Quantitative Framework

量化实战·教学综合框架
（去错 · 去重 · 规整版）

综合素材：3 篇实战故事化讲解（因子降维 / AI 自进化框架 / 模拟盘进展）+ 16 步量化教学卡片（含视频截图）。处理方式为去除事实错误、公式错配与重复项，保留可用结构，规整为「可行性高的量化入门→实战」框架。

示例数据多为 A 股（akshare / 000001.SZ）；实盘跑的是币安加密，两线需区分或注明「以 A 股为例」。

〇、结论先行（一页纸）

两大价值：① 故事化叙事能力强（因子降维 PCA 故事是教学金标准）；② AI 自进化框架有工程创意（假设→编码→回测→复盘→知识库→外循环）。
三类硬伤：概念错误（夏普=盈亏）、公式错配（16 步里 14 步错）、数字与时间线混乱。
可行性最高的用法：把 16 步当「正确骨架」，填对公式，融合 AI 自进化 + PCA 降维思维，严格补上样本外隔离 / 成本模型 / 代码验证，再谈上实盘。

一句话：不缺想法，缺的是「把对的东西放对位置，把错的东西删掉」。

一、去错清单（必须改）

1.1 概念错误

错误说法	正确说法	影响
夏普 0.3 = 亏损	夏普 0.3 通常年化收益为正（无风险利率≈0），只是风险调整后收益低	误导新手把「低夏普」当「亏钱」
总收益三十九、年化二三十	1万→1.3万 = 总收益 30%（非 39%），一年半复利年化 ≈19%（非二三十）	数字虚高，夸大策略表现
回撤 = 回测	回撤（drawdown）是最大亏损幅度；回测（backtest）是用历史数据验证	术语混用，专业度受损
模拟盘正收益 = 策略有效	加密高波动下，2–10 天正收益≈噪声，需 ≥1 个完整市场周期验证	新手易上头加仓，被 short squeeze 清空

1.2 公式错配（16 步全表）

步	主题	原公式（错）	正确公式	处理
1	安装 Python	标准差 σ	—	删
2	安装量化库	OLS 系数 β	—	删
3	获取 API	信息比率 IR	—	删
4	连接数据源	正态分布积分	—	删
5	获取行情	attention	r_t = ln(P_t / P_{t-1})	换
6	数据清洗	交叉熵	去极值 Winsorize ±3σ	换
7	技术指标	梯度下降	MA_n=(1/n)ΣC_i / MACD / RSI	换
8	特征工程	ELBO	z=(x-μ)/σ	换
9	策略设计	协方差矩阵	sign(MA_s - MA_l)	换
10	描述策略	CAGR	—	删
11	获取代码	夏普	—	删
12	策略逻辑	softmax	均线差 MA5-MA20 上穿 0	换
13	回测参数	正态分布密度	成本模型净收益=毛收益-Σ成本	换
14	回测分析	困惑度 PPL	CAGR + 夏普 + MDD	换
15	模拟盘验证	IR	保留 IR（或换夏普）	留
16	实盘部署	凯利 EV	保留凯利 f=(bp-q)/b	留

1.3 数字与时间线

「从八号开始跑」与开头「稳定运行两天」矛盾（到 9/18 应是 10 天）——发稿前统一。
步骤 14 写「年化 +15.23%」与口述「年化二三十」不一致——标注为示例数据或统一。
卡片讲 MA 趋势（金叉/死叉/仓位 20%/止损 5%），实跑「均值回归做空山寨币」——两套逻辑，需注明。

二、去重清单

重复项	出现位置	处理
正态分布	步骤 4（积分=1）+ 步骤 13（密度函数）	步骤 4 删，步骤 13 换成本模型
信息比率 IR	步骤 3 + 步骤 15	步骤 3 删，步骤 15 留
步骤五图片	两张完全相同	保留一张
策略类型混淆	MA 趋势 vs 均值回归做空	分两条线：教学用 MA 趋势，实战用自进化策略

三、借鉴保留的优点

故事化叙事（最强资产）：因子降维 PCA 故事（120→15→5，夏普 0.3→0.6→1.4）结构完整、有情绪钩子，是量化教学 IP 的金标准素材。
16 步流程骨架：环境→数据→指标→特征→策略→回测→模拟→实盘，逻辑链完整，适合做系列短视频。
AI 自进化框架（工程创意）：假设生成→编码→回测→复盘→知识库积累→外循环无人进化，是 auto-ML-for-trading 的雏形，差异化卖点。
模拟盘验证 + 风险底线：小资金试运行、设止损上限、勿全仓——专业底线，必须保留并前置。
分批止盈止损 + 追踪止损：结构合理，实盘可用。

四、规整后的可行性量化框架（融合版）

把 16 步当正确骨架，填对公式；可选嵌入 PCA 降维思维与 AI 自进化模块（但必须加样本外隔离）。

阶段一：环境与数据（步骤 1–6）

1 安装 Python 无公式
2 安装量化库（pandas / numpy / matplotlib / akshare / backtrader）无公式
3 获取 DeepSeek API 无公式
4 连接数据源（akshare / tushare / baostock）无公式
5 获取行情 → r_t = ln(P_t / P_{t-1})
6 数据清洗 → Winsorize ±3σ 去极值 + 缺失值处理

阶段二：策略构建（步骤 7–12）

7 计算技术指标 → MA_n=(1/n)ΣC_i / MACD=EMA12-EMA26 / RSI
8 特征工程 → z=(x-μ)/σ
9 设计策略思路 → sign(MA_short - MA_long)，金叉买入 / 死叉卖出
10 向 LLM 描述策略无公式，给提示词模板
11 获取策略代码无公式，给函数骨架
12 理解策略逻辑 → 均线差 MA5-MA20 上穿 0

阶段三：回测（步骤 13–14）

13 配置回测参数 → 成本模型净收益 = 毛收益 - Σ(手续费+滑点+费率)
14 执行回测分析 → CAGR=(V_t/V_0)^(1/t)-1 + 夏普 + MDD

可选嵌入 PCA 降维思维：多因子先跑 PCA，看累计解释方差，确认「独立维度」数量，避免因子冗余（呼应因子降维故事）。

阶段四：验证与上线（步骤 15–16）

15 模拟盘验证 → IR（评估稳定性 / 滑点 / 参数鲁棒性）
16 实盘部署监控 → 凯利 f=(bp-q)/b，并严格执行：小资金试运行 / 止损上限 / 切勿全仓

融合模块（进阶）

PCA 降维思维：因子冗余检查，先问「这个因子说的是新事还是旧瓶新酒」。
AI 自进化模块：保留假设生成 + 知识库，但必须把进化循环关在 train 区间，test 区间只验证不回写（解决过拟合）。

五、详细总结分析

5.1 内容层（做 IP / 教学）

优势：叙事感染力极强，16 步骨架清晰，AI 自进化是稀缺差异化题材。
风险：公式错配会让懂行观众一眼判「不专业」，抵消全部叙事努力；概念错误（夏普=盈亏）会误导粉丝。
修正后可行性：高。按第四节填对公式 + 去重，是一套可发布的优质量化入门系列。

5.2 实战层（真实系统）

风险	说明
核心过拟合循环	432 个版本「看回测→改假设→调参→再回测」，是教科书级 data snooping；274 号是从 432 个 in-sample 版本里挑的「最好」，自带幸存者偏差。模拟盘短期正≠策略有效。
成本缺失	做空山寨币要持续付 funding rate，牛市费率吞收益；回测未含，实盘必亏。
样本外隔离缺失	进化循环全程 in-sample，无 walk-forward。
LLM 代码风险	1000+ 行 AI 写的策略直接接盘，无单元测试 / replay 验证，bug 会被模拟盘「学习」成正常亏损。
指标缺失	只报收益，无夏普 / 最大回撤 / 胜率分布。

5.3 上实盘四道门槛（最低门槛）

样本外隔离：留一段从未参与进化的数据，274 号在其上只验证不调。
成本模型：模拟盘手动计入 funding + 滑点 + 手续费，或用真实费率回放。
代码 replay 验证：每日比对「理论信号 vs 实际成交」，抓前视偏差 / 止损失效等 bug。
风险指标：补夏普、最大回撤、胜率、单笔分布，缺一不可。

5.4 可行性评级与路线图

阶段	动作	周期	可行性
内容修正	按第四节重配 16 步公式、去重、统一术语	1–2 天	★★★★★
框架加固	AI 自进化加样本外隔离 + 成本模型	1–2 周	★★★★
模拟长跑	≥3 个月覆盖不同行情 + 真实成本	3 个月+	★★★
实盘前置	四道门槛全过 + 小资金试运行	视验证结果	★★（当前未达）

六、行动清单（可执行）

立刻做（内容）

16 步卡片按第四节重配公式，删掉 7 个工程步骤的公式框
去重：正态、IR、步骤五重复图
统一术语：回测≠回撤、A 股示例 vs 加密实盘、时间线
因子降维 PCA 故事原样保留（已是优质素材）

中期做（框架）

AI 自进化循环加 train / test 隔离
回测接入成本模型（含做空费率）
策略代码加单元测试 + 每日信号哨兵

长期做（实盘）

跑满 ≥3 个月模拟盘 + 真实成本
补夏普 / 回撤 / 胜率指标
小资金试运行，设止损上限，切勿全仓

七、部署到腾讯云（下一步）

部署 = 只换运行环境，不解决上述任何策略问题。7×24 自动下单反而会把 LLM 代码的 bug 放大，且真实资金一旦进场，任何「未修复的 bug / 未做的风控」都会直接变成亏损。

机位选择：新加坡节点（43.156.175.60）连币安延迟低、访问正常，优于阿里云北京节点。
API 安全：只开交易权限、关闭提现、绑定服务器 IP 白名单。
资源：2C2G 已跑多个项目，需先核查内存余量；回测与交易进程建议分离 / 错峰。
风控熔断：单笔仓位上限 + 每日最大亏损熔断 + 进程崩溃告警（企业微信 webhook）。
隔离：Docker 或独立 venv，避免与现有项目依赖冲突。