Toplayer|Bird🕊️

我的量化系统经过 1 个月的迭代，从原来的 V007 版本升级到了现在的 V0301 版本。 这次重新做了一轮 3.4 年 K线回放： 回测区间：2023-01-01 至 2026-06-05 样本量：2771 笔交易 统计口径：1000U 初始资金，计入 3bps 往返手续费，使用净 PnL。 核心数据： 累计净收益：+7832.3U 累计收益率：+783.2% 年化收益率：约 +88.7% 胜率：50.4% Profit Factor：1.212 42 个月里，31 个月盈利，月度盈利率约 73.8%。 年度表现： 2023：+233.3U 2024：+1750.6U 2025：+3300.1U 2026YTD：+2548.3U 相比原始版本，V0301 少做了 126 笔交易，但净收益提升了 +1258.0U。 目前已经在 HTX 对接了最小仓位实盘，计划运行 2 周到 1 个月后再次复盘。如果实盘点位、成交和 K线回放没有明显偏差，再逐步放开仓位。 有兴趣的朋友可以点个关注或订阅。 后面如果实盘验证稳定，我可能会把部分点位放在订阅频道或 TG 群中。 仅为历史 K线回放数据，不代表未来收益。 #HTX #量化交易 #合约交易 #BTC #ETH #BNB #SOL #OpenClaw #大漠茶馆 @HTX_Global @HuobiGlobal @HTX_Molly @Xiaodu_HTX @HTX_DAO

量化交易从入门到放弃：我怎么一步步把系统重新搭起来 这周三晚上 8 点， 我会开一场 Space：（欢迎预约）teapawt.net/i/spaces/1qxvvkR… 专门聊聊： 怎么一步步搭建自己的量化交易系统。 前两天我在 全真社区以及蓝鸟会 微信群里和大家聊天， 刚好聊到了量化交易这件事。 越聊越觉得，这个题目值得单独拿出来讲一场。 后来我也专门跟 ZC @ZhanweiC 还有鸟哥 @NFTCPS 聊了下。 大家想法很一致：这个题目可以认真讲，而且值得讲透。 所以最后就把这场 Space 定下来了。 演讲嘉宾包括：@NFTCPS @ZhanweiC @rtk17025 @PWenzhen76938 @Reboottttttt @AnchorNode @No_tariff3 @hu12302 @lamerveille512 @yijiangren 这段时间我自己一直在实打实地搭系统。 边写边改，边接交易所，边补风控、回放、审计和实验层。 中间踩了不少坑，也慢慢把一些以前讲不清楚的东西，自己做明白了。 后来群里还有粉丝提到一个很现实的问题： token 不太够用。 结果 Tintin 姐 @Tintinx2021 很爽快，直接说支持一波， 赠送 500M token 给社区的伙伴们， 数量有限，送完为止。 ──── ✦ ──── 目录 01｜量化交易为什么不能只理解成“策略 + 回测” 02｜数据层：连续性、完整性与可核验性 03｜信号层之后，为什么还需要过滤与仓位控制 04｜执行层：真实交易所环境下的问题才刚刚开始 05｜保险与熔断：主系统内部必须存在的保护机制 06｜回放层：从结果展示走向过程验证 07｜审计与实验层：从“我觉得”走向“我验证过” 08｜智能体提效层：如何让 Agent 真正进入量化工作流 ──── ✦ ──── 01｜量化交易为什么不能只理解成“策略 + 回测” 外面很多人聊量化，默认都是一套很顺的流程： • 写个策略 • 接个交易所 • 跑个回测 • 看看收益 • 然后上线 流程本身没错。 问题是，真自己上手以后，麻烦根本不在这里。 真正麻烦的，是这些东西： • 数据到底真不真 • 信号能不能稳定落地 • 订单和持仓状态能不能对上 • 风险会不会在连续亏损时失控 • 出错以后系统能不能先保护自己 • 回头复盘时，系统能不能把问题说清楚 • 同一套逻辑，回放和实盘能不能尽量统一 我自己最近越做越确定一件事： 外面很多人聊的还是“策略”，但系统真要跑久，光有策略远远不够。 很多时候你以为自己差的是一个更好的信号。 做到后面才发现，差的是整套东西根本没搭起来。 ──── ✦ ──── 02｜数据层：连续性、完整性与可核验性 数据这块，我现在卡得很死。 因为只要源头有断层， 后面很多看起来很漂亮的判断，其实都站不住。 尤其做加密，这块比很多人想的“脏”得多： • 交易所接口字段不统一 • 不同周期 K 线会有缺口 • 时区不统一 • 网络抖动会丢包 • 有些边界时间点会回补、修正，甚至直接返回不完整数据 • 尾部接上了，不代表中间没有断层 这些问题如果你没处理掉， 后面信号再聪明都没用。 我自己最近花了不少时间在这些很“不性感”的事上： • 建本地 K 线仓 • 用 SQLite 做归档和验证 • 补历史数据 • 查缺口 • 修 5m / 15m 的连续性 • 验 symbol 在同一时间段内是不是完整 • 处理边界时间点的异常请求问题 这些事不会直接让曲线变漂亮。 但它会决定你后面的回放、判断、执行，到底是不是站在真数据上。 所以数据这层，重点从来不在“多”。 重点在“真”。 你至少得把这些问题想清楚： • 数据从哪来 • 连续性怎么保证 • 缺失值怎么处理 • 时区怎么统一 • 结构怎么存 • 历史仓和运行仓怎么分工 • 后面怎么供信号层、回放层和执行层稳定调用 很多人一上来就讲策略。 我现在反而觉得， 数据这一步没打牢，后面全是假动作。 ──── ✦ ──── 03｜信号层之后，为什么还需要过滤与仓位控制 信号层这块，外面最容易犯的错误，就是把“指标触发”直接当成“交易机会”。 这一步如果处理得粗， 系统会天天很热闹，天天有信号，最后质量一塌糊涂。 处理得太死，系统又会什么都抓不到。 所以我现在对信号层的理解很明确： 它负责发现机会，但不负责直接拍板下单。 也就是说， 它的工作更像是先把值得关注的东西挑出来： • 当前有没有值得看的结构 • 市场有没有出现候选机会 • 哪些区域值得继续盯 • 哪些东西只是噪音 这一步做得好，系统后面就有得选。 这一步做不好，后面全是低质量动作。 我现在越来越不喜欢那种“信号一出来就要交易”的思路。 因为系统成熟一点以后，你会发现真正重要的不是信号数量， 是候选质量。 信号层讲白了， 是先把海量噪音压掉， 留下一批值得再看一眼的东西。 但光有信号还不够。 信号后面，一定还要再过一层筛选。 因为很多系统亏，不是完全不会看方向。 而是： 把太多本来不该做的东西，也一起做了。 所以过滤这层在系统里的工作其实很朴素： • 哪些信号放行 • 哪些信号过滤掉 • 哪些结构虽然像机会，但质量不够 • 哪些方向对，但时机不对 • 哪些机会即使成立，也不值得冒这个风险 讲得更直接一点： 不是所有信号都值得成交。 再往后，就是仓位和风险。 很多人一谈交易系统， 第一反应永远是“买什么”“卖什么”。 但做到后面你会发现， 真正决定你能不能活下来、能不能稳住的， 很多时候是仓位，不是方向。 我现在越来越不接受一种思路： • 看好就重仓 • 看得更强就加更大 • 感觉不错就再上点杠杆 这在我这里都不算系统。 系统就该有系统的规则。 尤其是仓位和风险这块，必须先落地。 我现在更认同的做法，是： 先把这笔最多能亏多少算清楚。 先定义最大可承受损失， 再反推这笔单能上多大仓位。 这和“我有多看好”是两回事。 因为市场不会因为你看得很坚定，就额外奖励你。 它只会在你错的时候，一样狠狠干你。 所以仓位这块在我这里， 重点从来不是“怎么放大利润”， 而是“怎么先把自己活下来”。 再往下走， 这层最后一定会延伸到这些东西： • 风险敞口限制 • 每笔交易风险上限 • 单标的暴露控制 • 多标的同时暴露控制 • 杠杆约束 • 极端情况下的总体回撤保护 风控不是止损那一下。 它从你准备开这笔单的时候，就已经开始了。 ──── ✦ ──── 04｜执行层：真实交易所环境下的问题才刚刚开始 执行这块，外面真的低估得很厉害。 很多人回测做顺了， 就会默认自己已经把交易系统做出来了。 但真把系统接到真实交易所，麻烦才刚开始。 因为信号只是告诉你： 这里可能有机会。 执行层要解决的是： 你到底怎么把这个机会真正落地成一笔交易。 这里面不是一句“下单”就结束了。 后面一连串都是真问题： • 限价还是市价 • 挂单多久撤 • 分批成交怎么做 • 下单失败怎么处理 • 订单状态和本地状态怎么同步 • 持仓状态和本地状态不同步怎么办 • API 异常怎么办 • 网络抖动怎么办 这些事你不接真实 API，很多时候根本感受不到。 纸面上都很顺， 一进实盘环境，问题一个个就会自己冒出来。 所以我现在基本卡死一条： 信号和执行必须拆开。 信号负责发现机会， 执行负责把机会落地。 这两层如果混在一起，后面很容易乱。 而且我现在越来越坚持一点： 执行层一定要经过真实交易所环境测试。 因为很多只在回放里成立的东西， 一旦进入真实 API 环境， 马上就会暴露出： • 延迟 • 成交偏差 • 状态不一致 • 接口边界问题 • 实际风控和预期不一致 所以在我这里， “只做回放、不做真实 API 验证”，已经越来越不够了。 ──── ✦ ──── 05｜保险与熔断：主系统内部必须存在的保护机制 这层我觉得也非常重要。 以前很多人做系统， 会把保险和熔断理解成后面再补的东西。 我现在基本不这么看了。 因为你只要系统开始真实跑， 这些问题迟早都会来： • 连续亏损过多 • 市场突然异常波动 • 下单状态不对 • 持仓不同步 • API 返回异常 • 风控数据缺失 • 本地状态异常 • 保护单没有按预期挂上 这些问题里， 很多都不是“会不会发生”， 而是“什么时候发生”。 所以我现在会把这层直接内建进去。 至少系统要有这些能力： • 暂停新开仓 • 保留保护逻辑 • 等待人工确认 • 限制总风险暴露 • 在差环境里主动收手 • 在状态不可信的时候进入保护态 因为没有这层， 系统只要在一个差环境里连续做错几次， 很容易把一个本来还能修的小问题直接滚成事故。 我现在对这件事的理解很直接： 保险和熔断不是装饰，也不是外挂。 它就是主系统的一部分。 你不把它放进去， 后面很多事故只是早晚问题。 ──── ✦ ──── 06｜回放层：从结果展示走向过程验证 很多人一提回放， 第一反应就是净值曲线。 但我现在越来越不把重点放在这里。 因为一条曲线能骗你的东西太多。 回放真正值钱的地方， 是让系统在历史里尽量真实地重走一遍。 不是只看最后赚了多少。 而是看它到底怎么走出来的。 你得让它一步一步往前推： • 什么时候生成信号 • 什么时候创建订单 • 什么时候订单失效 • 什么时候成交 • 什么时候止盈止损 • 中间状态怎么变化 • 为什么某一笔被过滤 • 为什么某一笔被熔断挡住了 只有这样， 你才能真正验证这些东西： • 策略骨架是不是成立 • 参数变化到底有没有用 • 风控层到底有没有真生效 • 仓位算法稳不稳 • 成本模型会不会把结果直接压穿 还有一件事，我现在看得特别重： 回放不能偷看未来。 历史数据就该按时间往前走。 系统在那个时点能看到什么，就只能看到什么。 这个东西听起来像常识， 但真做的时候，很多人还是会不自觉地往前伸手。 一旦能看到未来，后面很多“看起来很漂亮”的结果，其实从根上就已经歪了。 所以我现在看回放， 重点早就不是曲线漂不漂亮了。 我更在意的是： 这套系统当时到底是怎么一步一步走出来的。 ──── ✦ ──── 07｜审计与实验层：从“我觉得”走向“我验证过” 我现在很不接受一种系统。 它能跑， 也能出结果。 但你问它一句： 为什么会这样？ 它答不上来。 这种系统，在我这里过不了关。 因为你后面只要开始调参数、换市场、换交易所， 这些问题你迟早都会追： • 为什么下单 • 为什么没下单 • 为什么被过滤 • 为什么被熔断 • 为什么在这里平仓 • 为什么这组参数和另一组差这么多 这些东西如果回不来， 后面的优化最后很容易就会重新掉回“靠感觉调”。 所以审计层这块，我现在抓得很紧。 我不需要它看起来多高级。 但至少要做到： • 过程能重建 • 结果能拆开 • 参数组之间能对比 • 出问题时能一路往回找到卡点 没有这层， 很多问题最后都只能变成一句： 我感觉哪里不对。 实验层这个东西，我以前也真低估过。 后来做着做着才反应过来， 没有实验层，很多所谓优化最后都会变成拍脑袋。 你太容易掉进这种状态里： • 我觉得这个参数该调大一点 • 我感觉这里再加一层过滤会更稳 • 我猜这个区间里这样改会更好 问题是，量化最不缺的就是感觉。 缺的是证据。 所以实验层在我这里， 其实就是干一件事： 把“我觉得”压回“我验证过”。 同样的数据、同样的结构、同样的区间， 只改少数几个参数， 再去看： • 胜率到底有没有变 • 交易数到底是多了还是少了 • 成本有没有降下来 • 是净值真变好了，还是只是看着更顺了 • 是结构真优化了，还是只是把出手机会硬砍掉了 这一步不花哨。 但系统后面能不能继续修、能不能继续往前走，很多时候就看它。 我现在对这事的想法已经很死了： 系统优化不能只靠灵感。 你可以先有直觉， 但后面一定得补实验秩序。 不然你改来改去， 最后很容易只是把自己说服了。 ──── ✦ ──── 08｜智能体提效层：如何让 Agent 真正进入量化工作流 智能体这层，是我最近感受最深的一块。 以前很多流程， 我都是自己硬扛： • 自己看 API 文档 • 自己搞清参数 • 自己摸返回结果 • 自己装依赖 • 自己建库建表 • 自己一层层往下接 当然能做。 但很费时间，也很费 token。 而且很多时候， 你花的不是“高价值脑力”， 是那种很碎、很烦、但又躲不掉的时间。 比如我一开始跑系统的时候， 走的就是最常见的老路： 轮巡。 每 15 分钟、每 30 分钟执行一次。 这样当然能跑。 但很多调用其实是在空转， token 就这么一点点烧掉了。 后来我把这套方式改了。 现在更偏向用订阅的方式直接拿 K 线， 再通过脚本自身启动去接管这些场景。 改完以后最明显的变化其实很朴素： • 效率高了 • token 省了 • 系统也顺了不少 再比如交易所 API 对接这块， 现在很多时候我直接把 API 丢给智能体， 后面的事情它自己就能往下走： • 自己看文档 • 自己装依赖 • 自己调用接口 • 自己抓返回结果 • 自己做初步处理 • 自己往数据库建模 所以我现在越来越认同一件事： 智能体最值钱的地方， 不是替你做最后那个判断。 它更适合先把那些特别碎、特别烦、但又必须做的底层活吃掉。 这样你自己的时间， 才能往真正关键的地方挪： • 系统结构 • 风控规则 • 实验设计 • 结果判断 • 迭代方向 ──── ✦ ──── 后面这场 Space， 我更想聊的，其实是怎么把一个量化想法，慢慢做成一套真能跑的系统。 #大漠茶馆