共找到 5 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
多维度条件选股完整方法:基本面筛选(PE<行业80%分位/ROE>15%/营收增速>10%/经营现金流为正/商誉占比<30%)→技术面筛选(均线多头排列/MACD金叉/放量突破/RSI不超买)→资金面筛选(北向持续流入/融资余额上升/大宗交易溢价/龙虎榜机构买入)→条件权重设置与排序打分→筛选结果回测验证→不同市况的筛选条件调整
量化模型过拟合系统性防范:时序交叉验证vs K-Fold的金融适用性、L1/L2/ElasticNet正则化选择、样本外测试的"净化"期设计、拒绝推断(Reject Inference)处理幸存者偏差、A股ML模型真实过拟合案例剖析
量化组合绩效归因:Brinson归因(资产配置效应+选股效应+交互效应)、Barra因子归因(行业因子/风格因子/特质收益拆解)、滚动归因与风格漂移检测。量化收益哪部分来自Alpha,哪部分来自运气——帮你回答老板的"这收益怎么来的"
散户最需要但最缺乏的止损止盈完整体系:为什么要止损(亏损10%需要涨11%回本/亏50%需要涨100%)——四种止损方法(固定比例止损:买入价-8%/技术止损:跌破关键支撑位/移动止损:从最高点回撤-5%至-10%/时间止损:买入后X天不涨就出)——三种止盈方法(目标止盈:+20%或+30%固定目标/移动止盈:跟随上涨不断上移止盈位/分批止盈:分3次在+15%/+25%/+35%卖出)——止损的心理障碍(沉没成本谬误/确认偏误/损失厌恶)——止损执行的实操技巧(条件单设置/避免盘中冲动/止损后不立即反手)