800 股——这不是散户的随机交易，而是
59 阅读
独立量化交易者的生存法则：不是只有进机构一条路
开篇 2019 年，我认识一位私募出身的量化研究员，年化收益跑出了 32%，最大回撤控制在 8% 以内。2020 年他出来单干，第一年业绩更漂亮——36% 收益，回撤 6%。2021 年底，他退出了。 不是策略失效了。是账户清算了——不是被市场打爆的，是他自己的钱包先撑不住了。 这个故事听起来像一个“独立交易者必败”的论据。但它不是。我想说的恰恰相反：他的策略没问题，是财务结构和心理结构从一开始就
78 阅读
双源数据交叉验证：用 TickDB 作为第二路行情监控主源质量
市场以噪音对话，你以数据为锚 凌晨 3:17，你的监控系统响了。 不是策略亏损的告警，是数据源心跳超时——主行情源已经 47 秒没有推送任何数据。而你账户里的 Algo 正在以 12 毫秒的间隔高频挂单，参考的是一份 47 秒前的价格。 你迅速打开备用界面，发现行情还在跳动——价格一直在走，但那个走的是另一套数据源。然后你意识到：你其实不知道哪边是真，哪边是假。 这不是虚构场景。2024 年某头部
148 阅读
凯利公式：每次该下注多少
凯利公式：每次该下注多少 > "如果你知道自己的优势，那么下一个问题就是：下注多少。" 1960 年，贝尔实验室的物理学家约翰·凯利正在研究噪声信道中的信息传输问题。他发现了一个简洁的公式，可以计算在重复博弈中使资本增长最大化的下注比例。这个公式后来被赌徒、投资者和量化交易者奉为圭臬——不是因为它能让人暴富，而是因为它精确地回答了一个所有人都想当然的问题：我有优势，该怎么下注？ 本文用 15 分钟
67 阅读
夜盘数据对次日开盘的预测价值：量化验证
1986 年 9 月 11 日，苹果公司在盘后发布了第三财季财报。股价在常规交易时段收于 19.25 美元，盘后交易中一度跌至 17.75 美元——跌幅不到 8%。次日开盘，股价跳空低开 12.6%，并在第一分钟内触及当日低点。 这不是流动性枯竭导致的踩踏，而是一个结构性的信息价格发现过程在盘后提前完成，并在次日开盘时以一种极端形式兑现。 这个案例揭示了一个持续数十年的市场谜题：夜盘走势到底在多大
63 阅读
每日收盘后，职业量化团队在做什么？盘后工作流自动化
每日收盘后，职业量化团队在做什么？盘后工作流自动化 --- 纽约，凌晨 23:47。 曼哈顿中城某量化基金的交易室里，显示屏上的 K 线图早已定格。四个小时后 A 股集合竞价开始，七个小时后美股盘前交易启动。这中间的六个小时，对职业量化团队而言，不是休息窗口。 收盘铃响的那一刻，实时监控程序自动切换为批处理模式。历史行情数据从数据源归档入库，策略的日度归因报告在后台跑着，而另一组脚本已经开始预计算
52 阅读
损失厌恶：为什么赚 10% 的快乐抵不过亏 5% 的痛苦
损失厌恶：为什么赚 10% 的快乐抵不过亏 5% 的痛苦 > “损失一美元带来的痛苦，大约需要两美元的正收益才能抵消。” 这是行为经济学奠基人 Daniel Kahneman 在 1979 年提出的核心命题。四十五年后，全球量化基金管理的资产超过 4 万亿美元，但研究表明，即便是专业交易员，在高压环境下依然会系统性地偏离理性决策。 本文从前景理论出发，拆解损失厌恶的神经机制与量化表征，给出一个可回
40 阅读
从行情到信号：如何将 TickDB 实时数据接入你的策略引擎
数据到了，信号没来：为什么你的量化系统总是慢半拍 凌晨 3:47，你的止损单没有触发。 不是交易所的问题，不是券商的问题。是你自己搭建的量化系统——数据在 WebSocket 连接的另一端排队等着处理，策略引擎还在喘气，而标的价格已经跌穿了你的止损位 2.3%。 这不是故事。这是过去 18 个月里，我见过的最常见的量化系统死亡方式：架构层面的响应延迟，而不是策略本身的失败。 数据从 TickDB
82 阅读
Alpha 从哪来，又到哪去
Alpha 从哪来，又到哪去 > "在华尔街，有两种钱：一种来自赌博，一种来自创造价值。问题是，大多数人分不清自己赚的是哪一种。" —— 华尔街谚语 2015 年 9 月，一个名为 LSTM 的技术指标策略在私募圈疯传。回测数据显示，在 A 股小市值因子主导的年代，该策略年化收益超过 120%，夏普比率 3.8，最大回撤不足 8%。 到了 2018 年底，同一个策略的年化收益跌至 18%，夏普比率
59 阅读
财报发布瞬间的订单簿塌陷：用 depth 频道捕捉流动性真空
订单簿在财报发布前 30 秒就开始说话 "价格是无数张单子在博弈中成交的结果。" 每个交易日的盘后 16:00 或盘前 7:00，成千上万的机构算法正在做同一件事：盯着一份几乎静止的订单簿，等待那个时刻的到来——某家公司的财报即将发布。在那一刻，订单簿的表面平静会被瞬间撕裂：卖方流动性消失，买方堆积，价格在几秒内完成剧烈重估。 大多数散户看到的是 K 线上的大阴线或大阳线。但真正的信号，在 K 线
84 阅读
量化交易的合规审计：你需要留存哪些日志和数据？
量化交易的合规审计：你需要留存哪些日志和数据？ --- > 2015 年 8 月 24 日，美股开盘后数分钟内，多只蓝筹股股价瞬间暴跌 99%，然后在几秒内恢复正常。《纽约时报》后来报道，监管机构花了数周时间才拼凑出完整的交易链路图——不是因为数据不存在，而是因为数据分散在 17 个不同的系统中，格式不统一，关键时间戳精度不一。 这不是孤例。2012 年的“骑士资本事件”、2022 年的“日本交易
47 阅读
凯利公式：每次该下注多少
"我知道这个策略能赚钱。问题是，该押多少？" 这个困惑几乎每个量化交易者都遇到过。假设你开发了一个策略： - 胜率 60%（10 次交易中 6 次盈利） - 盈亏比 2:1（赚 2 块对应亏 1 块） 这是典型的优势策略。用它交易 100 次，数学期望为正。但问题是： - 全押 → 一把亏光，明天就没机会了 - 1% 仓位 → 稳如泰山，但复利太慢，100 万本金一年只赚 12 万 - 每次投入多