共找到 17 个提示词
回测系统工程级设计：事件驱动vs向量化回测架构对比、前视偏差自动检测机制、幸存者偏差矫正(历史成分股还原)、回测"作弊检测清单"、多标的+多周期回测引擎实现(Python)。比fintech-backtest-system更深入架构层面
Carry Trade深度策略：利差收益的"冰淇淋融化"效应(汇率贬值侵蚀利息)、MXN/JPY与BRL/JPY作为经典高利差组合、套息交易的崩盘预警指标(波动率+仓位极端值)、2008/2015/2022三次Carry崩盘复盘
CTA趋势跟踪策略完整体系：海龟交易法则(20日/55日突破)在中国商品期货的应用→双均线交叉系统的参数优化→唐奇安通道(Donchian Channel)的进场与止损→ATR(平均真实波幅)在仓位管理和止损设置中的应用→多品种分散化的趋势跟踪组合构建
从零搭建量化回测系统：回测框架选型（Backtrader/Zipline/VNPY/自研）、核心模块设计（数据/信号/执行/风控/绩效）、回测陷阱避坑（前视偏差/生存偏差/过拟合）。帮你不被回测曲线骗到
金融数据获取与清洗方案：股票/基金/期货/宏观数据的免费与付费数据源对比、Python爬取模板（Tushare/AkShare/Baostock/Wind API）、数据清洗pipeline（缺失值/异常值/复权/对齐）。让数据准备从'最耗时的环节'变成'几行代码的事'
从策略思路到可运行Python代码：技术指标策略（均线/布林带/MACD/RSI）、因子策略（动量/价值/质量）、事件驱动策略。代码含注释+参数说明+回测注意事项。不是黑盒——解释每一行在做什么
公募/私募基金与资产管理面试指南: 投资理念陈述(Investment Philosophy)的构建→组合管理框架(资产配置/个券选择/风险控制/业绩归因)→常见行为面试题(Why AM vs IBD/S&T/ER)→模拟组合构建题(给定100万怎么配置)→基金公司类型与部门选择→买方面试的fit问题
量化实盘交易系统设计：OMS(订单管理系统)/EMS(执行管理系统)架构、风控前置(交易前/中/后三层风控)、宕机恢复与灾备机制(主备切换/断点续传)、券商API对接(中泰XTP/华泰xtquant).从回测到实盘的"最后一公里"
股票新手从模拟盘到实盘的完整过渡方案：为什么要先做模拟盘(验证你的方法是否有效/用零成本体验真实市场波动/建立交易习惯——跳过模拟盘的新手亏损概率>90%)——模拟盘训练三阶段(①基础期1-2个月:学会下单/撤单/条件单/看盘——关注操作熟练度而非盈亏/②验证期2-3个月:用固定策略模拟交易/每次记录交易理由/积累至少50笔交易/③考核期1个月:考核指标=胜率>45%+盈亏比>1.5+最大回撤<15%+交易纪律执行率>80%)——模拟盘的局限性(不会真实感受亏损的痛苦/滑点和冲击成本忽略/可以随意大资金/没有心理压力——所以模拟盘盈利≠实盘盈利)——从模拟到实盘的过渡(先用10%资金/3个月后如稳定盈利再加仓/1年后才考虑全仓)——模拟盘推荐平台(同花顺/东方财富/雪球都有免费模拟盘)
中国量化行业求职指南：私募量化(九坤/幻方/明法/衍复等)vs券商金工vs公募量化vs自营交易团队、技术面试准备(算法/数学/统计/金融/编程)、简历要点、薪资水平、行业趋势(2024-2025量化监管与人才需求变化)
量化投研平台选型与搭建：第三方平台(聚宽/米筐/优矿/掘金/BigQuant)对比、自建平台架构(数据层→研究层→回测层→执行层)、Docker容器化一键部署、个人/小团队/机构三种规模的平台方案.含成本和时间估算
设计量化交易策略，包含选股逻辑、择时信号和回测框架
统计套利完整方法论：配对交易选股(相关性+协整性双重筛选)、协整检验(EG两步法/Johansen检验)、价差建模(OU过程/卡尔曼滤波动态对冲比率)、交易信号生成(价差Z-score偏离)、A股配对交易实战经验
股票新手从零到独立交易的学习路线图：第一阶段:基础知识(第1-2周:股票是什么/A股交易规则/开户流程/交易软件使用)——第二阶段:信息获取(第3-4周:学会看K线/分时图/F10资料/财经新闻/公告——重点培养信息判断力)——第三阶段:分析方法(第5-8周:基础基本面:PE/PB/ROE概念→基础技术面:均线/成交量/MACD——不需要学太多指标!)——第四阶段:策略认知(第9-12周:了解不同投资风格/找到适合自己的/是短线/波段/还是长线?)——第五阶段:模拟验证(第13-24周:模拟盘执行选定的策略/积累数据/验证有效性)——第六阶段:实盘小资金(第25周起:小资金实战/持续学习/永不停止进化)——推荐学习资源(书籍:聪明的投资者/彼得林奇的成功投资——网站:东方财富/雪球/证监会官网——不建议花钱买课!)
量化策略容量测算方法论：基于换手率的容量估算(单标的容量=日均成交×可占用比例)、持仓集中度与容量关系、市场冲击模型反推容量上限、A股不同市值段策略的容量参考(沪深300组件vs中证2000组件).私募"策略容量满了"的识别信号
量化策略工程化管理：Git代码版本控制+DVC(数据版本控制)管理大数据集、MLflow/W&B(Weights&Biases)实验追踪(记录每次回测的参数/指标/模型)、策略生命周期管理(开发→模拟→小实盘→全量)、团队协作规范
量化交易成本精细建模：中国A股费率结构(佣金/印花税/过户费)、市场冲击成本估算(Almgren-Chriss模型/I-STAR模型)、滑点回归分析、小盘股vs大盘股成本差异、成本模型的回测集成与实盘校准