- 博客(9)
- 收藏
- 关注
RSS订阅原创 水母量化迎来七周年：助力个人量化交易迈入“零代码”时代
近日，国内“免编程”量化交易工具赛道的领跑者水母量化（珠海富讯网络科技有限公司）在其稳健运行的第七个年头，正式推出了全新的“策略设计面板”功能。历经七年的市场检验，水母量化以务实的技术迭代，验证了科技下沉在个人交易辅助领域的实际价值。在传统的量化交易中，策略设计高度依赖专业的编程语言，极高的技术门槛将绝大多数个人投资者挡在门外。当云端策略触发时，系统将通过微信或APP通知进行实时消息推送，确保用户随时随地掌握策略运行情况，在保障交易安全的同时，最大程度保留了自动化交易的流畅体验。是决定交易成败的基石。
2026-06-02 09:54:22
168
原创 最全的网格交易教程：策略原理、回测寻参、实战设定、收获成果
在网格交易详情页，系统将实时展示最近5个交易日内的买入卖出点，用户可以通过图形直观查询自己网格交易的套利情况，网格交易运行的情况一目了然。今天小编就带大家从网格交易原理，到如何通过回测寻找最佳参数、设置网格，再到实盘运行后的跟踪和优化，完整了解一遍部署网格交易的全流程。例如：低吸单未成交，但之后的高抛单已成交，导致套利空间消失。其核心在于：在不同的价格区间分批买入与卖出，构建“网格”结构，借助市场波动实现。后，系统才生成下一笔买卖委托，从根本上避免错配，显著提升收益稳定性与交易体验。
2026-05-26 11:19:04
410
原创 零秒打板：打板客的「光速进场」与「光速逃命」指南
早上收盘前看到一只票拉到 8%，你想着"等一下打板再进"，结果刚敲完键盘，封单已经 10 万手了。或者，你终于拿到了一只涨停股，想等着"再涨涨再卖"，一不留神炸板了，眼看着从 +10% 砸到 -5%，割都来不及。：在涨停价出现的第一瞬间完成抢单报送，用 Level-2 数据的高速行情监控 + 自定义选股范围 + 可调撤单时机，实现"人在电脑前做不到的速度"。：当涨停板封单出现松动迹象（比如超大单砸盘、封单量急速下降），系统立刻触发卖出条件，以光速报送到交易所，力求"卖在最高点"。投资有风险，入市需谨慎。
2026-05-15 16:45:45
197
原创 拆解2026年量化机构正在做的两件事：多智能体架构、算力基建
量化交易的技术底层正在发生两个关键变化：一是从单模型转向多智能体架构，将数据、策略、调度、风控等任务拆分给多个AI分工协作，提升系统稳健性；二是竞争护城河从网速转向算力，头部机构如XTX、Jane Street已投入数十亿美元建设AI算力集群，比拼模型智能而非毫秒级延迟。同时，AI并未取代研究员，而是作为“超级助理”大幅提升研发效率。尽管开源工具降低了个人入门门槛，但数据与算力的鸿沟依然存在。
2026-04-30 11:02:32
381
原创 量化私募搞“主动+量化”，到底是真需要还是追风口？
“主动+量化”是当前量化行业的热门方向，其背景是纯量化策略面临同质化严重、可解释性不足、宏观应对有限三重挑战。从技术落地看，存在人才思维差异、系统架构不适配、决策机制难定等现实困难。行业探索方向包括将主动判断规则化、构建两层决策架构、小规模实盘验证。该方向长期值得关注，但短期投入产出比不明朗，建议小步试错、务实推进。
2026-04-29 18:11:50
216
原创 量化研究的转型之路：从因子挖掘到策略架构
量化圈今年变化挺明显：AI挖因子把周期从几个月压到一周，传统研究员岗位需求也掉了两到三成。挖因子这件事AI干得更快，人的价值得转到别的地方——理解市场微观结构、做风险判断、验证AI输出、搭系统架构。别当“因子矿工”了，往“策略架构师”方向走。
2026-04-27 19:45:00
351
原创 50个弱信号 vs 1个强信号，哪个更靠谱？
前排提醒：代码是本人随手写的思路，还没跑通过，仅参考可以，但真要用的建议自己搭一遍或者跑通了再说。但你要是有10个这样的信号，IR就是0.1 × √10 ≈ 0.316，开始有点意思了。有50个的话，IR能到0.7往上。做量化的人应该都遇到过这事：好不容易挖了个因子，回测曲线漂亮得不行，一上实盘就拉胯。这就是机构的玩法：不找圣杯，靠数学把一堆“不怎么地”的信号堆成稳定赚钱的策略。假如你有一个IC=0.1的信号，单用它，IR=0.1，约等于白干。IR是你的策略表现，IC是单个信号的平均准度，N是信号数量。
2026-04-24 16:43:45
40
原创 纵观AI量化这三五年：从深度学习到大模型，技术到底变了什么？
再比如CNN，本来是用来做图像识别的，后来有人发现：把时序数据转成“图像”，CNN也能识别出一些价格形态。你给它一个任务，比如“找出A股最近一个月动量最强的三个行业”，它会自己去：拉数据 → 算指标 → 分组回测 → 输出结果。但财报里的文字、新闻的情绪、研报的观点——这些非结构化数据，传统模型处理不了。一个例子：传统方法你要手工计算“金叉死叉”，深度学习模型可能自己就学会了类似的模式，甚至发现一些人类注意不到的规律。说实话，这块还在早期，但方向很明确：从“人写代码”变成“人下指令，AI干活”。
2026-04-22 21:15:00
239
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人