寒蝉 Hancic
为什么量化系统做好了却不敢用？
系统做好了却不敢用，不是因为回测结果不好——是我不知道这结果是不是真的。真正的解不是「找人分辨系统问题还是策略问题」，是两件事：建立对自己系统的信心、对边界保持清醒的预期。附一份 13 条对照清单，用来对账，不是用来打分。
标签：量化
数据引擎：从 Tushare 到 parquet
把行情从 Tushare 搬成本地 parquet 的三个决策：按交易日拉控制调用成本（六倍差价）、写盘前校验挡住静默错误（分级：抛错/夹回/阈值）、增量合并让数据越积越安全（三态合并 + 哈希分桶躲开 OOM）。
因子引擎：先定契约，再谈依赖图
因子引擎的设计稿画了四件事：注册表、依赖图、版本化缓存、失败隔离。实装只落了两件。为什么输出定死成三列长表、为什么依赖写在函数里、为什么版本号只当可复现锚点不当缓存 key：先说契约，再谈依赖图。
量化概念 27：过拟合（回测里的好成绩可能是假象）
回测越调越好，实盘却跑不出来。大概率是过拟合。模型把历史噪声当成了规律。样本内/样本外分离、走步测试、参数敏感性检查是基本的防范手段。一个"完美"策略的故事：整体好看，分段一跑就露馅。
量化概念 26：策略失效（什么时候该停，什么时候该扛）
策略失效分两种：周期性回撤（因子逻辑还在，市场环境不利）和结构性失效（逻辑被套利掉了）。最难的是在事中区分——表面现象完全一样。没有可靠的早期信号能自动判断，能做的是在策略上线前把退出规则定好，情绪平静时写、情绪波动时执行。
量化概念 25：多策略组合（1+1 什么时候大于 2）
多策略组合的核心不是"多"，是"不相关"。两个低相关策略的组合，波动远低于任何单策略。但低相关的前提是底层因子逻辑独立——都是"买涨"的策略，不管名字多不同，相关性不会低。危机时期相关性趋同，平时分散的组合极端时刻可能一起跌。
量化概念 23：信息比率（选股能力的标尺）
信息比率（IR）= 超额收益 ÷ 跟踪误差。和夏普的区别：分子换基准、分母换跟踪误差。衡量主动管理能力——偏离基准的每一单位跟踪误差换来多少超额收益。依赖基准选择、向后看、不区分偏离方向，需配绝对超额收益一起看。
量化概念 22：胜率与盈亏比（策略的赚钱结构）
胜率 = 赚钱频率，盈亏比 = 赚钱幅度，两者相乘才是期望收益。高胜率+低盈亏比（均值回归）和低胜率+高盈亏比（趋势跟踪）都能赚钱，但心理压力和资金要求完全不同。盈亏平衡线：胜率 > 1/(1+盈亏比)。回测时胜率、盈亏比、最大连续亏损一起看，比年化收益更能判断策略"拿不拿得住"。
量化概念 21：索提诺比率（只惩罚下跌的波动）
索提诺比率（Sortino Ratio）= 夏普的"只看下跌"版——大涨不算风险，只有跌才扣分。下行标准差只算低于目标的偏离。适合收益偏斜的策略，和夏普一起看能判断波动来源。但下行样本更少、依然向后看、不看序列，需配最大回撤兜底。
量化概念 20：波动率与标准差（为什么用标准差衡量风险）
标准差衡量收益分布的宽度，分布越宽越不可预测。年化用 √252 法则，和年化收益同口径比较。但标准差不区分涨跌、假设正态分布、向后看——搭配最大回撤看尾部，搭配夏普比率看性价比，才是完整的风险画像。
