finance

A collection of 82 posts
Deep Research

进阶/高级量化交易学习:Top 25 算法交易 YouTube 频道清单

目录 1. 执行摘要 2. 如何使用这份清单 3. 频道清单 4. 反套路评分表 5. 两周计划 6. References 更新说明(2026 年 7 月): 这份清单最初整理于 2025–2026 年初,聚焦进阶/高级算法交易学习资源。随着 2026 年量化生态的发展——Python 生态更成熟、自动化回测平台普及、AI/ML 深度融入交易策略开发——大部分推荐频道仍然高质量,但新增了一些值得关注的创作者和社区。建议在学习过程中结合最新的平台更新(如 QuantConnect 的新功能、TradingView 的 Pine Script V6 等)一起使用。 如果你在 YouTube 上搜"
7 min read
Deep Research

StrategyQuant X 兼容的期货与外汇 Top 50 量化策略(综合评述)

为帮助日内与波段交易者,我们整理了 50 个经过验证的量化策略(以简单的规则逻辑为主),并且这些策略可以在 StrategyQuant X 中进行可验证回测。下方每个条目都会概述:策略逻辑、关键技术指标、典型市场/品种、时间周期,以及绩效摘要(Profit Factor、夏普比率、最大回撤、总收益或胜率)。在详细描述之后,我们提供一张汇总表便于快速查阅。 趋势跟随策略(Trend-Following Strategies) 1. 均线交叉(Moving Average Crossover): 经典趋势跟随方法:快均线上穿/下穿慢均线作为入场与出场信号。指标: 简单移动平均(SMA,例如 50 日与 200 日)。市场: 常用于股指(如标普 500 E-mini)与主要外汇对(
45 min read
Deep Research

算法交易的量化架构:用进化式搜索与鲁棒性测试构建可存活的期货/外汇策略

在期货与外汇这样高流动性、强噪声、结构复杂的市场里,“写一个指标策略”远远不够。真正决定策略能否上线存活的,是一套工程化的量化架构:从策略生成、筛选、验证,到组合构建与退役机制。 本文基于 StrategyQuant(含其文档/博客与相关资料)所总结的流程与经验,提炼出一套可复用的研究框架:如何用“进化式策略合成 + 多阶段鲁棒性测试 + 低相关组合 + 客观退役规则”来提高策略的长期胜率。 Executive summary(要点速读) * 从“假设驱动”转向“搜索驱动”:用遗传进化/自动化搜索在巨大的条件空间里生成候选策略,然后靠严格验证而不是靠漂亮回测。 * 简单往往更稳健:大规模策略分析表明,规则复杂度适中的策略(例如 4–6 条规则)在真正样本外阶段的表现往往优于复杂策略;复杂度过高通常是过拟合。 * 样本外(OOS)与压力测试是生死线:IS/OOS 拆分、Walk-Forward、
10 min read