https://blog.lynxflow.co/tags/%E5%9B%9E%E6%B5%8B%E5%81%8F%E5%B7%AE/Recent content in 回测偏差 on Lynx 的技术博客Hugo -- gohugo.iozh-cnSun, 06 Sep 2026 05:41:00 +0800https://blog.lynxflow.co/posts/lynxcrypto-tools-roadmap/Sun, 06 Sep 2026 05:41:00 +0800https://blog.lynxflow.co/posts/lynxcrypto-tools-roadmap/<img src="https://blog.lynxflow.co/images/lynxcrypto-tools-roadmap-v2.png" alt="Featured image of post LynxCrypto 工具篇:从装环境到专业级量化研究者,我的进阶路线和全部教程" /> 先说三个最值钱的结论: 顶级量化机构没人用 TradingView 做策略研发。 Jane Street 全公司写 OCaml,Two Sigma/Citadel 用 Python+Java+Spark,HFT 是 Python 研究 + C++ 执行。TradingView 只是&quot;眼睛&quot;(看图+盯盘+预警),不是&quot;大脑&quot;。 个人研究者的正确分工是:Jupyter+vectorbt 当大脑(策略发现)、自写引擎或 Freqtrade 当双手(可信回测+实盘)、Plotly/QuantStats 当镜子(曲线与回撤)、TradingView 只当眼睛。 工具一个月能装完,方法论要学一年。 真正区分专业和业余的,不是会多少库,而是懂不懂回测的四种偏差、多重检验校正、以及&quot;为什么回测爆赚实盘爆亏&quot;。 〇、先对齐账本:为什么我需要一个&quot;研究环境&quot; 前两篇的结论:我 880 美金本金,最初&quot;每天 800→1000 出 200&quot;的目标,被我自己写的可行性闸门(feasibility_gate.py