把交易想法
写成可回测的代码

因子研究 8月 22 日·12 分钟

动量因子的三种构造方式，哪一种在 A 股还有效

同一个想法用收益率排序、残差动量和路径调整动量分别实现，回测差异比想象中大得多。

px.pct_change(20).rank(pct=True)

数据工程 8月 15 日·9 分钟

复权、停牌与退市：把行情数据洗干净的清单

六个最常见的数据陷阱，以及每一个对应的检查代码。跑完这份清单再开始建模。

df.groupby('code').ffill(limit=5)

组合优化 8月 9 日·15 分钟

用 cvxpy 做带约束的权重优化

行业暴露、单票上限、换手预算写成约束条件，比事后截断干净得多。

cp.Problem(cp.Maximize(mu @ w))

风控 8月 2 日·11 分钟

回撤控制到底该放在信号层还是仓位层

两种做法在同一份历史上的对比，以及为什么波动率目标法更容易过拟合。

vol_target / rolling_vol

执行 7月 26 日·8 分钟

把回测成本模型校准到真实成交回报

从券商流水反推冲击成本系数，让回测和实盘的差距落在可解释范围。

slippage = k * (q / adv)**0.6

因子研究 7月 18 日·13 分钟

IC、IR 与分组单调性：因子体检的最小集合

三个指标各自会漏掉什么，配一张能直接复用的评估函数。

ic = f.corrwith(ret.shift(-1), axis=1)

数据工程 7月 11 日·10 分钟

用 Parquet 存分钟线：分区、压缩与读取速度实测

按日期分区还是按标的分区，zstd 还是 snappy，一份 3 亿行分钟线上的实测对比。

pq.write_to_dataset(tbl, partition_cols=['date'])

风控 7月 4 日·12 分钟

波动率目标法的三个陷阱，以及怎么把它调稳

估计窗口、杠杆上限和调仓频率，任何一个没设好都会让它在极端行情里放大亏损。

w * (target_vol / ewm_vol).clip(upper=2)

执行 6月 27 日·9 分钟

TWAP 与 VWAP 之外：把执行拆成时间片和价格带

固定节奏的算法在流动性突变时最吃亏，加一层价格带条件能省下不少滑点。

child = base * (1 + beta * (vwap - px) / spread)