https://blog.lynxflow.co/tags/%E9%87%8F%E5%8C%96/Recent content in 量化 on Lynx 的技术博客Hugo -- gohugo.iozh-cnTue, 29 Sep 2026 00:00:00 +0800https://blog.lynxflow.co/posts/a-372x-price-turned-7-day-paper-trading-from-minus-376-into-plus-741k/Tue, 29 Sep 2026 00:00:00 +0800https://blog.lynxflow.co/posts/a-372x-price-turned-7-day-paper-trading-from-minus-376-into-plus-741k/<img src="https://blog.lynxflow.co/images/a-372x-price-turned-7-day-paper-trading-from-minus-376-into-plus-741k.png" alt="Featured image of post 一个372倍的价格,把7天模拟交易的净利从-376美元刷成了+74万" /> 模拟器:2026-09-28T16:55:54Z → 17:05:43Z,267 笔交易,真实净利 −$376.26。报告器输出的净利:$+741,670.47。 差额来自 2 笔交易,来自 1 个被解析错的池价,和真实市价差 372 倍。 直接成因两条:均值回归策略的出口绑在「下一笔成交」上(59% 同块进出),以及整条链路上没有任何一道 px 合理性校验。 同一份代码里还有第三个缺陷:WS 订阅字段名写错,行情修订从未抵达——但它不是这个 74 万的成因(价格经 REST 兜底一直有效),只是让 mid 始终停留在慢通道上。 全部事实点在本轮对现场文件复核过,复核命令与实测值见文末附录,可重跑。https://blog.lynxflow.co/posts/quant-learning-path-wqu-quantconnect/Mon, 21 Sep 2026 01:30:00 +0800https://blog.lynxflow.co/posts/quant-learning-path-wqu-quantconnect/<img src="https://blog.lynxflow.co/images/quant-learning-path-wqu-quantconnect.webp" alt="Featured image of post 量化学习路径选型：WQU 与 QuantConnect" /> 结论先说：WQU 和 QuantConnect 解决的是两个不同的问题。WQU 补知识体系，QuantConnect 练研究流程。单独用任何一个，都会留缺口。 自学量化的人大多走过同一条弯路：跑通一个回测，Sharpe 3.7，兴奋，上实盘，账户爆炸。问题往往出在策略写出来了，写的人却说不清自己为什么这么做。