Alpha-Online
基础概念

常见疑问

关于 Alpha101、量化交易与本系统的高频问题汇总。

Alpha101 都公开了,还有用吗?

有用,但不是因为单个因子还能赚钱。

公开因子的单因子 Alpha 确实在持续衰减(因子拥挤)。Alpha101 的价值在于它提供了 101 个结构统一、数据依赖简单、可批量评估的因子原料。系统的核心竞争力不在于某一个因子,而在于持续生产、测试与淘汰因子的工程能力

换句话说:Alpha101 是练兵场,不是终极武器。

回测结果好看,实盘就能赚吗?

大概率不能直接复制。回测与实盘之间至少有三道鸿沟:

  1. 交易成本被低估 —— 回测里的连续权重到了实盘变成整股离散化,粉尘持仓调仓频率不一致都会放大摩擦。
  2. 未来信息泄露 —— 回测中一个不小心的 shift 就引入了未来函数,实盘里不存在这份「先知」。
  3. 路径不一致 —— 回测和实盘如果不是同一套代码,跑出来的结果就是两个策略。

本系统的三条不变量就是为了缩小这三道鸿沟而设计的。

我没有编程基础,能学吗?

本手册的基础概念踩坑复盘不需要编程基础,重点是理解量化系统的设计逻辑和典型陷阱。

系统手册里有源码地图和代码片段,适合有 Python 基础的读者。如果你正在学习编程,这套系统(约几千行 Python)是一个不错的实战项目参考。

为什么选美股而不是 A 股?

两个实际原因:

  • 数据可得性:Alpaca 提供免费的美股日频数据 API,A 股同等质量的数据通常需要付费。
  • 交易门槛:Alpaca 支持 Paper Trading(模拟盘),可以零成本验证策略。

方法论本身不限市场——因子计算、截面排序、回测引擎的逻辑对 A 股同样适用,只需替换数据源和交易接口。

这套系统能直接拿来用吗?

代码仓库是私有的,本站是方法论与经验的公开分享。

如果你想自建类似系统,本站提供的是设计蓝图和避坑指南,而非开箱即用的工具。你可以参照系统手册的分层设计自行实现,也可以直接从踩坑复盘里汲取教训,避免重复踩坑。

还有问题?

如果你在阅读过程中遇到未解答的疑问,欢迎通过页面底部的反馈功能提出,我们会持续补充到这里。

On this page