做量化的你，最近有没有被朋友拉着刷短剧？你有没有，发现一个离谱的事实：这些穿越古代搞金融的短剧，编剧怕不是偷偷上过 CFA Level II。 你想：现代银行人穿越到明朝开银行，废妃拉皇帝投资搞股份公司，重生皇商用干股换一条命……表面上是爽文穿越，内核其实是一整套被简化包装的金融建模框架。而且背景是古代，没有监管，没有交易所，编剧可以把最纯粹的金融逻辑扒给你看，比教科书直白多了。 如果你最近因子挖到吐、Alpha 找不到方向，或者单纯想在摸鱼时间学点不一样的东西，下面把短剧里出现过的”古代金融模型”按硬核程度排了个队，顺手翻译成量化交易者能看懂的语言。 一、入门级：古代版「票号 → 银行」改...
同一段逻辑，三种写法，最快的那版快 257 倍： 没换语言（还是 Python 语法），没换机器，也没改数学公式——只是把「谁来算」和「怎么算」这两件事搞对了。 这件事在大 QMT 里格外要紧——因为所有策略共用同一条 Python 线程，你花的每一毫秒都是公共开销。 上一篇《QMT 单线程指南（一）：多策略怎么排队、该不该把策略写在一起》把执行模型讲透了：所有策略共享同一条 Python 线程，串行、不可抢占。它的第七问给了四层提速思路——数据 → 计算 → 回调 → 架构，但「计算层」只落了一句话： 禁止 Python 循环算指标，全部交给 pandas/NumPy...
上一篇《QMT 策略代码保护指南》里提到，把核心算法用 Cython 编译成 pyd 不仅能加密，速度反而更快。这篇就展开讲讲：Cython 到底为什么能提速、能快多少。 一、Cython 是什么一句话：Cython 是”带类型标注的 Python 超集”，它把你的 Python 代码翻译成 C 代码，再编译成机器码。 12345algo.py (Python) ↓ cythonizealgo.c (C 源码) ↓ MSVC / gccalgo.cp312-win_amd64.pyd (机器码，import 用法和 .py 一模一样) 写法上几乎就是 Python：.py 文...
QMT 策略 python代码写好了，怎么保护它（加密）。 一、为什么 QMT 策略代码需要加密先看几个事实： 1. QMT 的源码就明晃晃躺在本地磁盘上。你在策略编辑器里写的每一个字，都保存在 券商QMT版\python 目录下。虽然 QMT 默认模式下保存的文件用文本编辑器打开是乱码（磁盘上是密文），但只要你在策略编辑器里勾选了「启动本地 Python」或使用原生 Python 模式，源码就是明文。 2. pyc 不是加密，只是”格式转换”。很多人以为把 .py 编译成 .pyc 就安全了。现实是：Python 3.8 以前的字节码，用 uncompyle6 一条命令就能近乎完美地还原出源...
最近，我做了一件事：做成了一个 AI Agent Skill（名字叫 qmt-strategy-review），让它专门干一件事——评审大 QMT 策略代码+单线程工程分析，出一份可决策的审阅报告。 先说清楚状态：这个 Skill 还没上线，目前只在我本地的 Skill 目录里跑，等上架了我再更新。这篇就用一个真实案例（评审QMT 内置的双均线示例策略）展示它到底产出什么、怎么用、以及它明确不干什么。 真实案例：评审官方双均线示例我把官方那份双均线实盘示例丢进去，跑出来的汇总表是这样： 第一部分：评审范围说明本评审只检查代码编写与代码实现层：单线程阻塞、数据层效率、ContextInfo 误...
最近读完了 2026 年 7 月发布的《2025/2026 中国量化投资白皮书》（456 页，第五版）。这份白皮书每年都会向量化机构发问卷，今年回收了 223 份、保留有效样本 178 份，里面有一道题特别扎心： 新上线的因子，其超额收益”半衰期”（效果衰减至初上线时一半的时间）主要分布在？ 答案整理成一张图，就是这篇文章的起点。如果你在 QMT 里自己挖因子、自己堆策略，这组数据值得认真看一遍——它解释了为什么很多人”回测很美，上线就哑火”，也指出了几条被头部机构验证过的活法。 一、先看数据：近九成新因子，活不过一年 178 张机构的问卷回答，众数落在 1–3 个月（36.5%...
不少做个人量化的朋友都有过这个念头：策略在 QMT 里跑着，想找个地方验证一下水平，顺便看看别人的策略长什么样。比赛就是个现成的场子。但搜”量化大赛”出来的一大半是校园赛，剩下一小半报名早关了。 我把手头能搜到的赛事翻了一遍，专门筛出社会选手能参加的，剔除只限在校生、或者决赛强制要有学生的。 一、即将截止：就剩一天北京大学金融 AI 智能体创新大赛 项目 信息 报名截止 2026-10-31 参赛资格 不限身份，社会人士、开发者、从业人员均可 方向 金融 AI Agent、大模型量化、因子挖掘、自动交易策略 奖金 奖金池 15 万元 大模型加量化交叉方向的比赛不多见...
最近我把 WorkBuddy（腾讯出的 AI 助手）的 Skill 市场整个翻了一遍，专挑金融、经济、量化、炒股相关的搜，找到 19 个能装的。 一、财报与公司深度分析（5 个） Skill 干什么的 财务分析模型 输入”公司名 + 期间”，先填四板块财务模型表，再做杜邦自检、双源交叉验证、异常检测，输出带评分卡的七章报告 价值投资-公司深度分析 买方视角：财务筛查 → 生意模式 → 护城河 → 管理层 → 反向风险梳理，支持 A股/港股/美股 大成云AI-全链路财报透视 主打排雷：M-Score / F-Score / Z-Scor...
先说清楚一件事：今天介绍的这个工具，接不了 A 股，也连不上 QMT。装了它，你的沪深股票一股都买不了。 那我为什么还要花一篇的篇幅讲它？因为 10·23 之后 QMT 把文件读写和外部网络关掉，很多读者第一次意识到：自己手里那套东西，只是”量化”这条流水线的中间几环。而流水线的全貌长什么样，最好去一个把全流程都做出来的开源项目里看——它就是 QuantDinger。 看的目的不是用，是把国外散户量化交易的方法论搬回来。 一、它是什么：一条完整的流水线QuantDinger 是 2025 年底出现的开源项目（Open Byte Inc. 出品），一年拿了 1.3 万 star，自称”开源 AI...
做量化的人数据焦虑都差不多：Wind 年费上万，Tushare 要攒积分，AkShare 靠爬别人的网页、一改版就挂。最近同花顺做了一件以往没厂商做过的事——把自家的 A 股和公募基金数据，用官方身份免费开放成接口，还原生支持 MCP，Claude、Cursor 这类 AI 工具配一个 Key 就能直接查。 官方叫它「同花顺金融数据服务」，项目代号 hithink-finance，开放平台叫「扶摇」。这篇文章只讲三件事：能拿到什么数据、怎么接、和 Tushare/AkShare/Wind 怎么分工。 一、它是什么：一个 Key，六个入口底层是同一套数据，上面挂了六种接入方式...