量化研究中心
从策略想法、历史数据和执行成本，到 Walk-Forward、 OOS、Monte Carlo 与真实交易环境， 关注策略为什么有效，也关注它为什么可能失效。
四个量化研究方向
EA、加密货币、股票和策略验证分别组织。
EA量化研究
围绕EA自动交易、MT4/MT5回测、Forward Test、参数稳定性、执行与过拟合进行技术研究。
4 篇研究文章 → CRYPTO QUANT加密货币量化研究
围绕BTC与加密货币量化、永续合约、手续费、滑点、资金费率、OI和策略验证进行研究。
6 篇研究文章 → STOCK QUANT股票量化研究
围绕股票回测、点时数据、幸存者偏差、前视偏差、因子验证和交易成本进行研究。
4 篇研究文章 → QUANT RESEARCH量化验证方法
围绕Walk-Forward、OOS、Monte Carlo、参数稳定性、最大回撤和压力测试建立策略验证流程。
1 篇研究文章 →最新量化研究
币圈多源数据为什么经常对不上？K线、OI、资金费率和成交数据必须先对齐时间
把K线、OI、资金费率和成交数据直接按时间字段拼起来，很容易产生隐藏的前视偏差。采样频率、时间戳含义、时区和数据发布时间必须先统一。
阅读全文 → 股票量化A股回测为什么不能假设想买就买？涨跌停、停牌和一字板会直接改变成交
信号出现不等于订单一定成交。涨跌停、停牌、一字板、流动性和竞价阶段都会让理想回测与真实A股执行产生巨大差异。
阅读全文 → EA量化EA回测为什么必须模拟点差、滑点和手续费？否则收益可能只是幻觉
高频或短周期EA的单笔优势可能只有很小空间。点差、手续费、滑点和隔夜成本如果被忽略，回测里的正收益很可能在实盘成交后消失。
阅读全文 → 股票量化股票回测为什么必须处理复权？拆股和分红会制造“假收益”
拆股、反向拆股和现金分红会改变历史价格或持仓数量。量化回测如果混用未复权价格和复权收益，很容易制造不存在的暴涨暴跌。
阅读全文 → 加密货币量化合约回测为什么不能只看K线？Mark Price会直接改变强平结果
永续合约的强平并不是简单看普通K线最后成交价。Mark Price、维持保证金、杠杆和极端行情都会影响真实强平路径。
阅读全文 → EA量化胜率80%的EA，为什么可能还不如胜率45%的策略？
胜率只是交易结果的一部分。如果平均盈利、平均亏损和尾部风险不同，高胜率EA完全可能拥有更差的长期期望。
阅读全文 → EA量化一个EA有没有过拟合？不要只看净利润，看这5项测试
回测利润越漂亮，不代表策略越可靠。参数稳定性、Forward Test、严格样本外、交易成本压力测试和多重测试检查更重要。
阅读全文 → 加密货币量化资金费率是怎么一点点吃掉合约策略利润的？
永续合约策略除了手续费和滑点，还存在持仓期间的资金费率现金流。持仓时间越长，这项成本越不能忽略。
阅读全文 → 加密货币量化20倍杠杆的策略，为什么可能只死在一次行情里？
高杠杆策略真正危险的地方不是普通行情，而是尾部事件、滑点、流动性下降和保证金空间被压缩同时出现。
阅读全文 → 加密货币量化Walk-Forward + Monte Carlo：一个币圈策略上线前到底要过几关？
单次历史回测只是一条过去路径。准备上线的策略还应经过Walk-Forward、严格样本外、成本压力和Monte Carlo等验证。
阅读全文 → 股票量化你是不是偷看了未来？股票回测里的前视偏差有多危险
前视偏差不会让程序报错，反而常常让回测异常漂亮。真正关键的是历史某个时点到底能不能获得那条数据。
阅读全文 → EA量化EA回测明明赚钱，为什么一上实盘就开始亏？
信号没有明显变化，实盘结果却比回测差很多，问题往往不只在策略，而在滑点、点差、延迟、费用和参数过拟合。
阅读全文 →本栏目讨论自动交易软件、量化研究、 数据工程、回测和风险管理方法。 历史测试不能保证未来收益， 内容不构成投资建议、收益承诺或交易信号。