一只股票涨了 20%，这 20% 里有多少是因为大盘整体在涨，多少是因为它是小盘股，多少是因为它便宜？Fama-French 因子模型就是用来回答这个问题的工具。它把股票收益拆解成几个可解释的"因子"，是量化选股的基础框架之一。这篇文章从最基础的 CAPM 讲起，一步步推进到三因子和五因子模型，最后用 Python 跑一遍因子回归。 ...

量化交易不只是写策略。选错市场，策略再好也白搭。一个在美股上跑得很顺的均值回归策略，搬到加密货币市场可能因为波动率太大直接爆仓；一个在期货上赚钱的趋势跟踪系统，放到外汇主要货币对上可能一年都等不到一个像样的趋势。市场本身的规则、数据质量、杠杆结构、交易时间决定了什么策略能活下来。这篇文章从量化交易的视角，逐一拆解五大市场。 ...

CTA（Commodity Trading Advisor，商品交易顾问）是量化策略里的一个大类，核心交易标的是期货。虽然名字里带"商品"，但实际上 CTA 策略覆盖的远不止大宗商品：股指期货、国债期货、外汇期货都在射程范围内。CTA 策略分两大流派：趋势跟踪（价格涨了就做多，跌了就做空）和统计套利（找相关品种之间的价差偏离，赌它回归）。这篇文章从分类讲起，两条线都覆盖，各附 Python 代码。 ...

配对交易（Pairs Trading）的核心逻辑很简单：找两只"走势应该同步"的股票，当它们的价差偏离历史常态时下注回归。做多价格偏低的那只，做空价格偏高的那只，等价差收敛后平仓获利。不赌大盘方向，赚的是两只股票之间的相对定价回归。 ...

同一个策略，仓位 10% 和仓位 50%，长期下来可以是稳定盈利和账户归零的区别。选股、择时、因子设计都是在回答"买什么"，仓位管理回答的是"买多少"。凯利公式（Kelly Criterion）是这个问题的数学最优解。 ...

调参数，看 Greeks 怎么变。基于 Black-Scholes 模型，支持一阶Greeks（Delta、Gamma、Theta、Vega、Rho）和二阶Greeks（Vanna、Charm、Volga）。拖动滑块，曲线和数值实时更新。 公式和直觉解读见期权Greeks完全指南，二阶Greeks见Vanna、Charm、Volga 详解，实战应用见Greeks实战。 ...

这是 Alpha 101 系列的最后一篇。流动性与复合因子有 23 个，是五类里公式最复杂的一组：嵌套层数多、用到 decay_linear 和 IndNeutralize 的频率最高、条件判断也更复杂。 但复杂不等于难理解。拆到底层，它们讲的还是同一个故事：跟着聪明钱走。 第一篇建立了分类框架，前三篇分别讲了量价背离、动量反转和波动率与日内结构。这篇在拆解 4 个经典因子之后，还会讨论怎么把 101 个因子从"单因子研究"推进到"因子组合"。 ...

Alpha 101 里有 11 个波动率因子和 12 个日内结构因子。这两类放在一起讲，因为它们共享同一组原始数据（open, high, low, close, vwap）和相似的经济直觉：从价格的"形状"而非"方向"中提取信号。 第一篇介绍过基本框架，这篇挑 5 个经典因子拆解。 ...

动量和反转听起来是对立的两件事：动量说"涨了还会涨"，反转说"涨多了要跌"。Alpha 101 里有 23 个因子属于这一类，它们的精妙之处在于不是无脑选边站，而是用不同条件来判断当前该跟动量还是做反转。 第一篇讲过这类因子的大框架。这篇挑 5 个经典因子，拆解公式里的条件判断逻辑。 ...

量价背离是 Alpha 101 里数量最多的一类，有 32 个因子。上一篇讲过，核心逻辑就一句话：价格和成交量应该同步，不同步的时候有交易机会。 这篇挑 5 个经典因子，把公式拆到底层，看看 WorldQuant 是怎么把"量价关系"这个古老的技术分析概念变成可计算的信号的。 ...