全部文章

能用「均线结构 + 波动率状态」搭建一个三态分类器：趋势上 / 震荡 / 趋势下；能用 Python 实现状态识别，并把状态序列画在价格图上做可视化着色

能写出打分法的完整流水线：去极值 → 标准化 → 加权合成 → 排序取 TopN；能实现 zscore 标准化与缩尾去极值，并说清为什么每一步都不能省

能解释什么是因子（Factor）、因子暴露与因子收益；能用 Python 计算 Rank IC 序列，并解读其均值、标准差与 ICIR

能说清二八轮动的完整规则：比较池、动量口径、调仓频率、平手规则；能用 Python 实现月度调仓的轮动回测（严格无未来函数）

能说清网格交易的三个要素：价格区间、格距、每格金额；能用 Python 实现等差网格，并在模拟行情上跑出完整的成交记录

能说清均值回归的直觉，以及它成立的前提条件（震荡市 / 宽基指数 vs 趋势市）；能用 z-score 度量价格偏离程度，写出「z 低于 −1.5 入场、回到 0 出场、跌破 −3 止损」的完整规则

能说出动量效应（Momentum Effect）的直觉解释，以及它在什么环境下容易失效；能用 Pandas 实现过去 N 日收益率排序选股 / 选 ETF 的最小动量策略，并用 shift(1) 杜绝未来函数

能安装 quantstats，并用 qs.reports.html() 把一条策略收益率序列一键变成 HTML 报告文件；能把第 18 篇双均线策略的回测结果喂给 quantstats，生成报告并导出核心指标表

能用网格搜索穷举双均线参数组合，并画出「参数热力图」；能说清样本内（In-Sample）与样本外（Out-of-Sample）的区别，以及为什么样本外成绩才算数

能计算多资产日收益的相关性矩阵（Correlation Matrix），并说清「相关性低于 1 才有分散效果」的原因；；能用 to_period("M") 把交易日按月分组，实现「每月最后一个交易日收盘定目标权重、次日起生效」的月末再平衡，全程无未来函数；

能用十几行代码算出「换手频率 × 费率」对长期收益的复利侵蚀表；；能说出凯利公式 f* = p − (1 − p) / b 中每个符号的含义，并手算一个简单例子；

上一篇我们把双均线策略在 Backtrader 里跑通了，但你有没有留意到一个细节：`notify_trade` 打印的毛盈亏和净盈亏完全相等——因为那篇回测里，买卖是不花钱的。真实交易里每一次成交都要付费：券商佣金、印花税，还有更隐蔽的一项——你想按 10.00 元买，真正成交时往往已经变成了 10.01 元，这叫滑点（Slippage）。回测里不装上这两项成本，策略收益就像不加运费的商品标价，看着便宜，结账时才知道另一回事。