寒蝉 Hancic
量化概念 02：IC 怎么算
IC 怎么算：每天横截面算一次相关，再对时间取平均；Rank IC 只比名次不比分数；0.02~0.05 就算可用。
标签：量化
量化概念 01：IC 是什么
IC（信息系数）是什么：因子给股票排的名次，和未来真实涨幅的名次，有多吻合？做量化要搞懂的第一个概念。
跑得快：把 Rust 判了缓刑
跑得快实录:profiling 实测 50 票纯计算不到 1 秒、全市场外推 30 秒——按决策表 Rust 取消、分区存储和 tj-web 推迟,三个大复杂度全部缓刑;把「什么时候优化」写成可对照的触发阈值。
跑得稳：不盯也能跑
跑得稳实录:任务表让跑批可追溯,调度写进代码不依赖宿主 cron(Docker/本地同构),备份先做、告警克制,以及「机制就绪不等于验证完成」的诚实边界。
跑得准：300% 的假收益与真的 IC
跑得准实录:样本扩到 50 只后发现回测里 +300% 的假收益——真实价撮合在除权日权益跳变,账户换后复权口径;补全数据校验,IC 验证动量 20 日在 10/20 日窗口显著为正。
能跑：当设计稿撞上真实数据
能跑阶段实录:契约先行防返工,接口文档和实际的落差,复权因子校验被真实数据推翻,验证逼出三个 bug,以及「10 万买不起一手茅台」的资金约束教训。
动笔之前,我画完了全套架构图
开工前我把设计做到了 v0.6,拆成四份文档,然后发现自己违背了刚写完的《架构不是设计出来的》:一行代码没写,却在讨论"怎么写对"。复盘哪些设计该留、哪些是阶段前移,以及如何用四阶段路线图补救。
量化数据越多越好吗？精确的模糊与模糊的精确
量化投资的核心是数据加因子加策略：数据是原料，因子是加工，策略是决策。数据越多、类型越丰富，直觉上策略应该越准——信息越全，判断越准，这符合常识。 但常识不等于正确。在量化里，数据多和策略好之间，隔着一道看不见的墙。 精确的模糊 vs 模糊的精确 给一张图片不断加像素，画面越来越清晰，这是分辨率提升
因子为什么能工作——在不确定性中寻找概率优势
量化投资的核心是因子。因子是把选股逻辑翻译成一个可计算的数字，买入因子得分高的，卖出得分低的，回测看结果。这套流程表面上是数学，但背后有个更深层的问题：因子凭什么能工作？ 因子不是真理，是假设 因子有效的前提，是市场存在可以被利用的规律。但如果市场完全有效，所有信息都即时反映在价格里，任何因子都没用
为什么我不推荐个人量化使用自建数据源
量化的本质是数据加因子加策略，数据质量决定策略的下限。但个人量化最容易被忽视的陷阱，是把策略研究变成工程量——建库、爬虫、维护数据源，本末倒置。自建数据源的坑还在其次，数据源怎么选，标准只有一个：这笔钱，赚得回来吗？
