<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[量化风云]]></title><description><![CDATA[量化编程、策略分享与教学]]></description><link>https://blog.youkuaiyun.com/hbaaron</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; hbaaron]]></copyright><item><title><![CDATA[2026量化新基建(二) - sqlite 与 sqlite-utils]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/156466441</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/156466441</guid><author>hbaaron</author><pubDate>Wed, 31 Dec 2025 23:10:30 +0800</pubDate><description><![CDATA[sqlite 是一把精致的瑞士军刀，它小巧、灵活而强大，可以用在很多地方。但是，对量化人来说，有一个场景，非常适合使用 sqlite： 无须安装和设置、以 pythonic 的方式进行开发，并且具有非常好的性能。

这个场景，就是作为量化程序的交易数据库。

但是，一直以来，我是直接使用 python 内置的 sqlite3 模块来操作 sqlite 数据库的。直到最近，我发现了 sqlite-utils 这个库，它让我以最简洁的方式，获得了全所未有的表达力。]]></description><category></category></item><item><title><![CDATA[UV & Pydantic：重塑 2026 Python 工程化基石]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/156241182</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/156241182</guid><author>hbaaron</author><pubDate>Thu, 25 Dec 2025 07:30:00 +0800</pubDate><description><![CDATA[2026年量化技术趋势前瞻：Python工程化基石重构 本文展望了2026年量化交易领域的两项关键技术革新：依赖管理工具uv和数据校验框架Pydantic 2.0。uv作为Poetry的强力竞争者，采用Rust语言开发，具备操作系统级管理能力，通过零拷贝技术和优化算法显著提升了Python环境构建和依赖解析速度。Pydantic 2.0则解决了量化系统中数据类型不一致的痛点，提供了规范化的数据校验机制，支持复杂的数据转换场景。这两项技术共同构成了新一代量化系统的底层支撑，为策略开发、数据处理等上层应用提供了]]></description><category></category></item><item><title><![CDATA[不只是另一个轮子，AlphaSuite还带来了CANSLIM模型的提示词]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/151768149</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/151768149</guid><author>hbaaron</author><pubDate>Wed, 17 Sep 2025 00:24:14 +0800</pubDate><description><![CDATA[AlphaSuite，又一个开源量化新项目。不过，这个轮子至少引入了 CANSLIM投资模型，也为我们使用 LLM 进行投资分析打了个样]]></description><category></category></item><item><title><![CDATA[02 - 用tushare玩转月线回测：复权与本地缓存的秘密武器]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/150425918</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/150425918</guid><author>hbaaron</author><pubDate>Sat, 16 Aug 2025 07:30:00 +0800</pubDate><description><![CDATA[本篇聚焦月线策略回测的『数据难题』，揭秘如何通过 tushare 高效获取、复权行情数据并实现本地缓存，彻底解决Alphalens在月线回测上的短板。跟随实战案例，掌握复权原理与缓存技巧，为复杂研报复现打下坚实基础。]]></description><category></category></item><item><title><![CDATA[『量化人的概率 03』PDF is all you need]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/150033750</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/150033750</guid><author>hbaaron</author><pubDate>Fri, 08 Aug 2025 00:30:16 +0800</pubDate><description><![CDATA[当小球在高尔顿板上穿梭，神奇地绘出正态分布曲线时，你是否想过这背后隐藏着怎样的数学奥秘？从概率密度到期望值，从离散到连续，这篇文章将带你揭开随机世界的神秘面纱。想知道如何用积分计算抄底成功率吗？准备好，数学的魔法即将开始！]]></description><category></category></item><item><title><![CDATA[『Moonshot is all you need』01 - 5分钟上手极简回测框架]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149973256</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149973256</guid><author>hbaaron</author><pubDate>Thu, 07 Aug 2025 07:30:00 +0800</pubDate><description><![CDATA[本文介绍如何从零开始构建一个基本面策略回测框架Moonshot，适用于月度调仓策略。文章以中金2023年研报策略为例（年化收益29%），详细讲解实现步骤：1）将日线数据重采样为月频；2）添加因子并转换为股票池标记；3）计算基准收益（所有股票）和策略收益（股票池内）；4）使用Quantstats生成回测报告。该框架特点包括：按月调仓、模块化设计、简单易用，核心类Moonshot实现了数据重采样、因子整合和收益计算等功能，适合初学者理解回测原理。]]></description><category></category></item><item><title><![CDATA[除了编程，量化人还能怎么用 AI？]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149943047</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149943047</guid><author>hbaaron</author><pubDate>Wed, 06 Aug 2025 07:30:00 +0800</pubDate><description><![CDATA[当量化人面临信息过载的困境时，AI悄然成为破局关键。从Grok的私人定制资讯，到豆包和NotebookLM将研报秒变播客，再到TradingAgents项目——一个能模拟真实交易团队、年化收益提升30%的神秘框架。这个由UC伯克利开发的多智能体系统，究竟如何让一个人拥有整个交易团队的决策能力？]]></description><category></category></item><item><title><![CDATA[『量化人的概率知识 02』从赌场游戏到数学家们的战争]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149812315</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149812315</guid><author>hbaaron</author><pubDate>Fri, 01 Aug 2025 07:30:00 +0800</pubDate><description><![CDATA[从赌场游戏到数学家们的战争，概率论如何摆脱直觉的束缚？柯尔莫哥洛夫的公理化革命，让微积分成为概率论的新武器，彻底改写了我们对随机世界的理解]]></description><category></category></item><item><title><![CDATA[量化面试神题：圆上随机点的概率陷阱]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149583285</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149583285</guid><author>hbaaron</author><pubDate>Thu, 24 Jul 2025 07:30:00 +0800</pubDate><description><![CDATA[常常有人问，做量化交易需要什么样的数学基础？

不同领域的量化研究员需要数学基础是不一样的，一般是期权 > 高频 > 期货 > 股票中低频量化。

今天我们就聊聊各个领域要求的数学基础，并且以一道经典的量化面试题（来自绿皮书），介绍在概率知识上，从低级到中级，机构可能会考察哪些概念。]]></description><category></category></item><item><title><![CDATA[原作者『失联』8个月，我们接手维护后他突然回来了]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149545727</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149545727</guid><author>hbaaron</author><pubDate>Wed, 23 Jul 2025 07:30:00 +0800</pubDate><description><![CDATA[Quantstats是非常著名的量化策略评估与可视化库。从2024年底起约8个月里，它没有得到积极的维护，出现了在Python 3.12以上，完全无法运行等严重bug。

好消息是，最近一周，原作者 Ran Aroussi 已经恢复了对这个库的维护，并且一口气连发了5个版本（从0.0.64到0.0.68）。]]></description><category></category></item><item><title><![CDATA[『译研报04』 年化25%的策略到底有没有翻车？]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149545661</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149545661</guid><author>hbaaron</author><pubDate>Tue, 22 Jul 2025 19:40:16 +0800</pubDate><description><![CDATA[LLT均线策略回测结果好到难以置信，年化收益竟达25%！但当我们用显微镜审视每个细节时，发现了隐藏的致命陷阱：未来数据泄露、信号对齐错误、交易成本设置不当...这些看似微小的技术细节，正是导致『回测买地球、实盘亏成狗』的真正元凶]]></description><category></category></item><item><title><![CDATA[Z变换改造均线，一个12年前的策略为何仍能跑赢大盘？]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149407201</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149407201</guid><author>hbaaron</author><pubDate>Thu, 17 Jul 2025 07:30:00 +0800</pubDate><description><![CDATA[2013年广发证券发布的LLT策略，至今仍能在A股获得345%累积收益和1.33夏普比率？这个借鉴信号处理理论的"低延迟趋势线"究竟有何神奇之处？当传统30日均线陷入"平滑与延迟"的两难困境时，LLT如何通过二阶滤波器实现鱼与熊掌兼得？一个α参数的微调，为何能让策略在11年后的市场中依然保持强劲表现？]]></description><category></category></item><item><title><![CDATA[『匡醍译研报 02』 驯龙高手，从股谚到量化因子的工程化落地]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149124119</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149124119</guid><author>hbaaron</author><pubDate>Sat, 05 Jul 2025 07:30:00 +0800</pubDate><description><![CDATA[上一期文章中，我们复现了研报的因子构建部分，分别是影线因子、威廉影线因子以及由此组合而来的 UBL 因子。这一期我们将对这些因子进行检验。
因子检验固然是因子挖掘中必不可少的一环，但它应该是一个 routine 的工作 -- 我们不应该每次都重新发明轮子。然而，当我们使用Alphalens 来进行因子检验时，令人尴尬的事情发生了。]]></description><category></category></item><item><title><![CDATA[『匡醍译研报 01』 驯龙高手，从股谚到量化因子的工程化落地]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/149020839</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/149020839</guid><author>hbaaron</author><pubDate>Mon, 30 Jun 2025 13:03:40 +0800</pubDate><description><![CDATA[头上三柱香，不死也赔光。这是一句股谚，说得是如果在高位出现三根长上影线，那么股价短期内很可能会下跌。因为上影线代表了上面的抛压特别大。这种说法能得到统计数据上的验证吗？来自东吴证券的一份研报，就讨论了这个问题。]]></description><category></category></item><item><title><![CDATA[对抗噪声！基于强化学习的量化交易策略实战]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/148921188</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/148921188</guid><author>hbaaron</author><pubDate>Thu, 26 Jun 2025 11:18:52 +0800</pubDate><description><![CDATA[与监督学习不同，强化学习不会在每一步都只接受标准答案，它会尝试、忍受短期的损失，博取长期的收益。这就使得它有了对抗金融数据噪声的能力。奖励是强化学习的灵魂。我们可以直接把投资组合的收益率作为奖励。在监督学习中，损失函数是其核心，但我们却无法把收益率作为损失函数。]]></description><category></category></item><item><title><![CDATA[曾经叱咤10余年的RSRS因子，现在怎么样了？]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/148723513</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/148723513</guid><author>hbaaron</author><pubDate>Wed, 18 Jun 2025 21:14:31 +0800</pubDate><description><![CDATA[RSRS 因子在 2005 年 3 月到 2017 年 3 月的上证 50 指数上，12 年总收益 **1432.36%**，年化 **24.84%**，夏普 1.42。同期指数收益仅为 290.13%。

该指标的大致思想是，将每日最高价与最低价分别视为阻力位与支撑位，把给定周期下线性回归拟合得到的斜率作为因子。斜率越陡，表示市场强度越强。

本文复现了 RSRS 因子，可运行的完整代码和数据在我们的研究平台中提供。如果你关心它的最新表现，或者任何一段时间的表现，只需要自己修改时间参数运行即可得到答案。]]></description><category></category></item><item><title><![CDATA[Quantstats Reloaded: 一度坏掉的quantstats，我们带来了更新]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/148723678</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/148723678</guid><author>hbaaron</author><pubDate>Wed, 18 Jun 2025 19:36:52 +0800</pubDate><description><![CDATA[Quantstats 是一款用于交易策略绩效分析的 Python 库，深受量化圈用户喜爱，在 Github 上获得了超过 5.8k 的 stars。但很遗憾，由于原作者长期未维护，现在新安装的 Quantstats，尤其是在 Python 3.12 及以上高版本中，几乎无法运行。

我们带来了更新。]]></description><category></category></item><item><title><![CDATA[把研报『翻译』成代码，80%的工作都在这篇文章里讲了]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/148722951</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/148722951</guid><author>hbaaron</author><pubDate>Wed, 18 Jun 2025 07:30:00 +0800</pubDate><description><![CDATA[如何读懂并复现研？这是我们学员提出来的一个问题。

读懂并复现一篇研报，在理解研报的核心思想之外，看懂高频常用术语（行话、俚语）、实现概念到代码的转换、懂得如何获得数据是占 80%的常规工作。在上一篇《RSRS 择时指标》中，我们的重点在于复现策略本身。这一篇文章，我们重点介绍如何『翻译』研报。]]></description><category></category></item><item><title><![CDATA[量化金融人都在看哪些顶刊]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/140897384</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/140897384</guid><author>hbaaron</author><pubDate>Sat, 03 Aug 2024 21:35:25 +0800</pubDate><description><![CDATA[精选了 7 种量化金融人都在看的顶刊，从最经典的有效市场假说理论，到最新的关于加密货币的研究，都发表在这些期刊上。]]></description><category></category></item><item><title><![CDATA[QuanTide-weekly第1期]]></title><link>https://blog.youkuaiyun.com/hbaaron/article/details/140897261</link><guid>https://blog.youkuaiyun.com/hbaaron/article/details/140897261</guid><author>hbaaron</author><pubDate>Sat, 03 Aug 2024 21:32:04 +0800</pubDate><description><![CDATA[这周我们共发表5篇文章。等两篇详细讲解了机器学习构建组合策略的框架和常见问题。这两篇文章我们也集结后，发在本文末尾。在这一期的量化工具专栏中，我们发表了。IPython是非常轻量的交互式编程工具，尽管它的所有功能都可以在Notebook中找到，但它更轻，但仍然长袖擅舞，颇有飞燕之姿。在中，我们披露了《Python高效编程实践指南》出版过程中的一些冏事。这本书会对量化人构建稳健的交易系统非常有帮助。]]></description><category></category></item></channel></rss>