标签: 量化
- 稀疏交易信号如何做 A/B:可观测、可回溯、可实验的量化系统交易信号本来就少,传统小流量 A/B 会把样本切得更碎。更合理的机制是六组全量 Shadow、Top2 Live、Switchback 与序贯判断。
- 量化交易的 10 个博弈指标:不是看数字,是看制约关系最大回撤、期望值、盈亏比、Sharpe、Calmar——这 10 个指标之间有很强的相互制约。提高胜率往往降低盈亏比,降低回撤往往牺牲收益。关键不是优化单个数字,而是理解取舍。
- 广告计费四视角 → 交易盈亏四视角:CPM / CPC / OCPC / OCPX 的同构映射从 CPM 到 OCPX,广告计费模型经历了四次进化。交易系统的盈亏拆解完全同构:信号级→交易级→模型驱动→深度目标优化,每一级都是在向更智能的方向演进。
- 量化交易的 AI Native 演进:从调 API 到 Agent 自主迭代量化交易的三个阶段:AI Token(用AI写策略)→ AI Enable(AI参与研发全流程)→ AI Native(Agent自主发现、验证、部署策略)。附实战演进路径。
- 量化交易一年,我学到了什么广告系统工程师转战量化交易一年的实战总结。数据驱动思维在金融市场的碰撞——策略回测、实盘调优和风控,那些交易系统和广告系统的相似之处。