洞察 · Insights

量化方法论与数据工程科普(非投资建议)。

• 量化回测如何防过拟合:CPCV 交叉验证 + DSR 多重检验
  量化回测防过拟合三件套:CPCV 组合purged交叉验证、DSR(Deflated Sharpe Ratio)多重检验校正、交易成本 gate。
• 因子相关性:共线性诊断与因子去重
  多因子模型中的共线性问题:相关系数矩阵、聚类去重、正交化与「看起来很多其实就一个」的陷阱。
• A股量化因子挖掘方法论:七类因子与防过拟合验证
  因子挖掘 覆盖动量、反转、价量波动、微结构、资金流、基本面与 ML 合成七类候选,所有因子须过样本外、DSR 多重检验与交易成本 gate 方进候选池。
• LLM 辅助因子挖掘:从候选生成到严格验证
  大语言模型在量化因子挖掘中的角色:候选构造、领域知识注入、防过拟合验证全链路;LLM 加速思路,但不替代统计纪律。
• 组合优化:行业中性与风险归因
  量化组合优化中的行业中性约束、Barra 风格因子风险归因、权重分配纪律与回撤控制方法论。
• 实时风控与算法订单:量化执行层的纪律
  量化执行层的算法订单、日内止损、风控阈值与异常熔断;策略与实盘之间的最后一道防线。