trading

策略假想 -> 数据获取 -> 数据清洗 -> 构建因子 -> 单因子检验 -> 生成信号 -> 搭建回测 -> 组合优化 -> 压力测试 -> 模拟盘 -> 优化迭代 -> 模拟拟合信号

聚宽还是本地搭建？

数据分类

传统标准化数据（基本面与量价）
基本面数据: 来自财报（利润表、资产负债表）、业绩预告、分析师一致预期。衍生出估值类（PE、PB）、成长类（ROE增速）、质量类（毛利率、负债率）因子。
量价行情数据: 来自交易所的Level1/Level2行情。衍生出动量反转、波动率、流动性（换手率、买卖价差）以及资金流向（大单净流入）等因子。
宏观数据: 来自统计局、央行。衍生出利率敏感度、通胀对冲、PMI变动等宏观驱动因子。
技术指标: 人工二次合成指标，“线性”且“滞后”。在2026年的量化前沿，纯技术指标作为“阿尔法（超额收益）来源”的边际效用已经极低，因为全市场肉眼可见的指标信号早已被算法消化殆尽。

如今技术指标在量化的定位

作为“风险剥离项”: 用来过滤市场极端噪音。比如，当RSI > 90（极度超买）时，模型会主动降低该股的风险暴露权重，而非据此直接做空。
作为“非线性激活条件”: 不直接用指标值，而是用指标值的变化斜率（二阶导）。比如，布林带“收口”代表波动率即将爆发，这个“收口”的信号被用作触发高频交易的开关。
作为“机器学习输入层”: 在2026年的主流做法中，研究员往往放弃MACD/KDJ，而是直接将原始的OHLCV输入LSTM或Transformer模型。因为模型自己能从原始数据中学到比MACD更复杂、更前瞻的形态（比如“头肩顶”的神经网络抽象表达），人工设定的公式反而限制了模型的想象力。

建议:

这是为了获取信息优势，抢占机构“信息差”的核心战场（截至2026年，A股超60%的私募已引入另类数据），大卫翁某期节目也提到过该类数据。

来源是Tick级逐笔委托与成交数据，侧重于市场微观参与者的“行为痕迹”。

这不再是“读数据”，而是“让算法从数据中无中生有创造新因子”。

遗传规划（GP）: 设定基础算子（加减乘除、开方、对数、条件判断），让算法在历史海量量价数据中暴力进化，生成人类无法直观理解的“表达式因子”（例如极为复杂的嵌套公式）。
图神经网络（GNN）: 将全市场股票看作一个动态关系图谱，来源不仅是股票自身数据，更是其“邻居节点”（同行业、同概念、同机构持仓）的涨跌关联，衍生出“关联传导因子”。
大模型（LLM）隐空间因子: 将财报PDF、研报长文本直接输入大模型，提取其中微妙的语气变化（如管理层“谨慎乐观”的程度），转化为高维语义向量作为因子。

特别提醒（实战视角）:

在2026年的监管环境下，因子的“来源合规性”越来越重要。使用爬虫获取非公开数据（如非授权的APP日活）已被明令禁止。

同时，“因子失效速度”越来越快，现在的主流趋势是“源数据层”（如高频原始ORDER数据）与“算力层”结合，通过在线学习每天更新因子系数，而非固守某个静态来源。

数据: 资源有限，放弃另类数据。
- 基础行情: AKShare获取日频OHLCV、复权因子。
- 财务与资金: 新浪财经/东方财富网公开API抓取季报利润表，以及每日北向资金（陆股通）持仓和融资融券余额（这两个是官方免费公布的，且对A股定价影响极大）。
策略重心: 放弃“预测”，转向“反应”

发挥“船小好掉头”的优势:
- 主攻“价格异动+资金验证”因子: 不要看单一涨跌。重点构建“量价背离因子”（如: 收盘价创新高但成交量未放量，或上涨中主动卖单增大）。用免费的逐笔大单数据（东财Level2免费版有）计算“大单净买入占比”，日频换仓完全够用。
- 巧用“拥挤度”因子: 利用免费公开的行业ETF份额变化和龙虎榜机构席位数据。当某概念ETF份额连续3日暴增但股价滞涨时，就是极佳的“高拥挤卖出信号”，这比复杂模型更有效。
- 小资金+低换手: 构建10-15只股票的组合，每周调仓一次（而非每天），用“多因子打分”（估值30% + 动量30% + 资金流40%）。
避雷
- 剔除上市不足60天的新股和每日成交额低于3000万的股票
- 不预测绝对涨跌，只计算个股在全市场4000多只股票中的强度排名（前10%强）
- 避开“未来函数”陷阱，只使用历史数据训练模型，不使用未来数据。

北向资金

北向资金，通俗来说就是“外资通过香港交易所买入A股的资金”。

虽然日均成交额只占A股总成交的10%-15%左右，但被市场称为“聪明钱”。