量化

维克兜率天

【维克】配对交易的季节性：哪些品种适合长拿？逻辑无懈可击——两只动力煤龙头，主营业务高度重叠，协整检验p值低于0.01，价差的半衰期只有3天。过去两年的回测数据漂亮极了：年化收益12%，最大回撤不到5%，夏普比率超过2.0。

I Am a robert girl

STEPQuant：Delta-Rule 循环状态量化中，误差何时何地才真正致命从今天觉醒,技术赋予每一个人数字生命当你把一个聊天模型部署成服务时，最先撞上的墙往往不是算力，而是显存。传统 Transformer 的注意力机制需要一个随序列长度线性增长的 KV Cache——上下文越长，缓存越大。线性注意力（Linear Attention）及其变体用固定大小的**循环状态（recurrent state）**替代了这份不断膨胀的缓存，把内存占用从 O(n) 压到 O(1)，这在长上下文并发服务场景里几乎是救命稻草。

llama.cpp 部署 Qwen3.8-27B：无独显轻薄本实测一提本地部署大模型，很多人的第一反应就是得先买张四五千的显卡。我原来也这么想，直到把天天背去上班的ThinkBook 14翻开，折腾三个晚上，硬是把一个270亿参数的模型跑起来了。

维克兜率天

【维克】价差交易实战：配对交易的核心参数设置听起来很简单。但实际上，很多配对交易者都踩过同一个坑：协整检验通过了，价差看起来也很稳定，但策略上线就是亏钱。

维克兜率天

【维克】弹性策略：用“乖离率“捕捉超跌反弹在量化交易的指标体系里，有一类指标特别"亲民"——你不需要学微积分，不需要跑回归分析，只需要一根均线和一次减法，就能算出来。

维克兜率天

【维克】均值回归：跌多了会涨，涨多了会跌在量化交易的所有策略流派里，均值回归可能是最"反直觉"的一个。为什么这么说？因为大部分新手接触交易的第一反应都是"追涨杀跌"——看到涨了就想买，觉得它会继续涨。这是人类的本能，也是动量策略的心理基础。但均值回归告诉你：恰恰相反，涨多了该卖，跌多了该买。价格偏离越远，回来的概率越大。

量化交易防止Windows电脑自动更新并重启参考:https://quantkt.com/forumDetail?id=201243用户在量化策略实盘时一般都使用的是windows系统。

维克兜率天

5.3 宏观因子：抬头看天你花了三个月。选股模型调了又调。回测跑了一遍又一遍。年化收益25%。夏普比率1.8。完美。然后——2015年6月来了。

维克兜率天

【维克】特征归一化与标准化：为什么模型对数据的“尺度“很敏感？我第一次训练机器学习模型的时候，信心爆棚。花了三天选因子。量价因子、基本面因子、技术面因子，整整选了12个。

维克兜率天

4.3.2.1 日常监控：上线只是开始上线那天你最自信。三个月后你最慌。中间那段叫"没人看"。策略上线了。你发了个朋友圈。"量化交易，启动。"

地平线智能驾驶开发者

模型量化入门：从浮点模型到低比特表示随着深度学习模型不断发展，网络结构越来越复杂，参数规模和计算量也持续增长。大型神经网络虽然能够带来更强的特征表达能力，但同时也带来了更高的存储需求、更大的计算开销以及更高的部署成本。

量化数据管道为什么会出现历史 K 线缺口？从 API 请求到数据质量的完整排查方法一句话结论：量化系统中的历史 K 线缺口往往不是单点故障，而是“API 请求—数据解析—代码映射—时间处理—缓存落库”链路中的某一环出了问题，因此应该从数据管道而不是单个接口开始排查。

五档盘口数据对量化交易有什么价值？从信号判断到策略风险的完整分析一句话结论：五档盘口的核心价值不是“多了十个价格和数量字段”，而是让量化策略能够观察最优买卖价附近的订单供需结构，从而补充仅依赖 K 线和成交数据无法直接表达的市场微观信息。

K 线数据断层会对回测造成什么影响？从一个缺失交易日看懂量化策略为什么会失真一句话结论：K 线数据断层不仅会让回测少一根数据，更可能改变收益率、技术指标、持仓周期和交易信号，因此在量化回测前必须先检查数据连续性。

数据 API 稳定性为什么会影响量化策略？从数据获取到信号执行的完整分析一句话结论：量化策略的稳定性不仅取决于因子和模型，也取决于数据 API 能否持续、正确地把行情数据送到策略系统；数据请求失败、频率超限、数据缺失或更新时间异常，都可能进一步影响信号计算和交易决策。

Python量化实战：如何检测并剔除历史数据中的“闪崩/乌龙指”异常价格点？针对“如何检测并剔除历史数据中的闪崩/乌龙指异常价格点”这一问题，一个实用的工程方案是：先使用 QuantDash 获取统一格式的历史 K 线，再通过滚动收益率、MAD（Median Absolute Deviation，中位数绝对偏差）等鲁棒统计方法识别异常价格变化，最后结合 OHLC 结构进行二次确认。

实时行情中的成交量 Volume 到底是什么？包含盘中撤单量吗？从交易数据语义到 QuantDash 实战解析实时行情中的 Volume 是包含盘中撤单量，还是仅包含实际成交股数？首先要区分两个概念：撤单不是成交，因此不能简单把撤单数量理解为成交量 Volume 的组成部分。在量化数据处理中，Volume 应当按照数据源对“成交量”字段的定义进行理解，不能把委托、撤单和实际成交混为一谈。

9:25-9:30 如何获取 A 股开盘基准价？QuantDash Python SDK 实战初始化量化策略状态在 A 股 9:25-9:30 集合竞价阶段，如果策略需要获取当日开盘基准价，可以通过 QuantDash 的实时行情接口轮询目标股票；当行情快照中的 last_price 已反映当前市场状态时，可将其作为策略初始化阶段的价格输入。

维克兜率天

4.1.3 策略类型全景图：六大策略，你适合哪个量化策略有多少种？有人说上百种。有人说上千种。扯淡。扒掉所有花里胡哨的外衣，量化策略——就六大类。趋势跟踪。

维克兜率天

【维克】技术指标是什么：从均线到MACD的数学原理量化笔记系列 · 第63篇2015年A股牛市，我一个朋友小李，刚入市三个月。他在某股票论坛上看到一个"MACD金叉必胜法"——DIF上穿DEA就买，死叉就卖。帖子里晒了十几张截图，每张都精准抄底逃顶，回测年化收益80%。