VXI 筆記

Quant & Markets

量化研究、市場資料、回測與交易系統工程

Technical Blog

給獨立開發者看的自動化、部署與工程流程實戰筆記

這個部落格目前先把三條主線寫扎實：Docker 與伺服器部署、Git 開發流程、Markdown 驅動的內容發佈。之後再把 AI 自動化實戰逐步整合進來，所以首頁優先放主題入口和代表作，方便直接找到可重複使用的方案。

最近更新

  1. 同一檔股票反覆入選，量化策略勝率還可信嗎？

    策略顯示60%勝率，卻可能是同一股票重複入選。用10筆合成資料、Python與SQL重算三種分母，檢查T+N結算與重疊樣本。

  2. 多策略選股評分如何比較？從同為 80 分看辛普森悖論與機率校準

    不同選股來源的 80 分未必代表相同機率。用 80 筆合成範例、Wilson 信賴下界與時間外驗證拆解跨來源評分比較。

  3. 52 週新高再加成交量，選股篩選器究竟能幫我少看哪些股票？

    用六檔虛構股票的 6→4→2 篩選例子與實際介面操作，釐清 52 週高點、成交量和 RVOL 的作用，以及初篩不能取代的判斷。

  4. 量化研究資料怎麼長期保存？PostgreSQL PITR 與 R2 歸檔的取捨

    比較 PostgreSQL PITR、TOAST/MVCC、R2 版本歸檔與校驗，並拆解並發租約、行情 as-of 修訂和真正可重現回測的驗收條件。

  5. 量化因子怎麼判斷有沒有用？用 Bucket Spread 和 Rank IC 做多週期驗證

    因子 5 日有效，不代表 1 日、3 日也有效。用公開 ETF 資料實測 Bucket Spread、Rank IC、多週期與抽樣敏感性，拆解因子驗證最容易踩的坑。

  6. 多因子模型怎麼安全調權？Regime、Shadow 與權重漂移實驗

    因子通過驗證，不代表最近一個視窗的估計就該直接變成正式權重。這次可重現的 regime-switching 實驗比較 Immediate、Delta Cap 與 Shadow-first，觀察錯誤 promotion、換手與適應延遲之間的交換。

1/1