两大券商研报揭露A股市场惊人秘密！国泰君安用傅里叶变换"透视"机构算法交易，如同基因检测般精准识别大资金动向；东吴证券发现散户与机构的交易占比竟能预测股价反转！当传统动量因子失效，新的量化武器悄然崛起。机构的每一笔算法单都在高频数据中留下"指纹"，而散户的羊群效应正被精确量化。这场看不见的博弈中，谁掌握了交易者结构的密码，谁就握住了市场的脉搏。
本期节目深度剖析高频交易在新监管环境下的发展变化。从监管层面明确的"每秒300笔申报或单日2万笔"定义标准开始，全面解读高频交易的技术演进历程——从21世纪初的秒级执行到如今的纳秒级竞争。详细介绍套利者、自营交易商、做市商三大参与主体的30多种策略类型，包括统计套利、延迟套利、tick trading等核心操作模式。重点分析报价填充和spoofing等争议策略的市场操纵风险，以及IEX减速带等技术创新对公平交易的促进作用。探讨高频交易对散户和机构投资者的影响，以及监管新规推出后行业从"拼速度"向"拼策略"的转型趋势。展望中低频策略和机器学习技术在量化交易中的应用前景，为投资者理解高频交易的本质和发展方向提供全面视角。
本期播客揭示了量化研究中的两大戏剧性冲突。首先是工具之困：当Aaron尝试用Alphalens验证UBL因子时遭遇挫折，因为这个行业标准工具无法处理月度因子数据。面对这一障碍，他开发了Moonshot库，专门解决月度因子回测问题。更引人深思的是认知之困：复现结果显示威廉下影线因子与传统经验相悖——下影线均值越小，后市上涨概率反而越高。这一反直觉发现挑战了"长下影线代表买气强"的传统观点，揭示了主观记忆与统计规律之间的鸿沟。UBL因子不仅成功复现了研报结论，实际表现甚至超越原研报。这背后隐藏着量化研究的深层思考：我们的交易直觉可能只记住了少数印象深刻的案例，而忽略了大量平凡却统计显著的数据点。这期播客不仅展示了从理论到实践的完整链条，更揭示了量化投资的核心魅力：用数据和逻辑验证直觉，发现隐藏在市场噪音中的真正规律。
想象一下，如果你能提前24小时知道明天的财经新闻，你会成为投资之神吗？维克托·哈加尼的"水晶球实验"给出了令人震惊的答案：100多个受过金融训练的年轻人，即使拥有"预知未来"的优势，仍有一半人赔钱，六分之一直接爆仓！这个残酷的现实揭示了主观投资的致命缺陷。更令人深思的是，量化交易看似能解决这个问题，但为何又有"回测买地球，实盘亏成狗"的魔咒？当Aaron分享自己两次"乌龙指"的惨痛经历时，我们发现人性的弱点如何在关键时刻背叛理性。而Jane Street这样的量化巨头，竟然因为资金容量限制而被迫冒险操纵市场，这背后隐藏着怎样的行业困境？小资金投资者是否真的拥有意想不到的优势？
当全球顶级量化巨头遭遇"原始"手法指控时，会发生什么？简街（Jane Street），这家2020年证券交易额超过17万亿美元的量化交易巨头，竟然在印度市场被指控使用"日内指数操纵"和"延长版尾盘操纵"等看似"原始"的手法牟利！最令人困惑的悬念： 为什么一家以OCaml编程、数学天才云集、面试题堪称脑筋急转弯经典的顶级科技公司，会放弃算法突破，转而钻研规则漏洞？从简街的Pump and Dump策略到A股的伊世顿案例，从技术竞赛到规则竞赛的行业转变，再到Citadel与IEX的"速度缓冲"之争——量化交易的游戏规则正在发生什么样的深刻变化？Aaron和Flora将为您揭开这场"聪明钱"博弈背后的惊人真相！
今天我们要来聊一聊一个非常有趣的话题如何用大语言模型 来做一个多智能体的金融交易框架今天我们要介绍一个全网热搜的框架，叫TradingAgents
>Aaron: 如果这个交易代理，我是说如果>Aaron: 真的能通过在模拟环境里学习>Aaron: 掌握了一些超越我们人类直觉>Aaron: 甚至是反直觉的、能赚钱的策略>Aaron: 你会怎么看？>Flora: 这个我懂。就是你常说的，AlphaGo在很多出招上面>Flora: 推翻了人类几百年来的定式>Flora: 这些都是人类直觉想都想不到的智慧>Aaron: 正是这样>Aaron: 如果强化学习能自我演化出交易智慧>Aaron: 那么未来的量化人将何去何从？
这是一系列『学习』类型的 podcast，非常适合您在睡前、在途中收听。如果你对这种形式感兴趣，请记得订阅。我们将以每周一到两期的频率进行更新（前 30 期我们将以每天一期的速度更新）。音频内容不再上传到公众号。您可以在知识星球中订购。现在以星球创始股东身份加入（仅限 100 人），更可享超值优惠！我们一直在收到粉丝的来信，要求我们帮忙内推，或者请求简历评论，又或是职业规划。从跟我们合作的猎头反馈的信息来看，如果你瞄准的是一线大厂的话，如果打算仅凭学历就过面的话，那么清北和 QS20 以上的相关专业的硕士是必须的，最好是博士。如果你只有普通的学历，又想进一线大厂，怎么办？今天我们给出一个实用的简历优化技巧，即『打比赛』！如何打下城堡城堡投资是全球最顶级的量化投资机构。这一期 Flora 和我将带你了解全球顶级量化赛事，城堡投资的 PHD Datathon 比赛。赢得这项比赛，你将不仅获得 2.5 万美元的奖金，更是拿到了一张进入顶级量化机构的门票！本期节目将介绍：• PHD Datathon 的报名环节是怎样的？• 你应该如何准备 Datathon？• 来自冠军的分享：我如何赢得 Datathon？• 作为女性，如何参加 Datathon 以获得更好的机会？• 作为亚洲籍选手，是否有额外的机会？特别企划来自2021年冠军的分享，我如何赢得了Citadel的Phd Datathon2021年PHD Datathon 冠军分享如果你不是博士，没有参与这项赛事的机会，但确实热爱量化交易，请不要错过我们下期的节目。我们将讲述一些普通人的故事，介绍他们是如何先上车，再跳槽，一步步进入大厂的！愿他们的光也照亮你的前程！
这是一系列『学习』类型的podcast，非常适合您在睡前、在途中收听。如果你对这种形式感兴趣，请记得订阅。我们将以每周一到两期的频率进行更新（前30期我们将以每天一期的速度更新）。音频内容不再上传到公众号。您可以在知识星球中订购。现在以星球创始股东身份加入（仅限100人），更可享超值优惠！这一期我们将向大家介绍一本非常有趣的书。定价未来谁会想到一个喝得烂醉的水手在街上蹒跚的步伐，或细小微粒在液体中的随机运动，会成为描述股票市场价格波动的起点？这些过程，即布朗运动，被生物学家们用于研究进化论，被化学家和物理学家用于研究扩散过程——其中包括爱因斯坦和好几位诺奖得主，还被一位涉足股票市场的孤独数学家用于寻找金融世界的圣杯，赚取巨额财富。跨越数个世纪的时间，遍布全球各地的数学家和金融奇才们不懈地寻找着能够精确估计价值和进行定价的方程。直到1973年，这一难题的答案才被解开：费希尔•布莱克、迈伦•斯科尔斯和罗伯特•默顿发现了这一难以捉摸的公式——该成就让斯科尔斯和默顿在1997年获得了诺贝尔经济学奖。这本书讲述了关于天才、奋斗和创新的故事，也讲述了人类被贪婪和傲慢占据时会发生什么。哪些人应该读这本书？• 所有金融学和经济学的一年级博士生都应该阅读《定价未来》这本书。• 对于那些对期权（options）感兴趣的人来说，这本书更值得一读。• 金融学的新生（newcomers to finance）和高收入的交易员（high-income traders）都值得阅读这本书。•无论读者的背景如何，无论是将金融学视为一门科学，或是看作一门艺术，本书都值得细细品读。尤其，那些认为金融学是一门科学的人，在了解到73年前期权定价公式的偶然发现后会感到惊奇；而那些认为金融学是一门艺术的人，在了解到期权定价、物理学和概率论之间的深入联系时会感到震惊。读这本书能有什么收获？• 本书有助于读者了解创造性发现的重要性。• 它讲述了天才、奋斗和创新的故事，同时也揭示了当人类被贪婪和傲慢占据时可能发生的情况。• 本书使得金融学的历史变得引人入胜，如同夏日里的冰激凌般清爽宜人，令人不忍释卷。• 通过本书，读者可以深入了解期权定价、物理学和概率论之间的紧密联系。• 本书还指出，通过数学和物理学的工具来计算期权价格的布莱克、斯科尔斯和默顿以及他们的前辈，可以被视为“宽客”（金融工程师，quants）这一新兴职业的代表人物。
这是一系列『学习』类型的podcast，非常适合您在睡前、在途中收听。如果你对这种形式感兴趣，请记得订阅。我们将以每周一到两期的频率进行更新。每期音频都是付费订阅，您可以在知识星球中选择包年，这样更加优惠。现在以星球创始股东身份加入（仅限100人），更可享超值优惠！这一期我们将聊一个特别有意思的话题。你平时看K线图,肯定注意过那些上影线下影线,对吧? 你有没有想过，它也可以成为一个选股因子呢？东吴证券的高子剑等人，就研究过这个因子。今天我们就为您介绍东吴证券的研报《上下影线，蜡烛好还是威廉好》。尽管量化在市场中的份量越来越重，但在A股，主观看图经验确实仍有一席之地。这份研报的价值就在于，如何把主观交易经验，用量化的方法来严格检验，它给出一个生动的示例，而最后的方法和结论，也让人拍案惊奇！这份研报充分说明，即使是像影线这种技术分析里最常见,看似最简单的东西,只要你用量化的思维去深挖它,选择合适的定义方式,再进行聪明的组合优化,就可能找到非常强大的选股武器。这也是我们为什么应该学习量化的原因。
这一期我们将解读中金2024年的一份研报，『中金量化多因子系列（12）：高频因子手册』。该报告的核心观点是，基于Level 2市场数据（如分钟K线、逐笔成交等）构建的高频价量因子，能够有效捕捉日内交易行为和市场微观结构中的信息，从而在量化选股中获得超额收益 。报告系统性地构建并回测了大量高频因子（79个），旨在为投资者提供一本可供参考的“因子手册” 。报告将高频因子归纳为八大类别，并发现这些因子普遍具有较高的有效性，尤其是在全市场范围内选股时 。一个关键的结论是，高频因子的有效性通常与股票的市值大小呈现明显的负相关，即在小市值股票中效果更好，而在大盘股（如沪深300成分股）中效果会显著下降 。## 创新点在哪里？此报告的创新之处主要体现在其系统性的框架和部分因子的构建方法上：### 傅里叶变换拥挤度因子一个显著的创新是利用傅里叶变换技术来构建机构拥挤度指标 。其原理是，机构投资者的大单拆分行为会在成交量序列上形成周期性，通过傅里叶变换可以有效捕捉这种周期性特征，从而量化机构的参与度和拥挤程度 。报告中的 crowd_fftv20_3s_w0_std 因子即是此方法的体现，且表现优秀 。### 日内QRS动量因子报告将传统上用于日线级别的QRS（量化强弱体系）动量指标，创新性地应用于日内分钟级别K线数据 。通过计算滚动50根分钟K线的QRS指标，开发出了如 mmt_ols_beta_mean 这样表现优异的日内动量因子 。### 系统性的因子手册报告最大的贡献之一是其“手册”式的呈现形式。它将繁杂的高频因子归纳为动量反转、波动性、高阶特征、流动性、量价相关性、筹码分布、拥挤度和资金成交这8大类 ，并对每一类下的多个具体因子进行了详尽的回测和性能比较，为使用者提供了清晰的框架和直接的参考。### 详尽的回测框架报告为每个原始因子设计了四种处理方法（期末值、平均值、z-score标准化、标准差） ，并在周度和月度两种调仓频率下进行测试，这种严谨和系统化的检验方式本身也是一种实践创新。## 运用结论需要什么条件？要应用该报告的结论，必须满足特定条件，并注意以下几点：### 数据门槛所有因子的构建都依赖于高质量的Level 2高频数据，包括逐笔委托、逐笔成交和10档快照数据 。获取和处理这类数据的成本高、难度大，报告指出仅2018年以来的全市场Level 2数据存储空间就可达几十TB 。### 市值范围使用者必须注意因子的适用范围。绝大多数因子在大市值股票中的有效性会大幅减弱 。例如，报告会特别指出在沪深300范围内哪个因子的表现相对更好，这通常与在全市场表现最好的因子不同 。### 市场环境变化风险报告明确指出，高频因子的逻辑容易受到投资者结构和交易规则变化的影响 。这意味着历史上有效的因子，在未来市场风格或规则改变后可能失效。### 回测非未来收益保证报告在“风险提示”中强调，所有结论都基于历史数据回测，无法确保因子在样本外的未来表现 。这是所有量化策略应用时都必须牢记的核心风险。### 因子拥挤度虽然报告认为高频因子由于开发门槛高，拥挤度相对较低 ，但随着时间的推移和技术的普及，这种优势可能会减弱。
这是深圳大学王雄教授的一份讲义，我们进行了摘要解读。这份讲义给出了因子分析当中非常重要和有价值的观点，精彩纷呈。比如，不是所有重要指标直接拿来就是好因子。比如，原始ROE数值的预测能力可能相当一般，IC值不高，但如果关注ROE的变化，比如ROE同比率，ROE稳定性等，往往有意外惊喜。从这个示例可以看出，不仅仅要关注指标的绝对值本身，还可以关注指标的"速度"和"加速度"，而非仅仅是"位置"。原始数据像原材料，关键是如何提炼。在因子研究中，要注意环境因素，因子效果高度依赖特定场景，同一因子在牛市/熊市表现不同，只对特定市值股票有效（如小盘股），在特定行业中才是"杀手锏"。
* 理解动量效应和反转效应在国内外股票市场的表现差异。 * 掌握传统时间维度切割涨跌幅因子效果不佳的原因。 * 深入理解基于日度振幅的涨跌幅因子切割方案及其原理。 * 熟悉切割得到的动量因子的稳健性表现，包括IC均值、ICIR值以及多空组合收益。 * 了解该动量因子在沪深300样本空间中的优异表现。 * 认识其他交易活跃度指标在动量因子切割中的应用及效果对比。 * 了解金融模型基于历史数据的风险提示。
