回测报告上年化 80%、最大回撤 5%，看起来像是发现了圣杯。上线三个月，亏了 30%。这个剧本在量化圈反复上演，原因几乎都一样：回测本身就是错的。不是代码有 bug，而是回测的假设、数据、统计方法里藏着系统性的陷阱，让你以为策略有效，实际上只是在欺骗自己。 这篇文章把量化回测中最常见的陷阱按类型拆开：数据陷阱、统计陷阱、执行陷阱、心理陷阱。每个陷阱给出错误写法和正确写法的代码对比，最后附一张自查清单。 ...

量化投资的核心工作之一是挖掘 Alpha 因子——找到能预测资产收益的信号。传统做法依赖研究员手工构造因子表达式，或者用遗传规划（Genetic Programming）等自动化搜索方法在算子空间里暴力枚举。前者依赖人的经验和直觉，效率低但因子可解释性强；后者效率高但产出的因子往往是一堆难以理解的算子嵌套，研究员很难判断它到底在捕捉什么逻辑。 AlphaGPT（论文链接）的思路是把大语言模型引入因子挖掘的流程，让 LLM 作为因子的生成器参与进来。后续的 AlphaGPT 2.0（论文链接）进一步引入了人机协作的闭环。 ...

做量化最怕的不是策略不好，是你根本不知道策略好不好。年化收益 30% 的策略，如果最大回撤 60%，大概率你拿不住。夏普比率 2.0 听起来很牛，但如果是靠极端行情下的几笔暴利撑起来的，Sortino 一算就露馅了。 量化交易指标不是用来装饰回测报告的，是用来帮你在上线之前，判断一个策略到底值不值得拿真金白银去跑。 ...

MEDUSA 是一个针对大语言模型推理过程的加速框架，核心创新在于引入多个解码头（Multiple Decoding Heads），在一次解码步骤中同时生成多个候选输出，大幅降低推理时间。 Medusa: Simple LLM Inference Acceleration Framework with Multiple Decoding Heads ...

市盈率（P/E Ratio）是最常用的估值指标之一，反映投资者愿意为每单位盈利支付的价格。用 Python 的 yfinance 库可以很方便地获取这个数据。 ...

yfinance 是一个 Python 库，用于从 Yahoo Finance 获取金融数据。它可以下载历史行情、获取股票基本信息、分析趋势，操作简单高效。这篇教程会带你从安装到实际使用，把核心功能过一遍。 ...

D 盘突然消失是 Windows 用户偶尔会遇到的问题，原因可能是硬件连接、系统设置或分区丢失。这篇文章整理了常见的排查步骤。 ...

Windows 11 用远程桌面（RDP）连接时遇到黑屏，大概率是网卡驱动更新导致的兼容性问题。回滚网卡驱动通常能直接解决。 ...

在开始大模型创业之前，首先应该想清楚下面五个问题，否则人无远虑，必有近忧。 自ChatGPT面世以来，有两种趋势主导着初创公司和初创投资的世界，可惜这两种趋势都是错误的。首先，有一大批初创公司计划使用大模型（ChatGPT或GPT4）为已知问题提供更好的解决方案。这就像说他们正在拿一些预先烘焙的蛋糕之一，再在上面加点糖，就能使其更美味。其次，这些初创公司正在烘烤大量这些蛋糕，投资者已经开始关注糖本身的差异化——他们现在强调位于大模型之上的技术层的深度。最近一些成功融资的案例大多在宣扬糖本身拥有不同颜色、口味或质地。 ...

微软发布了Phi-2，这是一个拥有27亿参数的语言模型，展示了出色的推理和语言理解能力，在小于130亿参数的基础语言模型中表现出最先进的性能。在复杂的基准测试中，由于模型扩展和训练数据精选方面的创新，Phi-2能够匹敌或超越大约25倍更大的模型。 ...