匡醍量化|大富翁量化

---

Table of Content

量子计算能否重构量化金融未来？

从 2010 年“闪电崩盘”的历史教训出发，本文探讨了传统计算在极端金融风险评估中的算力瓶颈。通过解读汇丰与 IBM 在量子算法交易系统上的最新突破，揭示了量子计算在组合优化、风险管理及衍生品定价中的颠覆性价值，并剖析了 QaaS（量子即服务）如何助力算力民主化。

2026-01-13

Kronos：金融K线大模型如何让交易“语言化”？

面对金融数据的低信噪比与非平稳性，通用时序模型往往力有不逮。本文深度解读清华团队推出的 Kronos 框架，揭示其如何通过二元球面量化（BSQ）将 K 线转化为“市场语言”，实现跨市场的零样本泛化，并探讨其在合成数据与策略压力测试中的颠覆性潜力。

2026-01-13

洛书投资：先验性因子与波动率等权

本文是“解读私募创始人公开采访实录”系列的首期文章。通过深度解读洛书投资创始人谢冬的采访，揭示了其区别于主流统计套利的量化核心逻辑：坚持基于经济学规律的“先验性因子”挖掘（贝叶斯派思维），以及采用“波动率等权”的科学配置体系，为投资者展示了理论驱动型量化策略的实战价值与底层哲学。

2026-01-12

量化新基建(三) - FastHTML：Python 全栈开发的终极答案

这是2026量化新基建的第三篇文章了。我们的目标是介绍2026年，要打造一个量化交易系统，你可能（应该）使用的那些技术。今天我们要介绍的是，在2026年，你该使用什么样的技术来构建量化交易系统的前端。

2026-01-11

2026量化新基建(二) - sqlite 与 sqlite-utils

对量化人来说，有一个场景，非常适合使用 sqlite： 无须安装和设置、以 pythonic 的方式进行开发，并且具有非常好的性能。但是，一直以来，我是直接使用 python 内置的 sqlite3 模块来操作 sqlite 数据库的。直到最近，我发现了 sqlite-utils 这个库，它让我以最简洁的方式，获得了全所未有的表达力。

2026-01-01

UV & Pydantic：重塑 2026 Python 工程化基石

本文将探讨两项彻底改变 Python 开发体验的技术：Astral 的 UV —— 一个旨在替代 pip、poetry、pyenv 的全能包管理器；以及 Pydantic 2.0 —— 由 Rust 驱动的数据验证与解析库。它们的结合，构成了 2026 年高性能量化系统的标准地基。

2025-12-23

打新不中，买新当如何？lightgbm 打新模型如何构建？

摩尔线程和沐曦股份这两天彻底激发了打新市场。前者中一签至少赚27万，后者中一签至少赚40万。如果中签，应该在什么价位卖出？如果不中，是否还有上车机会？机器学习模型来告诉你答案。

2025-12-18

夏普大于4的策略有多恐怖？但它为什么好得不真实？

本文通过一个回测收益异常的案例，揭示了数据标准化中常见的“前视偏差”陷阱。全局Z-score或Min-Max归一化会引入未来数据，导致模型表现虚高。文章强调了使用滚动窗口等Point-in-Time方法进行正确归一化的重要性，以避免自我欺骗，获得真实收益。

2025-11-28

关于昨天应该涨多少这件事，Tushare 和 东财还没商量好

最近在整一个适合个人使用的量化框架，数据源选择了 tushare，实时数据和交易 API 使用 QMT。在尝试一个策略时，发现该发出信号的时候，没有发出信号，于是就开始了排错之旅。这一查不要紧，发现就连最基本的每日涨跌幅数据也算不『对』了。

2025-11-24

前后复权都不对，动态复权又太贵！一文揭示策略失败的根本原因

这是所有的量化课程都不会告诉你的，基于静态复权计算出来的因子，很可能不具有时间平稳性，这意味着我们无法基于它来发现统计规律。

2025-11-21

Moonshot is all you need - 红利策略完结篇

本篇是本系列的最后一篇,运用之前的Moonshot回测框架，我们将最终完成红利策略的构建。5年回测结果表明，本策略年化达到11.6%，sharpe 高达4.55，远远超过同期沪深300.

2025-11-09

Political Alpha，跟着国会山股神去炒股

通过分析公开的国会议员交易记录，我们发现了令人惊讶的投资模式，这些数据背后隐藏着怎样的市场洞察？

2025-11-03