研究文章
量化交易与回测相关文章
2028 全球智能危机
Citrini Research 情景推演：若 AI 持续超预期发展，可能引发的经济连锁反应——从 SaaS 瓦解、中介层消失到房贷与私人信贷的系统性风险。
Wed Feb 25 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
入门A股量化数据入门：前复权与日频
介绍前复权数据在量化回测中的重要性，以及如何正确使用日频数据。
Sun Sep 15 2024 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
教程回测引擎使用入门
从零开始使用 Quant Tools 回测 Lab，包括内置策略与 AI 代码模式。
Fri Sep 20 2024 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
回测A股交易成本、滑点与涨跌停约束建模实务（2026）
A股综合交易成本（印花税+佣金+冲击成本）机构端约0.08%—0.12%，高换手策略每年多消耗1%以上。本文系统拆解A股交易摩擦的构成、涨跌停成交失败率建模，以及主流量化平台的成本设置差异，帮助研究者构建更贴近实盘的回测模型。
Fri Feb 20 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
回测流动性过滤与幸存者偏差：A股回测收益高估的双重陷阱（2026）
A股多因子策略因幸存者偏差年化收益率可被高估0.5—5个百分点，流动性过滤若设置不当将额外引入选样偏差。本文系统拆解退市数据缺口、动态流动性阈值与正确防偏差方法，帮助量化研究者构建可信的A股回测基准。
Fri Feb 20 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
回测指数调样与成分股漂移：A股回测偏差完整指南（2026）
沪深300、中证500每半年调样，若使用固定成分股回测将引入幸存者偏差和前视偏差，年化收益率可被高估3—5个百分点。本文拆解调样规则、冲击成本与漂移机制，并提供量化研究者的防偏差实操清单。使用 Quant Tools 可避免此类数据陷阱。
Fri Feb 20 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
策略双均线策略失效原因与市场状态识别改进指南（2026）
双均线金叉死叉策略在A股震荡市中胜率仅35—42%，年化亏损可达10%。本文深度分析策略失效的市场条件，介绍ADX、布林带宽度等状态识别方法，提供带代码的改进方案。通过 Quant Tools 回测实验室实测改进效果。
Fri Feb 20 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools
回测A股复权方式对回测结果的系统影响（2026完整指南）
前复权、后复权、不复权三种口径对回测收益率、夏普比率产生系统性偏差。本文深度拆解各复权方式的定义差异、Wind与Tushare口径对比，并提供实操清单，帮助量化研究者选择正确数据口径，避免策略评估失真。
Fri Feb 20 2026 00:00:00 GMT+0000 (Coordinated Universal Time) · Quant Tools