(´ﾟДﾟ`)当我终于找回我的账号和帖子，我胡汉三又回来了(｀･ω･)，没想到距离发帖已经是2年前的事情了。现在回来看自己发的帖子感触良多|-` )

(￣ｰ￣)搞点随想杂谈吧，在市场里面起起伏伏，形形色色的情况看过也经历过。只能说有一个适合自己的交易系统是非常重要的。不止一次的验证过自己主观交易水平特别菜，肥哥我啊绝对不是做主观的料。构建一个完整的交易系统又需要方方面面是一个大工程。但是要想活的久这是必需品。先从不完善的交易纪律做起，慢慢扩充。
现在散户的比例大概是66%左右，市场大部分时间也是噪声。我的交易里面是一年三倍不如三年一倍，活的久才是硬道理。

( ´_っ`)今天再来点杂谈吧，一旦有了自己的交易系统。就需要坚决地执行，不要做主观干预，哪怕是错的。如果自己的模型有问题就去改自己的模型，而不是主观修正。很多时候会看会发现模型没问题，自己主观改改错了。

今天继续讲一些修心的事情。对于经历过市场洗礼的人会发现能够坚定持有现金是一件很困难的事情。同样的，会受身边人的影响。最典型的就是身边的小白一开始入场大赚特赚，自己坚守交易纪律踏空的时候，你是否还能继续坚守？|-` )。而分批建仓的时候一波起飞，失去后续加仓的条件。你是否还能继续坚持原则不冲动接盘？
这些都是说起来容易做起来难。二级市场的神话年年都有，但是想活的久，就先远离这些神话。因为15年后神话到跳楼也就是一个爆仓而已。

|-` )今天来聊聊从别人那里爬过来的量化学习路径吧。

第一步：单因子研究框架
内容包括：
1.数据下载，增量更新，以及读取接口
2.单因子的计算框架，包括计算引擎、配置文件和因子代码模板
3.单因子回测评估框架

第二步：开发因子库
开发难度从低到高为
1.日频量价因子
2.基本面因子
3.利用分钟数据构建的日频量价因子
4.另类数据因子（分析师、舆情等，可能需要额外购买数据，成本比较高，费用一年几十万）
5.高频level数据构建因子（对硬件资源、代码能力（C++）、交易规则都有较高要求）

第三步：Barra风格课题研究
1.Barra因子的计算（和普通的因子一样，用单因子计算框架去计算）
2.Barra风格收益率与个股特质收益率的计算
3.给定一个组合，对组合进行Barra收益归因

第四步：组合优化
1.用因子库的因子+机器学习去预测股票横截面的收益率强弱
2.有了收益率强弱的预测值后，结合Barra风格，使用最优化算法得到满足限制条件的组合
（限制条件包括：1.每日换手率2.持有股票在每个行业的分布范围3.持有股票在规模等风格上的暴露值）

|∀` )自己顶一下，欢迎大家加群聊天

(´ﾟДﾟ`)突然发现上一贴还是2024年发的，25年没有好好维护。25年这一年发生的事情太多了| ω・´)不过好在有收获，顺便给自己的小群再打一个广告，有志于投身量化的可以交流

(ﾟДﾟ≡ﾟДﾟ)我去，往前翻了翻22年写的内容，这都是啥？我为啥要做这个，我咋一点印象都有没有。(*ﾟーﾟ)有一种做时光机的感觉。这就是来时路？

是不是的回窜一下记录一下感想。最近在研究polymarket的策略。对于高频策略来说还是机房和资金体量优势比算法还要重要，跟打德州一样的。而且算法也不是那么好想的，需要老老实实的去挖掘才有可能发现一些别人没去做的因子或者思路，才有可能博得一点收益。对于低频来说一方面风险和收益同源，大部分根据K线计算的指标也好，因子也罢本质还是挣情绪fomo的钱。因此必然会出现逆人性的操作阶段。因此另一方面就需要对交易系统的良好执行，可以用QMT也可以在此基础上再加入一些确认环节啊，但是不管什么方式都要保证自己是100%执行的，不完美的执行因此盈利比亏损伤害更大。最近一年跟策略新路历程的感悟又不一样了。吐槽一下碎碎念，继续干活了(=ﾟωﾟ)=

肥哥，很好奇现在ai agent的兴起对你有帮助吗

>>No.68987594 AI的帮助肯定很大咯，至少做量化是需要很多的计算机工程的。但是AI需要在人的监督下工作，不能指望AI给你一个黑盒拿去用或者AI来给你提供思路。

|∀ﾟ更新一下工作进展好了，4-6月做的polymarket的高频交易|ー` )但是受制于高频交易技术和服务器，很多高频交易的基建做不到，抢不过别人理论盈利实际亏损了。折腾了3个月无疾而终。不过也算是积攒了高频交易和web3交易开发的经验，至少还在继续积累数据库，有朝一日会用上的

|-` )继续更新帖子，最近开发类似市场热度的WRX指数也失败了，因为没有太多的超额收益。(;´Д`)之前还遇到一个未来函数的坑，还以为找到了alpha，结果去掉发现优化很小。大家还是要多多注意隐形的未来函数。这一次出现的问题就是发出信号第二天开盘交易，但是计算的热度是用的当天收盘价导致提前拿到今天收盘计算的信号产生的未来函数。还是要引以为戒。( ;´д`)

26W32 | ETF Rotation & Alpha Research
本周系统日志：

实盘环境修正：修复 ETF 停牌边缘场景与轮动执行 Bug，实盘环境就绪。

资产池与过滤机制：为解决扩充多资产标的时的“山峰买入”陷阱，引入四类过度延伸（Over-extension）过滤。

对冲成本测算：对比 QQQ Buy&Hold 与动态轮动。剥离创业板/黄金的拖累后，QQQ 长持年化收益持平，但代价是承担 4 倍的最大回撤。

因子证伪：基于溢价率与下跌家数的复合信号，回测证实无效。

左侧信号重估：“主力建仓”特征直接应用于宽基指数表现平庸（本地+JQ双边交叉验证）。目前转向行业 ETF 叠加方向 1+2 测试。

风控升维：将“浮动止损（Trailing Stop）”正式确立为策略新基准。

26W33 ｜ 样本内的圣杯与样本外的现实

本周清洗了 12 年的 ETF 申赎数据，在中证 1000 截面上跑出了一个极其漂亮的因子：滚动胜率 91.7%，ICIR 1.41。有效性评级直接拉到 A-。

写成绝对的择时规则扔进回测（2018-2025）：总收益率 +193%，最长回撤只有区区 4 天。完美的教科书级表现。

然后切到 2026 年的样本外盲测：直接吃下 -6% 的回撤。

结论：高 IC 往往是用高波动换来的。统计学上的显著，在实盘里什么都不是。最后老老实实把这个“圣杯”降级成了进场过滤条件。