学习中心 GitHub 仓库

zh EN

量化入门
验证深潜
Arithmion 插件开发
Arithmion 使用

订单类型：市价单、限价单与成交
分散化：通过资产配置降低风险
风险管理：波动率、VaR与仓位管理
公司估值：DCF、倍数与内在价值
公司行为：股息、拆股与公司事件
供给、需求与价格形成
货币时间价值：现值、未来值与折现
机会成本、无风险利率与风险收益权衡
金融工具：股票、债券、衍生品与现金
金融监管：保护投资者与市场
金融数学：回报、百分比与增长率
利率与中央银行的作用
什么是订单簿？买方与卖方如何相遇
什么是股票？理解股权所有权
什么是股票市场？股票交易实际如何运作
什么是加密货币市场？比特币、现货与衍生品
什么是期权？以固定价格买入或卖出的权利
什么是外汇（FX）市场？
什么是衍生品？远期、期货、期权与互换
什么是债券？理解固定收益证券
市场异象：挑战市场效率的规律
市场有效性假说：你能跑赢市场吗？
市场周期：牛市、熊市与崩盘
通胀：是什么，为什么重要
信用风险与评级：理解违约风险
行为金融学：为何投资者会犯可预测的错误
一级市场 vs 二级市场：证券在哪里交易
资本资产定价模型：系统性风险与贝塔
组合理论：分散化与有效前沿
ETF、共同基金与指数基金

数学与统计

概率论
统计学
线性代数

量化交易入门

回测到底是什么？
回测撒谎的五种方式
量化交易到底是个什么东西（它不是什么）
你的第一个策略：均线交叉
你的数据是错的。下面是修法。
向量化回测 vs 事件驱动回测
Arithmion SDK 快速上手
Python 量化：跳过那些枯燥的部分

进阶量化交易

动量策略：最稳健的因子，以及如何不被它搞死
均值回归策略：配对交易、统计套利，以及为什么容量有上限
因子动物园及其之后：哪些因子真正能扛得住交易成本
因子拥挤与衰减：为什么每个因子都会死，以及怎么延长它的寿命
Alpha 因子是什么
CAPM 与市场 Beta
Carhart 四因子模型
Fama-French 三因子模型

机器学习基础

过拟合与正则化：ML 的中心问题
机器学习到底是什么？
监督学习：回归与分类
交叉验证与诚实评估
决策树与随机森林
神经网络：诚实的版本
梯度提升：XGBoost 与 LightGBM
线性回归与逻辑回归

ML × 量化交易

机器学习交易策略的生命周期
机器学习与收益预测
量化中的特征工程
时间序列的交叉验证
时序数据的神经网络
资产的嵌入方法
组合管理的强化学习
Alpha 衰减与特征半衰期

多重检验与 Deflated Sharpe Ratio
回测过拟合概率（PBO）：怎么知道你那条最佳策略大概率是最烂的
量化策略的交叉验证方法：K-Fold vs Walk-Forward vs Purged vs CPCV
什么是回测——以及什么是验证
实盘 vs 回测表现：你该预留多大的差距
压力测试与 Regime 稳健性：你的策略能不能撑过 2027？
Walk-Forward 分析
White Reality Check 与 SPA 检验

从研究到生产的完整流程
量化交易的风险管理系统
模型监控与重训:让 Alpha 活下去
实盘策略的监控与告警
实盘交易基础设施:从回测到真金白银
数据管道与存储
Arithmion 回测引擎
Arithmion SDK 概览

量化方法论

标签质量：量化金融中最被低估的问题
动量与均值回归：同一枚硬币的两面
横截面稳定性：测试你的因子是否在不同市场都有效
换手率分析：你的因子策略的隐藏成本
特征工程：为你的 Alpha 模型构建正确的输入
因子衰减：为什么你的信号优势随时间消失
因子组合：如何将多个 Alpha 信号合成为单一组合
Alpha 因子：是什么让一个量化信号真正有效
IC 分析：如何衡量你的因子是否真正有预测力
Regime Detection: 识别你的因子何时有效

工具与编程

构建 DataSource 插件：将任何数据连接到 Arithmion
Arithmion 插件 SDK：构建自定义集成
Arithmion 快速入门：从零到你的第一个 Alpha 因子
LightGBM 金融应用：梯度提升在收益预测中的实践
Notebook 的局限性：为什么 Jupyter 无法支撑量化工作流
NumPy 向量化：编写快 100 倍的量化代码
Python Pandas 金融数据处理：让市场数据可用
VectorBT vs Backtrader：如何选择回测框架

验证与祛魅

[已迁移] 清洗 K 折 CV — 参见时间序列 CV + 学习路线
[已迁移] 缩减夏普比率 — 参见多重检验 + 学习路线
多重检验：Bonferroni、Benjamini-Hochberg 与伪发现率
概率化回测：策略评估的贝叶斯视角
回测过拟合：PBO 与组合清仓交叉验证
时间序列交叉验证：Purged K-Fold 与 Embargo
信号供应商尽调：订阅前的红旗检查清单
组合清仓交叉验证 (CPCV)
Sharpe 比率崇拜：为什么你的 2.1 Sharpe 很可能是错的

学习路线 01：清洗 K 折交叉验证 — 从入门到掌握
学习路线 02：组合清仓 CV — 测试策略稳健性
学习路线 03：缩减 Sharpe 比率 — 获得诚实的业绩估计
学习路线 04：回测过拟合 — PBO 框架
学习路线 05：概率化回测 — 宽客的贝叶斯思维
学习路线 06：Sharpe 比率崇拜 — 为什么单一指标会误导
学习路线 07：信号供应商尽调 — 不被骗

深潜：时间序列

单位根检验:ADF、Phillips-Perron、KPSS
卡尔曼滤波应用:Alpha 信号、Beta、动态因子
马尔可夫切换模型:Hamilton 的状态模型
随机过程:一切模型的地基
协整:Engle-Granger 两步法
协整:Johansen 方法
状态空间模型:表示与卡尔曼滤波
ARIMA 与 Box-Jenkins 方法论
ARMA 模型:推导、识别与估计
GARCH 家族扩展:不对称、幂与多元
GARCH 模型:从 ARCH 到积分 GARCH
VAR 模型:向量自回归

深潜：随机过程

风险中性定价：为什么衍生品不依赖期望收益
几何布朗运动：推导股票模型的主力
鞅表示：对冲即投影
Hawkes 过程：金融的自激励点过程
Hull-White 和 HJM：时变利率与无套利条件
Itô 引理：随机过程的链式法则
Lévy 过程概览：为什么正态不够
Monte Carlo 方差缩减：用更少样本拿相同精度
Ornstein-Uhlenbeck 过程：把均值回归做对
Quasi-Monte Carlo：低差异序列更快收敛
Variance-Gamma 过程：带偏度和峰度的收益
Vasicek 和 CIR：仿射期限结构模型

深潜：风险数学

高斯 Copula：为什么相关性本身不够
回测 VaR 和 ES：Kupiec、Christoffersen 与红绿灯
极值理论：从 Fisher-Tippett 定理到 GPD
流动性调整 VaR：买卖价差、市场冲击、平仓时间
压力测试：CCAR、历史情景、反向压力测试
Clayton、Gumbel 与尾部相依的微笑
CoVaR、MES 和 SRISK：度量系统性风险
EVT 处理尾部风险：把 GPD 拟合到金融损失
Expected Shortfall 与 VaR：相干性为什么赢
SPAN 与组合保证金：衍生品保证金实际怎么算
Student-t Copula：对称的尾部相依怎么搞对
Value-at-Risk：推导这个无处不在的分位数

深潜：期权定价

波动率曲面构造:从报价到无套利曲面
波动率微笑:为什么隐含波动率是曲线而不是数字
从二叉树到 Black-Scholes PDE:一个极限论证
方差互换和波动率互换:公平执行价、复制组合、凸性
局部波动率:Dupire 公式与前向方差
利率模型:Vasicek、CIR、Hull-White、HJM
路径依赖期权:亚式、障碍、回望
隐含波动率求解器:从 Newton 到流形无关方法
Black-Scholes 推导:从复制组合到闭式
Greeks:完整参考,从 Delta 到 Veta
Heston 模型:从二状态 SDE 到半解析定价
Merton 跳跃扩散:给 GBM 加不连续性

投资组合构建（深度模块）

从零开始的均值-方差优化
多期组合优化，Li-Ng 路线
风险平价与 All Weather 逻辑
交易成本感知的组合优化
为什么 MVO 权重不稳定（以及应对办法）
稳健组合优化，Goldfarb-Iyengar 路线
因子组合构造
重采样效率，以 Bootstrap 方式
最小方差组合，以及为什么它是唯一应该上线的 MVO
Black-Litterman，从第一性原理出发
CVaR 优化，以线性规划的方式
López de Prado 的层次风险平价

深潜：市场微观结构

订单类型与时效：实战派地图
买卖价差分解：报价、实际、有效，以及 Roll 测度
逆向选择与知情交易：Glosten-Milgrom 模型
市场冲击的平方根律：为什么冲击按 √Q 缩放
限价订单簿动态：价格优先与时间优先，以及你的排队位置
Almgren-Chriss 最优执行：交易轨迹的均值-方差框架
Amihud 非流动性测度：每成交一美元的价格冲击
Avellaneda-Stoikov 做市：保留价和库存风险
Hasbrouck 信息份额：度量一笔成交告诉市场什么
Implementation Shortfall：Perold 对执行成本的基础度量
Kyle 的 Lambda 和信息不对称：价格冲击的拍卖模型
VWAP 和 TWAP 执行算法：它们怎么工作，什么时候失效

深潜：交易执行

冰山单和隐藏单：为什么存在、告诉你什么
订单簿冲击与事前成本估计
多资产执行：跨相关资产的协调交易
激进 vs 被动执行：何时跨点差何时等
交易成本分析（TCA）：知道你自己实际付了多少
流动性探测与寻源：找到没显示的量
日内成交量分布：U 形、双 U、为啥一天大部分不重要
事后 TCA 与归因：度量发生了什么、为什么
寻流算法：何时用狙击手、游击队还是行军
执行质量基准：VWAP、TWAP、到达价、它们到底什么意思
智能订单路由（SOR）：你的单子到底去了哪
Broker 选择与执行质量：怎么判断你的 broker 真在干活

深潜：回测统计

多重检验修正：Bonferroni、Holm 与 Benjamini-Hochberg
概率夏普比率（PSR）：从中心极限定理到置信度
回测过拟合概率（PBO）：完整推导
去膨胀夏普比率：完整推导
夏普比率：从头推导
最短回测长度（MBL）：需要多少年数据？
CPCV：正确推导组合净化交叉验证
CSCV：正确推导组合对称交叉验证
Haircut Sharpe：修正自相关
Hansen SPA 检验：正确推导 Superior Predictive Ability
Romano-Wolf 逐步下降法：兼顾统计功效的 Bootstrap 多重检验
White Reality Check：推导与中心化问题

深潜：进阶机器学习

分数阶差分：推导
合成数据生成：Ornstein-Uhlenbeck 回测
结构断点检测
金融中的交叉验证
禁运效应
净化 k 折：推导
三重障碍方法
熵特征：排列熵与样本熵
样本权重：四种类型
用于不平衡类别的 Bagging 分类器
在线学习算法
Meta-Labeling：方向与仓位

实证方法论（深度模块）

发表后衰减：McLean 和 Pontiff 实际测量的
金融研究失败的最常见七个原因
金融中的可重复性：当结果无法重新运行
什么让因子真实：超越漂亮回测的五个检验
数据窥探和逐步检验：p-hacking 工厂
样本内调优 vs 样本外：过拟合模式
样本外 vs 样本内：假二分法
已发表因子的选择偏差：Harvey-Liu-Zhu 论点
因子研究中的多重检验：分叉路径花园
Harvey-Liu-Zhu 多重检验：提高因子门槛
McLean-Pontiff 预注册：发表创造的复制
White 的 Reality Check 重访：应用自助法

学习中心 / 学习路径

学习路径

4 篇约 4 分钟

Arithmion 插件开发 1 分钟
Arithmion 使用 1 分钟
量化入门 1 分钟
验证深潜 1 分钟

下一个主题金融市场

© 2026 Arithmion GitHub 问题反馈