券商集成
Interactive Brokers、Alpaca 直连,QuantConnect 托管平台;统一订单生命周期管理。
Machine Learning for Trading / Strategy
模型预测本身不是策略。第 4 部分把「预测」变成「可部署策略」:回测当作证伪工具、组合构建把分数变成仓位、交易成本与风险管理把裸信号变成带约束的组合,最后接入实盘并持续监控。
以下内容与范围来自官方 README Part IV(Ch16-20,2026-08 核验)。
| 环节 | 章节 | 关键方法 |
|---|---|---|
| 策略模拟/回测 | Ch16 | 回测即证伪;向量化 vs event-driven 引擎;Deflated Sharpe Ratio、Rademacher Anti-Serum、White's Reality Check |
| 组合构建 | Ch17 | 均值方差及其陷阱、Hierarchical Risk Parity、Kelly 准则、共形仓位、深度组合分配 |
| 交易成本 | Ch18 | 成本分类、价差估计、市场冲击校准、VWAP/TWAP/Almgren-Chriss 最优执行、TCA |
| 风险管理 | Ch19 | VaR/CVaR 尾部度量、回撤与路径风险、因子/行业分解、压力测试、自适应风险 overlay、深度对冲、kill switch |
| 策略综合 | Ch20 | IC-Sharpe 解耦、Fundamental Law 诊断、模型家族级联、成本生存分析、决策框架 |
官方强调「成本与风险决定策略是否真的可行」,而不是只看裸收益。
明确 universe 规则、决策频率、成本模型、评估协议与运行日志(Ch6)。
用 event-driven 引擎回测,加成本与滑点,报告核心指标并用多重检验控制过拟合(Ch16)。
把预测分数变成带约束的仓位:HRP、Kelly 或深度分配,而非等权拍脑袋(Ch17)。
VaR/CVaR、回撤控制、行业/因子分解、压力测试与 kill switch(Ch19)。
ml4t-live 接 IB/Alpaca/QuantConnect,配合 MLOps 漂移检测与安全上线(Ch25-26)。
回测最大陷阱是「用同一份数据既调参又评估」。官方用以下方法把探索与确认分开。
| 方法 | 作用 |
|---|---|
| walk-forward 交叉验证 | 滚动训练/测试,模拟真实「当时可用」的数据 |
| purging-and-embargo | 去除标签重叠与训练/测试间的数据泄漏 |
| Deflated Sharpe Ratio | 校正多重检验后的 Sharpe,别被运气好的回测骗 |
| Rademacher Anti-Serum | 抗过拟合的显著性检验 |
| White's Reality Check | 数据窥探(data snooping)检验 |
| 共形预测(conformal) | 给出诚实的预测区间,而非点估计 |
Ch25-26 把研究管线接到实盘,并补上持续运行所需的治理。
Interactive Brokers、Alpaca 直连,QuantConnect 托管平台;统一订单生命周期管理。
漂移检测、安全上线、熔断(circuit breaker)、特征存储、实验追踪。
区分 pipeline 漂移 vs 表现衰减,配重训/暂停/退役反馈环。
官方把回测定位成证伪工具:用交易协议规范、成本与滑点、多重检验控制去「推翻」一个想法,而不是收集好看的曲线来「证明」它有效。
官方单列一章(Ch18):不同资产类别的盈亏平衡成本差异巨大,忽略成本的策略在实盘往往不可行,需用 Almgren-Chriss 等最优执行降低冲击。
组合构建(Ch17)把分数变成仓位;风险管理(Ch19)对已建组合加尾部/回撤/因子/压力约束,两者叠加才得到可部署组合。
第 25 章提供 IB/Alpaca/QuantConnect 集成的统一框架,但需要对应券商账号与授权,且实盘涉及真实资金与运营风险。
不能。回测是研究工具,不构成收益保证;任何策略都应先回测验证、再用模拟盘,最后小仓实盘。