研究层 · 即将开放
AI 量化实验室
把交易问题变成可检验研究，检查回测边界，并使用 AI 辅助代码，同时把证据、风险和人的判断保持清楚。
计划 5 个研究模块计划 25 节研究课不提供信号或预测承诺
- 提出可检验的问题
- 理解 AI 的边界
- 识别数据偏差
你会怎么研究
从提出可检验的问题开始，再评估证据。
可检验假设
把“我觉得会涨”改写成可以被数据检验、也可以被证伪的研究问题。
理解 AI 的边界
用 AI 辅助代码和研究流程，但不把风险判断与结论外包给黑箱。
识别研究偏差
检查数据泄漏、过拟合、交易摩擦与样本外失效。
研究复核
在相信结果之前，重新检查假设、证据与可能的失败条件。
研究路线
计划 5 个模块、25 节研究课，目标是做出可以被检查的证据。
AI 量化实验室是未来的研究层，不再作为 Pro 后面继续编号的一段课程。
- 01计划 5 节
市场微观结构与订单流
从订单流和订单簿理解价格形成。
- 02计划 5 节
全球宏观与流动性
用跨资产与政策变量建立研究视角。
- 03计划 5 节
多策略组合
构建组合、相关性与市场状态框架。
- 04计划 5 节
量化基础设施
建立数据、回测、验证与研究工作流。
- 05计划 5 节
资金与风险研究
用风险预算与组合管理收束研究流程。
计划 25 节研究课，不再使用全站连续编号
5 个模块从微观结构到资金研究
Python 与数据回测、模拟与 API
研究 Capstone提交一份可检查的研究项目
研究 Capstone
最后提交一份你能解释、也能接受质疑的研究项目。
把一个研究问题、证据、数据与模型限制、风险边界和复盘结论放进同一个可检查的成果中。
- 定义一个可证伪的研究问题
- 记录数据、假设与验证限制
- 写下风险边界与失败条件
- 完成复盘结论，不包含真实下单或收益目标