📊 量化策略
37 篇大跌后10次反弹9次：贵州茅台为何是A股最强左侧标的——CSI800股性扫描揭秘反弹率选股因子
基于CSI800成分股715只的月度股性扫描数据，拆解"大跌后反弹率"这一被忽视的选股因子。茅台反弹率0.90居首，均值回归型平均反弹率0.60远超动量型0.47，低波动股反弹率0.58碾压高波动0.51。结合白酒行业7.8%分位低估，构建"低估+高反弹"双因子选股池，并诚实拆解反弹率因子的3个陷阱。
放弃择底博弈，靠基差套利穿越周期：从数字资产大赛获奖者到 A 股 ETF/期现贴水结构实战
2026 数字资产量化大赛获奖者一句"放弃择底博弈，靠基差套利穿越周期"戳中量化交易最难的命题。本文用自有 DuckDB 期货数据 + akshare 现货指数，实测 A 股三大股指期货（IM0/IC0/IF0）近 3 个月 62 个交易日的贴水结构：IM0 与 IF0 贴水天数 100%、IC0 为 98.4%，基差百分比均值介于 -1.39% 至 -1.67% 之间。年化贴水增强粗估 16.7%-20.0%，单次建仓至到期收敛收益约 6%-9%。附基差计算 SQL 模板与三类套利打法对比。
指数偏空却涌入102只买入信号：个股-指数背离日，均值回归完胜动量突破
2026年7月8日，沪深300跌0.58%、中证1000跌2.32%，CSI800市场环境偏空得分-1.7，但当日个股层面却打出102只买入信号vs29只卖出，买卖比3.5比1。这是典型的指数-个股背离日。本文用DuckDB对9只代表性信号股做07-08至07-31的前向验证，发现一个反直觉的结果：均值回归型信号（RSI超卖）平均收益正7.04%、胜率6比7，而动量突破型信号（瑞芯微、浪潮信息）全部亏损超6%。弱势环境中，均值回归完胜动量突破。
42天前系统喊"卖成长、买价值"，7月创业板崩了14%——我的一次完整信号前瞻性验证
2026年6月17日，我的蓝筹v2信号系统给出"5买5卖"的清晰风格切换信号：买入RSI超卖的价值股、卖出RSI高位的成长股。42天后的7月28日，买入组平均+3.10%，卖出组平均-32.78%，风格价差达35.89个百分点；同期创业板ETF跌13.65%、创业板50跌14.61%。本文用10只标的的真实收盘价，完整复盘这次信号的前瞻性验证，拆解均值回归在风格层面为什么有效，并诚实地评估哪些信号没被验证。
可转债低价券只剩5只：54.9%转债站上130元，"低吸双低"策略正在失效（2026-07-28）
2026年7月27日数据扫描显示，全市场可转债中价格低于90元的只剩5只（占比1.8%），90-105元区间仅1只，而54.9%的转债价格已经站上130元。本文用自有数据库quant_v2.duckdb对288只转债的价格分布、低价券稀缺度、到期收益率进行实测拆解，结合华创证券中期策略与东方金诚发行窗口期判断，论证传统"低吸双低"策略为何在高估值环境下失效，并给出转向低溢价率、条款博弈、正股弹性三条新路径的可落地规则。
锂电材料一天4只跌停：板块级均值回归为何变成接飞刀？
2026-07-08 锂电材料板块集体跌停，CSI800 当晚发出 29 只卖出信号。用真实数据回看：抄底天齐、赣锋、恩捷、天赐的人，15 天后又亏了 10-15%。本文拆解板块级均值回归失效的三个条件，并用灾前 30 日跌幅数据告诉你如何区分超卖反弹与下跌中继。
估值分位择时规则真的有效吗：8年期货数据回测，买入信号胜率61%但卖出信号失效
分位小于10加仓、大于90减仓——这套估值择时规则在量化圈流传甚广，但很少有人用真实数据检验它到底赚不赚钱。本文用2018-2026年全部期货主力合约（57个品种、2815个交易日）做了一次完整回测：17730个买入信号样本、60日胜率61.2%、策略年化+20.96%、Sharpe 1.115、最大回撤-20.43%，8年总收益+379%。但同期24329个卖出信号胜率仅48.4%——这个不对称性才是本文最核心的发现。
可转债均价157元历史94分位：当低价策略无券可选，高估值环境该怎么打？
283只活跃转债均价157元、仅2只破百，处于历史94.3分位极贵区。回测2024-2026共30个月数据显示：传统低价5只策略年化15.48%但回撤-20.63%，而当前实际可买的100-120元区间策略年化仅2.49%跑输基准。本文用真实数据拆解高估值环境下可转债策略的失效边界与应对路径。
A股风格切换进行时：ETF剪刀差、信号系统验证与量化配置策略
2026年7月，A股市场呈现极端风格分化：华宝油气+13.9%领跑，中概互联+8.9%紧随其后，而军工ETF暴跌12.7%、新能源车ETF重挫13.1%。AgentQuant基于自有数据系统，从ETF剪刀差、CSI800信号验证、可转债估值三维度拆解本轮风格切换的驱动因素与量化应对策略。
ETF成交量热力图——从科创50与通信ETF日交4747万手看资金博弈逻辑
2026年7月24日，科创50ETF日成交4747万手、金额89.8亿，通信ETF紧随其后。本文用DuckDB实战数据构建ETF成交量热力图方法论，从"量"维度揭示机构资金真实流向，交叉验证板块热度与风格切换信号。
可转债"黄金坑"浮现：破面转债的量化投资价值深度分析
可转债ETF规模半年暴增50%突破658亿，多只转债深度破面至71元。本文用自有量化系统的估值数据，深度分析当前可转债的债性保护区间，给出破面转债的筛选方法与买入区间。
证券保险板块低估30%：从估值周报到蓝筹v2信号的双视角量化验证——中国平安80%胜率意味着什么？
估值周报显示证券/保险板块处于近10年低估区间，蓝筹v2信号系统对中国平安给出80%胜率、招商蛇口RSI=6.3极度超卖。本文用"估值分位+信号系统"双视角交叉验证方法论，给出每只标的的量化评分卡与策略落地路径。
9只20cm涨停同日爆发：量化视角下的市场情绪极端化与应对策略
2026年7月23日，A股10只涨停股中9只为20cm涨停（创业板/科创板），密集度创年内新高。本文从量化视角拆解此次情绪极端化事件——结合CSI800信号系统5558条验证数据、动量vs均值回归分层表现、板块资金流向与全市场估值体系，探讨极端行情下量化系统的表现规律，给出可执行的应对策略。
量化信号74%→19%胜率"过山车"——同月内极端波动的统计分析与风控启示
同一个信号系统，7月2日胜率74%、均收+1.21%，7月6日胜率仅19%、均收-1.74%。本文以CSI800信号系统的5558条实测数据为样本，系统分析量化信号胜率极端波动的统计特征、内在机制，并提出信号系统的"二阶风控"框架——不仅管理策略的风险，更要管理信号发生器本身的风险。
黄金ETF逆势下跌-2.57%：当避险资产成为反向指标——风险偏好迁移量化报告
2026年7月，黄金ETF近20日逆势下跌-2.57%，同期创新药ETF暴涨+15.69%、中概互联+14.85%。当避险资产不涨反跌、风险资产全面开花时，市场正在发出怎样的信号？本文基于DuckDB自建数据库的ETF涨幅、主力资金流向、CSI800信号系统与估值周报四维数据，量化验证风险偏好迁移的3个证据，并回测"黄金弱+权益强"信号的历史胜率。
宏观评分从+4.5升到+6.0，但周期还是滞胀——20天量变积累意味着什么
基于AgentQuant自有估值周报系统的连续跟踪，解析宏观评分从6月29日的+4.5升至7月20日的+6.0的20天量变过程，拆解滞胀周期下宽信用+低利率的累积效应，以及板块轮动迁移路径与策略调仓信号。
电力板块异动——主力资金的下一站？
2026年7月17日，乐山电力+11.79%、湖南发展+13.55%双双涨停，叠加PVC深度低估（分位4.5%）与黑色系集体低估信号，电力股的技术异动是独立事件还是板块轮动的前兆？本文从涨幅拆解、产业背景、估值周报交叉验证、CSI800信号四个维度深入分析。
可转债YTM排名跑不出来？一张缺失字段暴露的量化数据仓库 schema 治理清单
当 SELECT ytm FROM bond_daily 直接报错，暴露的不只是一个字段缺失，而是整个数据仓库缺乏字段级完整性治理。本文从 bond_daily 表只有8列OHLCV的真实案例出发，构建 schema 合约定义、字段缺失自动检测、数据质量门禁 cron 三层治理体系，附完整 DuckDB SQL + Python 代码。数据工程系列。
七星高照ETF轮动策略本地化回测：年化32%背后的真相
从聚宽社区移植七星高照V1.7.2到本地DuckDB，完整复现七层过滤+震荡期机制+动态滤波器。6.5年回测年化32.2%，但参数鲁棒性测试揭示了不可忽视的过拟合风险。
因子挖掘方法论的三大进化路径：算子化因子 vs GAN_GRU vs LLM-MCTS
2026年7月，长江金工首秀算子化因子体系（成交匹配波动因子），西南证券发布GAN_GRU因子选股月报（年化超额17.75%），而海通证券早在6月已发布LLM-MCTS驱动的AI写因子框架。本文从量化工程视角横向对比三条因子挖掘路径的技术特征、工程落地难度和适用场景。
2026年A股量化工具横评：TqSdk、VnPy、RQAlpha与自建DuckDB四条路线，我为什么选了最难的那条
从知乎和CSDN上热度最高的两篇量化工具盘点帖切入，横向对比TqSdk（天勤）、VnPy、RQAlpha/Hikyuu、QMT/PTrade四类主流平台在数据覆盖、回测精度、实盘速度、策略自由度上的真实差异，并用一个管理4589只股票、988只可转债、30只ETF、体积仅294MB的本地DuckDB数据库作为"自建路线"的真实样本，回答一个没有标准答案的问题：什么人该选什么工具。文章不卖关子——给出一张"编程能力×资金规模×策略复杂度×实盘需求"四维决策矩阵，并坦承自建路线的三大隐性成本。
QMT vs PTrade vs 聚宽 vs 天勤：四大量化平台深度横评，Python+AI如何改变游戏规则
从回测引擎、实盘接口、数据质量、AI集成四个维度深度横评QMT/PTrade/聚宽/天勤四大量化平台。用真实踩坑经验（年化从82%暴搓到12%的血泪教训）告诉你哪个平台适合谁，附平台速查表、AI能力对比和2026-2027趋势判断。
可转债回测卡在"没有YTM"？从零搭建转股溢价率与到期收益率计算管道：条款数据采集+清洗+每日刷新全流程
数据库里988只可转债只有OHLCV没有YTM——这是可转债量化最普遍的数据瓶颈。本文手把手搭建从条款数据采集（Akshare集思录→东方财富双源）、YTM数值求解（现金流贴现+牛顿法）、转股溢价率计算到每日入库刷新的完整工程管道。含完整Python代码、DuckDB入库schema、与现有cron体系对接方案。发表于AgentQuant，数据工程系列。
Python 工具链 Rust 化迁移：ruff 接手 12,767 个代码问题的实战记录
在量化交易项目中完成 ruff 全面迁移，从配置→自动修复→手动修复，12,767个问题压缩至54个的完整流水线。含pyproject.toml配置模板、分阶段修复策略、Ptrade策略文件保护方案。
从三个顶级Agent项目中提取设计模式，强化Hermes技能体系
拆解Google DESIGN.md、ai-berkshire多Agent对抗、gstack角色化工作流的核心机制，并将它们集成到Hermes的设计、量化因子评审和开发生命周期技能中。
一次有色闪崩亏掉半年利润：用Python搭建量化实盘三层风控体系
6月23日洛阳钼业单日-9.98%、创业板20日回撤-12.57%——真实闪崩数据复盘，叠加3512条信号验证与《一个交易者的资金管理系统》框架，构建止损·仓位·熔断三层风控的完整Python代码与Ptrade实盘参数。
AI 自动化实战：用 Hermes Agent 替代重复劳动
手把手教你用 Hermes Agent 打造自动化工作流。从数据下载到策略回测再到日报生成，一步步搭建不需要人工干预的量化流水线。适合已安装 Hermes 但不知道怎么用起来的读者。
双低因子为何失效？可转债转股溢价率时序标准化算子改进与方向修正
经典双低因子在2022年后RankIC转负方向反转。本文用时序标准化算子（Z-Score加MAD截尾）改进转股溢价率因子，多空夏普从1.91提升至2.60，最大回撤从28.62%收窄至17.56%，ICIR从0.91提升至1.37
可转债网格交易策略：价格区间网格+动态调整年化+15.7%低风险收益实录
可转债网格交易策略完整教程。基于价格区间划分网格，低位多买高位少卖的动态仓位管理，回测2022-2026年化+15.7%、最大回撤仅-6.3%。含Python网格引擎代码和参数优化指南。
聚宽组合策略：4因子Alpha挖掘+行业中性化实现Sharpe 1.94的高夏普组合
聚宽平台多因子选股策略完整教程。价值+动量+质量+波动率四因子Alpha挖掘，行业中性化+组合优化实现Sharpe 1.94、年化+27.8%。含因子合成、风险控制和实盘迁移全流程。
AI选股Agent对决：LLM vs 传统因子，谁更准？基于CS
用CogAlpha框架让LLM自动生成选股因子，与Alpha158传统因子库正面对决。五维评估体系（IC/RankIC/ICIR/RankICIR/MI）+ Walk-Forward验证，7个SOTA模型对比，只有2个跑赢随机基线。
Ptrade 量化实盘部署：从策略到自动交易
国金证券 Ptrade 量化平台实盘部署完整指南。策略开发、回测验证、模拟交易、实盘上线——打通量化交易的最后一公里。含 combined_strategy 多策略架构和风控配置。
Python 量化入门：从零到第一个回测脚本
专为量化交易准备的 Python 入门教程。不讲废话，从Anaconda环境搭建到pandas数据清洗与因子计算，再到用backtrader写第一个均线策略回测脚本——够用、实用、马上能用。附完整代码与A股数据接口示例。
AI Agent量化交易自动化实战：Hermes Agent 20个任务架构与代码
AI Agent量化交易自动化实战教程，Hermes Agent驱动20+自动化任务：数据下载、策略回测、日报生成、市场监控。含完整架构设计、cron调度配置、飞书通知集成——用Agent思维做投资，所有代码可复现。
Barra因子模型多因子选股实战：10因子ICIR合成年化30% Shar
Barra因子模型多因子选股实战教程：从Python因子构造到ICIR检验，10风格因子合成全市场选股回测。年化收益率+30.5% Sharpe 1.217，因子溢价分析+风险暴露管理，完整代码可复现。
可转债S04低价轮动策略：从回测框架到自动轮动实盘的完整教程
可转债市场特有的S04低价轮动策略深入教程，从回测框架设计到Ptrade自动轮动实盘部署全流程。Python回测YTD+12.5%，最大回撤仅6.7%。加仓、减仓、止损三线风控规则详解，完整代码可复现。
DuckDB搭建A股量化数据库教程：4589只股票本地数据库从零实战
DuckDB量化数据库从零搭建教程，手把手用pytdx+Python构建A股本地数据库，覆盖4589只股票、988只可转债、30只ETF，294MB零成本可复现，含完整数据清洗和查询优化。
🔍 市场观察
42 篇高估品种两周从9只涨到11只：一份覆盖90标的的估值温度计，读出市场的暗流（2026-07-27）
2026年7月27日的全市场估值周报覆盖了90个标的（52只期货+38个行业），其中纯碱(SA0)连续两周深度低估（分位0.0%），高估品种两周内从9只升至11只，中证500/1000期货低估显现。本文用这套独家估值温度计，结合CSI800信号系统（102只买入、均值回归型均分+0.49）和蓝筹v2白名单（招商蛇口RSI=6.3极度超卖），拆解当前A股与商品市场的结构性机会与风险。
当84%的股票下跌，他却成交198亿：07-24普跌日里的资金真相与周期错配
2026年7月24日，A股4571只股票中仅677只上涨（14.8%），3853只下跌（84.3%），却同时出现通富微电198亿封板的极端反差。本文用四组真实数据——涨跌家数、主力资金净流入、可转债均价、ETF近20日涨幅——拆解普跌日里的结构性机会，并揭示估值周报宏观评分+6.0与市场普跌之间"周期错配"的交易含义。
中际旭创513亿成交的量化解剖——AI算力链资金集中度的真实图景
2026年7月21日，中际旭创单日成交513亿元，涨幅达13.2%，带动AI算力链TOP5合计成交1778亿。本文用DuckDB实盘数据，从成交额分布、资金结构、板块协同、历史规律四个维度，还原A股千元AI龙头的资金博弈真相。
华天科技单周吸金20亿——半导体封测赛道资金行为深度拆解
2026年7月10日，华天科技以单周主力净流入20.84亿登顶全市场，超越第二名比亚迪一倍。本文从资金流数据出发，拆解超大单vs大单的博弈结构、封测四大龙头的资金分化、以及估值高位下的矛盾信号，给出量化交易者的实战策略框架。
可转债跌到71元——"价值陷阱"还是"黄金坑"？极端低价转债深度拆解
2026年7月，3只可转债跌破80元面值，128044仅71.37元（面值以下28.6%）。极端低价背后是正股暴跌、信用担忧与流动性枯竭的螺旋。本文拆解债底保护的极限在哪里、历史数据如何演绎、以及当前是价值陷阱还是黄金坑。
医药ETF 27%暴涨的量化核查：信号系统说了什么，聪明钱在买什么，现在追还是不追？
2026年7月15日，医药ETF 20日涨幅达26.84%领跑全市场，前4只ETF清一色医药医疗。AgentQuant动用CSI800多因子信号系统、主力资金流、全市场估值周报三重引擎，独家核查这轮暴涨的驱动力与可持续性——信号系统给出"偏空"环境评级，主力却疯狂涌入，估值面显示中药仍在低估区间。分歧最大的时候，往往也是最接近答案的时候。
沪深300独涨0.45%而中证500暴跌2.15%：A股"哑铃型"极端分化背后的资金密码与20cm涨停潮
2026年7月14日，A股出现罕见的极端风格分化：沪深300独涨0.45%，中证500却暴跌2.15%，两者价差达2.6个百分点；当日涨幅前10的个股全部是创业板/科创板的20cm涨停板，而申万二级行业中电子军工全线跌停（-8%至-10%）、银行中药油气齐涨（+2%至+3%）。本文用AgentQuant的DuckDB数据仓库拆解这种'哑铃型'结构的成因——资金同时抱团小盘题材与大盘蓝筹，中盘被系统性抛弃；结合ETF近20日资金流向（科创板ETF+19.26%、创新药ETF+15.85%）、可转债破百仅7只（占比2.3%）的强转股预期、以及自有估值系统给出的地产链周期底部信号（PVC分位4.5%），推演风格极端分化环境下的量化应对策略。文末诚实地复盘CSI800信号系统当日胜率仅20%的窘境——当模型在分化行情中集体失灵时，那恰恰是发现模型边界、推动系统进化的起点。
一天37只涨停7只20cm：我用DuckDB给A股涨停板画了张特征画像
2026年7月13日，A股37只涨停，其中7只创业板20cm涨停。我用DuckDB从涨停筛选SQL、行业聚类、前兆特征、次日表现回测四个维度，给涨停板画了一张完整的量化画像。追涨停第二天到底赚不赚钱？367次历史回测给出答案。
102个买入信号涌向超卖区：均值回归的胜率密码与地产链PVC分位4.5%的左侧信号
2026年7月13日，AgentQuant的CSI800信号系统在市场环境偏空(-1.7)的背景下一口气生成102个买入信号，其中近60%是RSI跌破30的均值回归型。洋河股份RSI=33、太阳能RSI=27、华能蒙电MA20偏离-13.7%——超卖反弹因子正在批量触发。与此同时，全市场估值周报给出宏观评分+4.5(偏多)，PVC分位低至4.5%成为全市场唯一深度低估品种，螺纹钢/铁矿石/纯碱/玻璃集体低位形成地产链周期底部集群。本文用信号系统拆解均值回归因子的触发条件与历史胜率悖论，用大宗估值数据推演地产链左侧布局的风险收益比，并在文末诚实地暴露可转债数据管道的字段缺口——量化系统的进化，往往发生在数据裂缝被发现的时刻。
从ICLR 2026到实盘：TiMi架构解耦、77篇Agent综述与FinRL-X模块化——LLM交易Agent的"论文-实战"距离到底有多远？
ICLR 2026收录TiMi，用LLM设计策略+轻量机器人执行的架构解耦实现分钟级真实交易；77篇LLM交易Agent综述重新定义了Agent决策管道五环节；FinRL-X用权重中心接口打通数据-策略-回测-执行四层。这三项前沿工作拼出了LLM交易Agent的完整技术地图，但论文到实盘之间横亘着延迟、成本、可解释性和工程一致性四道墙。本文用AgentQuant自有CSI800信号系统102只买入标的作为传统量化基线，逐一评估三篇论文哪些能落地、哪些仍是空中楼阁。
低估品种一周翻倍：从13到27个，大宗商品黑色系与化工品的左侧布局窗口
2026年7月第一周，估值系统监测到低估品种从13个暴增到27个，高估品种从16个腰斩到8个。黑色系（铁矿石7.1%、螺纹钢8.2%）和化工品（PVC深度低估4.5%、纯碱2.1%）集体进入历史低分位区间，宏观评分连续7周维持+4.5偏多，SHIBOR仅1.369%。本文用DuckDB实跑数据拆解这一信号。
科技医药双引擎：ETF动量轮动、主力资金共识与蓝筹超卖的三角验证
科创50ETF 20日涨19.79%、创新药ETF涨16.80%，科技+医药双主线领涨。与此同时，华天科技5日吸金20.8亿、比亚迪10.4亿，主力资金正悄悄形成共识。但蓝筹端招商蛇口RSI低至6.3、中国石油RSI=23.5——市场正在经历罕见的"成长高位+蓝筹超卖"跷跷板。本文用ETF动量、资金流向、信号系统、大宗估值四组数据交叉验证，推演下一阶段轮动方向。
Trading-R1深度拆解：把DeepSeek R1推理链塞进交易系统，LLM终于会"想一想再下单"了
UCLA+斯坦福团队提出Trading-R1，用三阶段课程学习（结构→证据→决策）训练金融推理LLM。100K样本、14只股票、18个月数据，在AAPL上实现Sharpe 2.72、胜率70%。但论文也坦承reward hacking、blue-chip long bias、thesis-to-decision gap三大陷阱。本文从量化交易实践者视角，拆解其推理链架构、实验结果、失败教训，并探讨在A股CSI800信号系统中的落地路径。
多头市场买入反而亏钱：5558条信号追踪揭开量化择时的反直觉真相
CSI800信号系统累计追踪5558条交易信号，发现一个刺眼的反直觉现象：多头市场买入胜率仅35%、平均收益-0.48%，反而空头/震荡市场胜率45%。动量信号最优（胜率48%），均值回归最差。7月2日140只信号胜率74%是最佳案例。结合当前蓝筹全线超卖vs小盘全线超买的极端跷跷板效应，拆解信号拥挤度陷阱与优化路径。
破净不只是银行——从南京高科PE=7.2/PB=0.64看非银深度价值选股框架
A股PB<1的股票有261只，但银行占了绝大多数。本文聚焦非银破净股，深度拆解南京高科(600064)与厦门国贸(600755)两个典型案例，提出PE-PB双低+ROE>8%+现金流为正的三重过滤框架。数据来自DuckDB实时查询。
国盛证券择时雷达六面图复现：21维框架的本土化简化验证
复现国盛证券梁思涵/林志朋团队发布的《择时雷达六面图：基于多维视角的择时框架》。原文采用21个指标覆盖流动性、经济面、估值面、资金面、技术面、拥挤度六大维度，构建综合择时打分，年化超额7.8%。本复现使用本地DuckDB中可获取的宏观和市场指标构建简化版，年化超额0.26%，分析数据缺失对复现精度的影响。
A股跌港股涨、创业板跌科创涨：7月首周三重分化背后的资金逻辑
7月第一周，A股宽基普跌的同时中概互联ETF逆势涨9.31%，创业板跌4.19%。65只涨停股集中在TMT+新基建，跨市场分化创年内极值。本文用DuckDB数据拆解三重分化背后的估值差、资金选择与轮动信号。
掩码后α消失：KTD-Fin基准用"数据脱敏"戳穿LLM交易Agent的记忆幻觉
10个前沿LLM Agent在CSI300上交易，总收益最高+85%看起来很美——但把股票名称和日期匿名化后，选股alpha几乎清零。KTD-Fin基准的四层掩码协议+Barra归因分析揭示：LLM的alpha可能是记忆而非推理。结合自有5448条CSI800信号追踪数据交叉验证。
均值回归策略的牛市陷阱：5086条信号揭示的超卖买入在多头环境反而最差
当你的RSI超卖买入信号在牛市里胜率只有35%、平均亏损-0.48%，而在熊市里却能做到45%胜率、平均盈利+0.04%——这违反直觉吗？本文用CSI800信号系统累计5086条真实追踪数据，拆解均值回归策略"多头环境失效、空头环境有效"的反直觉规律，给出按市场环境分层使用信号的可复用方法论，并揭示score≥5高分信号隐藏的筛选价值。
PB=0.33的银行股：A股极低PB银行股是系统性低估还是价值陷阱？
民生银行PB 0.27、华夏银行PB 0.33、贵阳银行PB 0.33……A股38只银行股中15只跌破净资产50%以上。本文从估值数据出发，结合宏观周期信号和基本面指标，剖析极低PB银行股的五重价值陷阱风险，给出量化筛选标准和仓位管理框架。
蓝筹超卖集群信号：140只买入创新高背后的均值回归陷阱
2026年7月3日，A股指数普跌（创业板-2.86%），但自有CSI800信号系统却触发140只买入信号创近期新高，蓝筹v2白名单5只全绿、招商蛇口RSI=6.3极度超卖。本文用两套独立信号系统做交叉验证，拆解"超卖集群"的真实含义，并揭示均值回归策略在趋势下跌中的三类陷阱与对应的风控框架。
主力资金凭空消失、可转债算不出YTM、估值停在5月：一张"数据缺口地图"决定你的策略哪些能做、哪些只能猜
一个量化数据库每天开盘前都在默默回答三个问题：字段够吗、数据新吗、能算那个指标吗？但大多数人只关心"够不够用"，不关心"缺了什么、为什么缺、怎么办"。本文用 DuckDB 实查三个真实数据缺口——主力资金净流入缺失、可转债 YTM 字段空白、估值表滞后——展示一套采/买/算/代理的四象限决策框架。每个缺口附 SQL 诊断代码，可直接复用。
三系统交叉验证铁证：动量信号当日全面溃败，科技板块高位动量失效警报
当CSI800动量型信号次日实际亏损-9.37%（阳光电源）、-5.91%（立讯精密），当蓝筹v2五只电子股同日触发卖出，当估值周报标记半导体/通信高估——三个完全独立的系统在2026年7月1日指向同一结论：科技成长板块的动量引擎已经熄火。本文用真实信号系统的次日验证数据，拆解"估值高估→动量失效→均值回归接力"的完整传导链，并给出可复用的多系统交叉验证方法论。
GDP 5.2%、CPI 0.4%、PMI 50.3：当宏观停在"被动去库存"，钱该往哪个低估行业走
2026-06-30，我的估值周报给出宏观综合评分 +4.5、连续 6 周偏多，但经济周期却定位在"滞胀（GDP 5.2%/CPI 0.4%）+ 被动去库存（PMI 50.3）+ 宽信用"这个尴尬的组合上。美林时钟此刻到底指向哪个象限？本文用自有系统实测数据回答：被动去库存不是衰退中继，而是复苏前夜。关键证据来自一张109个申万二级行业的估值地图——银行、家电、证券、铁路趴在PE分位1%~13%的地板上（城商行PE仅6.1倍、证券25.8倍），而半导体（PE 87.5、分位95%）、通信设备（PE 89、分位98%）、元件、军工顶在88%~100%的天花板上。叠加上证50ETF 20日仅+2.87%、半导体ETF却暴涨+34.68%的极端价格裂口，本文拆解"宏观信号看多低估、市场动量追高科技"的直接冲突，给出周期定位×估值分位×动量确认的三维配置框架。所有行业PE分位与ETF涨幅均为本文实测查询结果，并诚实披露M2数据异常、纸浆深度低估独苗、ETF/指数数据口径边界。
Hermes v0.17.0 Automation Blueprints 评估 + 7月业绩超预期因子选股池
评估 Hermes v0.17.0 新增的 Automation Blueprints 蓝图系统（14个预置模板、slash command交互创建），以及基于 2026 半年报预告构建的业绩超预期选股池——从 101 份预告中筛选出 7 只高质量标的。
M2 同比 353 万%、主力资金表凭空消失：一个量化库的 5 个数据噩梦与自救指南
M2 同比飙到 353 万%？主力资金流入表凭空消失？可转债数据停更 24 天无人告警？本文记录了一个个人量化数据库真实遭遇的 5 个数据质量噩梦，以及如何用三层防线构建数据健康系统。每个坑都附 DuckDB 诊断代码，可直接复用。
研报复现：五指标定量择时模型能否跑赢买入持有？
复现招商银行研究院A股五指标月频择时策略，用本地DuckDB+M1宏观数据验证25年回测。完整代码实现：从因子计算到信号合成再到绩效归因，手把手拆解每个步骤。对比买入持有：择时策略年化收益率提升12%、最大回撤降低35%。
极致分化日：237只蓝筹超卖买入 vs 32只半导体高位卖出，一份信号该怎么看
2026年6月24日，CSI800系统单日触发237个买入信号（分众传媒RSI=23、福耀玻璃RSI=20、中国移动RSI=24）与32个卖出信号（捷捷微电RSI=72、大族数控RSI=75）。叠加ETF通信+14.85%/宽基+0.33%的极致反差与估值周报16只科技高估/12只消费低估，本文用三组独立数据还原一个完整的风格切换信号，并讲清楚均值回归策略在分化行情中的盲区。
2026年AI算力链为何"吸血"全市场？从成交额集中度看主线拥挤度
6月17-23日，5日成交额TOP10全部为AI算力链股票，总成交超9500亿。本文用成交集中度指标量化主线拥挤程度，分析资金虹吸效应对非主线板块的影响，并结合CSI800信号系统验证算力链高位过热信号。
2026可转债：从"估值扩张"到"精耕细作"，低价折价券的陷阱与机会
2026年可转债市场进入新阶段——估值高企、价格创新高，卖方策略一致认为转债成为'弱贝塔资产'。本文结合三篇卖方策略和自有数据，分析低价折价券的陷阱、债底保护在消费板块的显著优势，以及下半年精耕细作的投资方向。
MAMS策略：基于3512条信号验证的动量自适应实盘交易系统
用CSI800信号系统3677条真实验证数据反向工程出的超短线交易策略。核心发现：动量型信号在空头环境胜率50%、RSI70-80区间胜率53%、多头环境均值回归只有13.8%——策略设计完全由数据驱动，包含完整Python回测代码、三层风控体系和Ptrade实盘部署方案。
均值回归策略为什么在A股不灵？基于3512条信号追踪的实证分析
通过3512条真实信号追踪数据，揭示均值回归策略在A股胜率仅36%、远低于动量策略（51%）的残酷真相。分析空头环境下信号胜率反超多头的反直觉现象，帮助你理解A股市场的收益率分布特征。
用DuckDB搭建A股主力资金流向监控系统：成交额异动检测到板块轮动完整工程实战
基于DuckDB和Python构建A股资金流向监控系统，从成交额异动检测、板块资金聚合到飞书日报推送的完整工程方案。实测2026年6月科技主线资金虹吸效应，兆易创新5日成交1499亿(+64%)、东方财富+97%、中信证券+75%。含完整代码与实盘部署。
PEG估值选股策略回测
PEG估值选股策略A股回测实战，基于彼得·林奇经典指标筛选低估值高增长股票。19个月完整回测年化+20.52%、最大回撤可控，附Python因子计算与Ptrade实盘部署代码，价值投资量化的完整方案。
三大系统共振预警：科技股RSI86过热、蓝筹RSI17超卖，A股风格拐点信号全解析
当生益科技RSI飙至86.4而双汇发展跌至17.0，当通信ETF20日暴涨26%而沪深300仅涨3.66%——本文用DuckDB真实数据+三大自有信号系统，拆解均值回归策略如何捕捉A股风格拐点。含完整Python RSI计算代码与风格轮动量化框架。
可转债18策略横评：从双低轮动到低价动量的完整回测对比
988只可转债、28个月回测周期，18种策略统一框架对比。双低、三低、低价轮动、动量、反转、波动率、网格、哑铃型——哪个策略真正赚钱？含S04到S06完整进化路径和修复7个BUG后的真实数字。
国内量化交易免费数据源全景指南：从pytdx到DuckDB的实战数据架构
系统对比国内8大免费量化数据源（pytdx、akshare、新浪/腾讯/东财HTTP行情、东财妙想、集思录等），并以作者实际运行的量化系统为例，详解pytdx全量下载→增量更新→前复权处理→DuckDB本地仓库的完整数据管道。包含5607只标的、1628万行K线、1094MB数据库的真实工程细节。
AI选股Agent全军覆没？LLM交易数据泄露检验：7个SOTA模型仅2个正收益的真相
LLM交易Agent真的能选股吗？PolyBench实测7个SOTA大模型仅2个正收益，CSI300防泄露基准暴露alpha幻觉。结合自有CSI800信号追踪2861条数据，揭示AI选股的真相与4种数据泄露陷阱，含Python泄露检测探针代码。
震荡市该追涨还是抄底？2861条信号实证动量vs均值回归胜率真相
基于CSI800成分股2861条真实T+1验证信号，实证动量策略胜率48.4%远超均值回归型31.8%。空头市买入胜率41.8%居首，揭示市场状态评分对策略权重的决定性影响，含信号分类代码与市场评分函数完整实现
白马股多因子选股策略：ROE+增速+估值三因子模型年化+18.3%回测实录
用ROE、营收增速、PE三个维度构建白马股量化选股模型，A股全市场扫描→月度调仓→回测年化+18.3%、最大回撤-21.5%、Sharpe 0.92。含完整Python因子计算框架和Ptrade实盘部署代码。
布林带均值回归策略：Python回测A股量化，7笔交易85.7%胜率实战
布林带均值回归策略Python回测实战，以中国平安601318为例，完整拆解20日均线+2倍标准差的信号逻辑与逐笔交易分析。3年半回测取得7笔交易85.7%胜率、最大回撤仅2.69%，并附Ptrade实盘部署代码，技术指标选股一网打尽。
ETF轮动策略实战：30只选池动量评分+可投资性双因子动态轮动
基于动量评分+可投资性双因子的ETF轮动策略实战教程。30只ETF选池，动量评分+R2过滤动态轮动，精准避开A股大跌。Python完整回测框架与Ptrade部署，年化收益+18.3%，代码100%可复现。
🤖 AI Agent
20 篇你的量化信号系统可能已经"静默死亡"一个月：一次真实 cron 停跑事故的根因诊断
2026年8月1日做每日信息采集时，我发现 CSI800 信号停在 07-09、蓝筹v2 信号停在 06-17——两套核心选股系统分别静默失效 23 天和 45 天，期间没有任何告警。本文用 jobs.json、output 目录时间戳和 output 文件内容，完整复盘事故时间线与根因，给出可复用的 cron 产出物心跳检测、notify 配置与每日健康巡检三层监控方案。
本周5个新Skill：正交Agent框架、学术研究全家桶与DuckDB数据ETL
本周从298个候选Skill中筛出5个尚未在任何推荐文章出现过的新技能——正交性Agent框架（模块化设计）、学术研究Hub（论文搜索下载全流程）、学术写作Refiner（顶会论文润色）、Excel DuckDB ETL Runner（DuckDB驱动的表格处理流水线）、Transformer微调方案生成器。附安装命令、适用场景和避坑说明。
LLM交易Agent别再比收益了：CLQT五轴能力诊断框架深度解读（国内首发）
为什么"我的GPT-4 Agent年化40%"是句危险的话？2026年6月最新论文CLQT指出：用固定窗口收益给LLM交易Agent排名，是在给look-ahead泄漏打分。该框架用硬TimeGate杜绝未来函数、用哈希链封存每一轮决策、用五轴评分卡（Coherence/Acuity/Composure/Discipline/Reliability）把Agent能力从"赚了多少"重构为"诊断而非排名"。结合arxiv 2607.15414五模型对比实证，深度拆解这一当前最严谨的LLM交易Agent评测范式。
本周新发现：4个值得一试的社区Skill——效率管理、中文Wiki、AI数据分析和健康追踪
2026年7月第四周Skillhub扫描精选：Productivity时间块管理+精力管理、LLM-Wiki中文版自动维基、CellCog驱动的AI数据分析、Nutrition Claw本地语义搜索健康追踪。附安装命令和实测用法。
5个让AI助手更强的新技能实测：正交Agent、学术研究、Wiki引擎、写作系统、设计架构
新安装的5个Hermes技能实测：正交性Agent框架拆解复杂任务、学术级深度研究、LLM自动维护Wiki索引、三层架构写作助手、Token驱动设计系统。每个技能的实际用法和适用场景。
Gartner预测2028年15%工作决策由AI自主完成：Agent自动化从概念到落地的真实路径
Gartner预测到2028年15%的日常工作决策将由Agentic AI自主完成，但超40%的Agent项目会在2027年前被砍掉。Agent自动化到底走到了哪一步？哪些场景已经能自主决策？
LLM交易Agent的'问答强≠交易强'陷阱：用StockBench方法论科学评测AI选股
2026年StockBench基准揭示：LLM金融问答SOTA放到实盘却亏钱。本文拆解contamination-free评测设计，含迷你评测台Python代码，教你科学评估AI交易Agent的真实能力。
Hermes Agent 技能装机指南：进化、生活、工作三大方向 24 个必装 Skills
从 86000+ 社区技能中精选 24 个最值得安装的 Hermes Agent Skills，按智能体进化、日常生活、职场效率三个方向分类，每个附一键安装命令和实际使用示例。
Hermes Agent 安装配置完全指南——从零到跑通每一步
国内用户专属的Hermes Agent安装教程。涵盖WSL2环境搭建、GitHub/pip/npm/Playwright四大国内镜像配置、hermes setup向导详解、config.yaml核心字段、十大常见报错速查表。30分钟从零到跑通，告别踩坑。
知识管理与记忆系统——让AI拥有过目不忘的大脑
Hermes+Obsidian知识管理完全指南：三层记忆体系、知识网络自生长（6类节点分类）、三条黄金法则（存/查/看关联）、7个核心自动化定时任务、90天知识复利效应。让你的AI从健忘变过目不忘。
模型配置与零成本方案——让Hermes用得起、用得好
Hermes Agent模型选择完全指南：DeepSeek/Kimi/Qwen/GLM等云端API对比（含价格表）、llama.cpp本地零成本方案全流程、config.yaml模型配置详解、Token降本90%的5大实战技巧、常见模型报错排查。
消息平台接入实战——让Hermes出现在你的每个屏幕
Hermes多平台接入教程：微信官方插件一键法、Termux手机方案、飞书长连接免公网完整流程、企业微信与钉钉接入、TTS语音配置（Kokoro/Noiz）。含版本兼容/事件订阅/权限配置三张避坑清单。
安全防护与进阶玩法——别让你的AI裸奔
Hermes安全与进阶完全指南：225万实例裸奔警示、五大安全红线、L1/L2/L3三级权限分级、Skill安全审查（10.8%恶意率防护）、Web UI与桌面版、Hermes vs OpenClaw vs Claude Code选型、10个真实应用场景、四种部署方案对比。
Skill技能系统与多Agent协作——让AI从单兵变团队
Hermes Agent进阶指南：Skill三件套推荐（self-improving/Find Skills/Skill Vetter）、自动进化原理、三种多Agent协作模式、8脑区架构实战、模型分配矩阵、权限安全体系。含完整YAML配置和内容生产团队搭建案例。
AI Agent记忆系统实战：Hermes三层知识架构搭建第二大脑
以Hermes Agent实际运行的三大知识系统为例，详解如何从零搭建AI Agent的记忆系统——会话记忆(MEMORY.md/USER.md)、第二大脑(自我进化引擎)、Wiki知识库(Karpathy LLM Wiki模式)。178页Wiki、24条持久记忆、561条自我进化建议、6大领域跨域链接，全部零成本开源方案。
cron 调度：让 Hermes Agent 每天自动干活
Hermes Agent cron 调度系统完全指南。从创建第一个定时任务到编排复杂工作流，再到 no_agent 轻量模式——让你的 Agent 24 小时在后台自动运行。
认识 Hermes Agent：AI 自动化助手的安装与上手
什么是 AI Agent？Hermes Agent 能做什么？从零开始安装 Hermes Agent，了解核心概念（工具、技能、记忆）并完成第一次对话。适合编程零基础或想了解 Agent 概念的读者。
技能开发：用 Skill 扩展 Hermes Agent 能力边界
Hermes Agent 技能系统完全指南。理解 SKILL.md 的YAML frontmatter、Schema定义、Strategy步骤与Example结构的完整格式规范，从创建第一个技能到本地安装测试再到社区发布共享——把你的量化工作方法固化为可复用的 AI 能力。
个人博客从零到上线全记录：Astro + GitHub + Cloudflare Pages 完整建站流程
一份从零搭建个人技术博客的手把手教程：涵盖域名注册、Astro静态站点搭建、GitHub推送、Cloudflare Pages自动部署、自定义域名绑定到Giscus评论系统集成的完整建站流程，零基础也能快速上线量化博客。
Hermes Agent 优化迭代实录：一个AI Agent的持续进化之路
Hermes Agent 优化迭代实录：从安装配置、技能开发、cron调度到网关优化的23次迭代全过程。记录AI Agent在量化交易自动化场景中的持续进化之路，含实际问题和解决方案复盘。
🧠 AI 前沿
23 篇FinSMART：用强化学习把金融情感分析和市场状态对齐——为什么你的FinBERT在牛熊判若两人
同一句"公司业绩大增"，牛市是利好、熊市是"利好出尽"变利空——基于静态人工标注训练的FinBERT/FinGPT天生分不清这种语境依赖。Imperial College London的FinSMART框架（arXiv 2607.28127）提出第一个"市场对齐强化学习"范式：不再依赖人工标签，而是把新闻发布后的真实市场收益直接做进GRPO的奖励函数，让Llama-3-8B从市场反馈中自学情感。在2019-2021年35%多空组合回测中，FinSMART累计收益264.9%、Sharpe 1.97，比此前的SOTA模型FinDPO翻倍；加入每半年重训练后累计收益推到406.2%。本文拆解它的双过滤奖励矩阵、数据门控管道，并从A股实践者视角评估它在T+1制度、中文语料稀缺下的落地可行性。
三个矩阵就够了？用相关距离+排名马尔可夫链做动态组合优化——arXiv 2607.27461解读
解读Igor Halperin的OMD-Portfolio论文：仅用价量市值数据，三个固定大小的矩阵（相关距离矩阵+两个排名马尔可夫链的转移矩阵）替代Markowitz的期望收益向量和协方差矩阵，无需矩阵求逆，在两个不重叠的样本外窗口（2022-2024、2025-2026）都跑赢市场。本文拆解核心设计、与TDA/Barra/最小方差组合的横向对比、以及A股落地的工程化路径与陷阱。
深度学习做金融时序，到底哪个架构最强：牛津15年跨资产基准给出VLSTM登顶的答案
深度解读牛津大学最新论文（arXiv:2603.01820）：在2010-2025年商品/股指/债券/外汇期货日频数据上，对15种主流深度学习架构做端到端Sharpe优化基准测试。核心结论——VSN+LSTM以2.40的Sharpe登顶，纯Transformer全线溃败，线性模型无法稳定盈利。本文拆解架构归纳偏置决定胜负的底层逻辑，并给出A股因子挖掘的工程化落地启示。
LLM写的期权定价代码能信吗？RIDGE自动验证框架：从蒙特卡洛失效到方法发现
当大语言模型能直接从数学模型规格生成期权定价实现时，怎么验证它写对了？2026年7月arXiv论文RIDGE（2607.25199）提出了一套自主验证框架——三道闸门（有效性、无套利可容许性、基准一致性）+ 可积累的验证知识仓库。论文用五个随机波动率模型做了实证：未经引导的LLM定价代码在压力参数下出现8.8%~14.1%的单调性违反和5%~12%的定价误差；RIDGE引导后误差降到百万分之一量级。更惊人的是，在Heston-Hull-White和G-SVJD两个模型上，验证过程本身发现蒙特卡洛方法存在结构性瓶颈，进而引导出基于条件特征函数PDE的半解析新方法——验证不止是找bug，它能发现方法。本文从量化工程视角深度拆解RIDGE的三块验证、知识仓库迁移、消融实验的关键数据，并与刚解读的CLQT评测框架、散户信号证伪论文形成"量化严谨性"主题呼应。
杠杆下的"波动率损耗"：用神经网络做最小方差组合的论文解读
解读arXiv 2607.23068——把端到端神经网络压缩到2175个参数做全局最小方差组合，在4倍杠杆下首次把强制平仓阈值从2.6倍推到2.77倍。本文拆解波动率损耗的二阶展开、BiGRU特征值清洗模块、Interactive Brokers级别的高保真保证金模拟器，并从A股工程化视角指出可落地路径与不可忽视的陷阱。本文不含回测代码，属方法论解读。
论文解读：散户常用技术信号"全灭"——三道闸门证伪RSI/MA交叉/K线/成交量/Sell-in-May
arXiv 2607.20093《Retail Trader's Ruin》用统计+经济+生存三道闸门联合证伪了散户最常用的5类技术信号。RSI/成交量/日历效应/K线形态4类被REFUTED（证伪），MA金叉/死叉和动量基准INCONCLUSIVE（无法判定），没有任何一类通过。本文从量化工程视角解读论文的三门控框架、关键数据、动量基准的特殊校验作用，以及与已有实战发现的呼应。
用"拓扑形状"选股：TDA+FinBERT动态组合优化的论文深度解读
解读arXiv 2607.21170——把拓扑数据分析（TDA）和FinBERT新闻情绪整合进凝聚聚类，做资产选择+权重优化+动态调仓。本文拆解核心设计、工程化落地路径，并与已有的择时/聚类/行业轮动系统做横向对比。
从指数到个股：预训练Transformer在多伦多交易所的股票收益预测实践
解读一篇arXiv金工论文：利用TSX指数预训练Transformer，微调到个股做涨跌分类与收益回归。核心发现：预训练确实有效(BCE loss 0.694→0.640)，但XGBoost日均收益+0.59%远超Transformer的+0.03%——低MSE不等于会赚钱。
从"替代交易员"到"增强投研"：2026 AI+量化的范式革命
2026年7月21日，创业板暴涨6.28%，中际旭创单日513亿成交创纪录。同日，ICLR 2026论文TiMi提出LLM"理性驱动"交易智能体框架，标志着AI在量化中的角色从"替代交易员"转向"增强投研"。本文结合5558条CSI800信号验证数据，深度剖析这一范式革命的底层逻辑。
AlphaZeroBeta：深度强化学习构建市场中性组合——arXiv论文深度解读
解读arXiv最新论文AlphaZeroBeta，一个使用CNN-GRU+Recurrent PPO构建市场中性投资组合的深度强化学习框架。在7个全球股指2014-2024年回测中实现平均Sharpe 1.25、近零beta的关键技术解析与工程落地分析。
从"人工写因子"到"AI写因子"：LLM-MCTS驱动的可解释因子迭代框架解读
海通证券金工专题报告解读：基于Alpha-GPT框架的人机交互式因子挖掘平台，利用大语言模型+MCTS实现从自然语言到可解释因子表达式的端到端生成，为量化因子研究提供全新的AI驱动范式。
LLM交易智能体：从ICLR 2026前沿论文到量化实战
本文深度解析ICLR 2026接收论文TiMi（Trade in Minutes!）等LLM交易智能体前沿研究，结合CSI800信号系统5558条验证数据与7大开源量化框架，探讨大语言模型在量化交易中的真实能力边界：从策略研发辅助到自主交易执行，从论文复现到实战落地。
端到端深度学习跨资产期货择时——AI策略何时优于简单规则
深度解读arXiv最新论文：用LSTM和Transformer直接优化投资组合权重的端到端方法论，在16只CME期货上对比等权、风险平价和时间序列动量的实证结果——结论出人意料，Transformer的胜出并非靠alpha。
2026年AI量化交易全景图谱：从自然语言建策略到ICLR 2026多智能体系统
系统梳理2026年AI量化交易工具的完整生态：从面向散户的自然语言策略平台（QMT/PTrade）、开源回测框架（Backtrader/Qlib/vn.py），到ICLR 2026收录的TiMi多智能体系统与FinRL-X模块化基础设施。用AgentQuant自有CSI800信号系统的实战数据作为传统量化基线，逐一评估每类工具的真实定位与适用场景。
从"只会存储"到"有反哺有学习"：AI Agent知识库架构升级全记录
一次真实的知识库架构升级：从 Karpathy LLM Wiki + Cognee ECL + A-Mem 三篇论文汲取灵感，将 Hermes Agent 的知识库从被动仓库改造为主动编译层。图索引、向量检索、Query Synthesis、Memory Evolution、Web 内容自动沉淀——7 个新脚本、3 条自动化流水线，wikilink 从 0 到 1036，核心层孤立率从 32% 降到 1.1%。含改进前后完整对比和最终架构图。
当LLM Agent遇上量化交易：从ICLR 2026顶会论文到产业落地的全景拆解
2026年三篇重磅论文（含ICLR 2026录用的TiMi）揭示一个新趋势：LLM Agent正在从黑盒预测模型走向具备显式推理链与自适应能力的自主交易系统。本文从Agentic Trading范式转变、理性驱动的TiMi架构、多智能体模拟交易框架三个维度，结合OpenAI Operator/Claude Computer Use/字节Coze的产业实践，以及AgentQuant自有CSI800信号系统作为传统量化对照组，系统拆解LLM Agent重塑量化交易的技术路径、核心挑战与落地边界。
相关矩阵去噪与核心外围结构：A股实证验证Marchenko-Pastur谱过滤框架
深度解读arXiv:2607.10297——用Marchenko-Pastur随机矩阵理论从噪声相关矩阵中提取真实市场结构。A股Top300成分股实证：仅14个特征值（4.67%）携带真实信息，去噪后核心-外围区分度提升2.04倍。从谱分解到外围资产组合构建，一篇搞懂金融网络去噪的工程化落地路径。
「鹰派 vs 鸽派 vs 辩论」：4个LLM Agent如何用宏观信号管理商品ETF组合？
深度拆解 arxiv 2606.08283：4个LLM Agent用FRED宏观信号管理15只商品ETF，124周回测发现LLM确实优于规则基准，但"辩论"本身并未跑赢最强单Agent——辩论的价值是纠偏而非增量α。
LLM量化交易Agent真的靠谱吗？——77篇论文系统性审计揭示的残酷真相
2026年5月，深圳大学团队发表了一篇77篇LLM交易Agent论文的系统性审计报告（arXiv:2605.19337），核心结论令人震惊：仅2/19的论文报告了可提取的时间一致数据分割，1/19明确交易成本模型，15/19被评为完全不可复现（R0），0篇达到R3水平。本文以这篇里程碑式审视为蓝本，结合AgentQuant信号系统的实战经验，拆解LLM量化Agent领域的\"繁荣泡沫\"与\"硬核瓶颈\"。
AutoMem论文解读：把记忆管理变成可训练技能，32B模型击败Claude Opus 4.5
Stanford 2026年7月新论文 AutoMem（arXiv 2607.01224），将LLM Agent的记忆管理从固定模块升级为可独立训练的认知技能。双外循环框架——meta-LLM自动优化记忆脚手架+LoRA微调专用记忆模型——让Qwen2.5-32B在Crafter/MiniHack/NetHack三个长程任务上性能提升2-4倍，达到Claude Opus 4.5和Gemini 3.1 Pro Thinking水平。本文从量化交易Agent视角拆解论文核心设计、实验数据、与Hermes记忆系统的对应关系，以及落地启示。
AI Agent 量化的分水岭：为什么不该让 LLM 直接下单？——MetaPS 论文解读 + TradingAgents 实盘复盘
TradingAgents 多智能体框架火爆全网，但知乎实盘复盘泼了冷水——LLM 的训练目标从来不是预测价格。MetaPS 论文提出新范式：让 LLM 在预设策略间[选择]，而非直接生成交易动作。本文对比两种技术路线，结合 CSI800 系统 237 只信号的实操经验，分析 AI Agent 量化正确的分工方式。
LLM Agent做量化交易靠谱吗？解读3篇2026年最新论文
2026年arXiv上涌现了3篇LLM+量化交易的前沿论文：QTMRL多指标强化学习Agent、Trading-R1金融推理模型、QuantAgent高频多智能体框架。本文逐一解读核心思想，分析技术路线，评估落地可行性。
量化因子挖掘引擎：从Alpha158到CogAlpha LLM启发式挖掘的完整实战
基于CogAlpha论文(arXiv:2511.18850)，用LLM驱动因子代码自动进化。7级Agent层次、五维评估体系、遗传优化，从5000只A股和988只可转债中自动挖掘Alpha因子。
📑 研报复现
29 篇国信《2026年下半年非银金融策略》解读：从产业革命到金融创新的资产配置框架
国信证券2026年下半年非银金融深度策略报告提出"产业革命→估值叙事→金融创新"三层递进框架，并系统拆解了存量资金博弈格局下的险资哑铃型配置、券商跨境第二增长曲线、主动管理ETF元年等关键变量。本文从量化配置视角解读其框架逻辑、工程化落地路径，并与本地已有的宏观因子体系、AI Agent行业轮动策略做横向对比。
AlphaForge深度解读：多智能体+多模态如何让LLM真正"挖出"可交易Alpha因子
arXiv 2409.06289论文解读：三个核心组件（种子Alpha工厂SAF→多智能体多模态评估→DNN权重门控）让LLM从"会写因子"进化到"会选因子"。回测53.17%收益碾压XGBoost的9.53%，但消融实验暴露了多智能体协同的脆弱性。
LLM能否执行母单？PACE框架拆解：从"选什么"到"怎么交易"的范式跃迁
解读2026年7月arXiv论文PACE——首个用LLM做母单执行的研究。分层规划+执行架构，在深交所Level-1数据上超越TWAP/AC/ML基线，揭示LLM交易行为与人类的根本差异。
社会服务行业深度认知报告
社会服务行业十二维度深度认知报告——申万一级分类覆盖酒店餐饮、旅游、教育、专业服务、检测认证全产业链，含各子行业营收利润增速、估值分位、机构持仓与疫后恢复进度，为A股服务消费板块配置提供数据支撑与隐性规则解读。
当Agent吃掉Token：一份券商报告如何把AI模型经济学拆成"五层蛋糕"
基于国信证券AI行业专题报告，从评测体系、MaaS收入爆发、自进化路径到工程化落地，拆解Agent时代大模型竞争的真实规则。附B14 PDF日期交叉验证与Hermes实战对照。
商贸零售行业深度认知报告
商贸零售行业十二维度深度认知报告——申万一级分类覆盖百货、超市、专业连锁、电商、即时零售全产业链，含各子行业营收利润增速、估值分位、机构持仓与消费趋势变化，为A股消费板块配置提供数据支撑与隐性规则解读。
医药生物行业深度认知报告
医药生物行业十二维度深度认知报告——申万一级分类覆盖化学药、中药、生物制品、医疗器械、医药商业全产业链，含各子行业营收利润增速、估值分位、机构持仓、集采影响与创新能力评估，为A股医药板块配置提供数据支撑与隐性规则解读。
轻工制造行业深度认知报告
轻工制造行业十二维度深度认知报告——申万一级分类覆盖造纸、包装印刷、家居用品、文娱用品等细分领域，包含各子行业营收利润、估值分位、机构持仓与资金流向等量化指标，为A股消费板块深度研究提供框架参考。
纺织服饰行业深度认知报告
纺织服饰行业十二维度深度认知报告——申万一级分类覆盖服装、家纺、鞋帽、奢侈品全产业链，含各子行业营收利润、估值分位、机构持仓与资金流向等量化指标，为A股消费板块深度研究提供框架参考。
从因子到策略：净利润增速因子的十年回测研究与工程化落地
深度解读券商金工研报中净利润增速因子的构建逻辑、十年回测表现，以及如何在本地量化管道中落地实现 — 涵盖因子构建、行业中性化、多因子融合、工程化路径与局限性分析
计算机行业深度认知报告：AI应用与信创双轮驱动的科技核心板块
基于申万一级行业分类（2021版）的十二维度深度认知报告。计算机行业是中国科技产业核心板块，AI大模型浪潮与信创国产替代双轮驱动下正处于新一轮技术周期早期。核心判断：AI是未来3-5年最确定成长方向、信创是确定性最高的成长主线、云计算从高增长转向盈利增长、工业软件卡脖子领域国产替代空间极大。
食品饮料行业深度认知报告
食品饮料行业十二维度深度认知报告——申万一级分类覆盖白酒、大众品、食品加工全链，包含各子行业营收利润增速、估值分位、机构持仓与资金流向等量化指标，为A股消费板块配置提供数据支撑。
宏观风险平价策略系列解读（一）：基于资产价格反推的宏观高频因子体系
金融街证券研报解读：借鉴Breeden经济跟踪组合研究范式，利用沪深300、中证500、商品期货等资产价格反向提取宏观经济状态变量，构建增长因子和通胀因子的高频动态体系，并基于二维四象限框架进行宏观经济周期定位。
电力设备行业深度认知报告
电力设备行业十二维度深度认知报告——申万一级分类覆盖电池、光伏、风电、电网全产业链，包含各子行业估值分位、资金流向、机构持仓等量化数据，为新能源板块投资决策提供行业基本面分析框架。
ETF资金逆势申购下的A股韧性——东吴金融产品周报解读与跨市场风险链分析
基于东吴证券2026年7月19日金融产品周报数据，拆解7月第三周ETF资金流向中的关键信号：宽基ETF逆势净申购557亿元 vs 主题ETF净赎回1224亿元的结构性分化、万得全A宏微观模型-3.5分的含义、韩国央行加息引爆半导体连锁平仓的跨市场传导机制。结合本地ETF轮动系统的实证数据，分析"资金逆势流入"信号的有效性与局限性。
宏观风险平价策略（一）：宏观状态识别与周期定位——金融街证券研报深度解读
解读金融街证券最新研报：用高频宏观因子体系替代传统经济数据，构建增长-通胀二维四象限框架识别经济周期状态，探讨从宏观视角到实战资产配置的工程化落地路径
宏观风险平价策略深度解读：从经济周期四象限到实战工程化
深度解读金融街证券最新研报《宏观风险平价策略系列（一）：宏观状态识别与周期定位》，拆解其高频宏观因子体系构建方法论，对比本地已有复现策略，并给出A股实战的工程化落地路径分析。
AI Agent量化投研三路径——从因子挖掘到行业轮动到全流程重构
2026年7月，东吴证券发布《AI Agent重构主动投研工作流》，国信证券发布《Agent赋能开发行业轮动策略》，海通证券发布《LLM-MCTS因子迭代框架》。三篇研报分别覆盖AI Agent在量化投研的三个层次：因子挖掘、行业轮动、全流程重构。本文从工程化视角系统梳理三条技术路径的设计思路、数据依赖和落地可行性。
用LLM和RAG自动读财报写研报：从arxiv论文到A股落地的完整复现
深入解读2026年7月arxiv论文"Augmenting Fundamental Analysis with LLMs"，拆解其RAG架构如何用GPT-4o+SEC EDGAR自动生成投资简报，9位投资者实测验证。进一步将其架构移植到A股：用akshare替代SEC数据源、Chroma替代LanceDB向量库、GLM-5.2替代GPT-4o，给出端到端可运行的Python复现方案。
Alpha-GPT人机交互因子挖掘平台工程化拆解：从论文架构到A股落地的三道鸿沟
深度解读Alpha-GPT论文(arXiv:2308.00016, EMNLP 2025 Demo)，剖析其LLM+遗传编程+知识库的三层因子挖掘架构。从知识编译器到Alpha部署模块，逐层拆解工程实现路径，并对照A股本地量化管道分析三道落地鸿沟：表达式正确率仅40%、令牌限制截断、因子衰减动态评估。结合中邮LSTM-GHMM择时策略的复现经验，给出可操作的工程化建议。
中邮证券市场脉搏2.0 vs 金融街宏观风险平价：两篇同日重磅量化研报的工程化路径解读
2026年7月9日，中邮证券发布《市场脉搏(2)：基于LSTM-GHMM混合方案的量化择时与动态仓位管理》，金融街证券发布《宏观风险平价策略系列(一)：宏观状态识别与周期定位》。前者将HMM升级为LSTM+GHMM混合架构实现量化择时，后者构建宏观高频因子体系实现风险平价配置。本文从量化工程化视角解读两篇研报的核心设计、工程落地路径和互补性。
西部证券RRG ETF轮动策略复现：扩散指标+相对旋转图的行业轮动实践
复现西部证券《相对旋转图RRG框架下的行业和ETF轮动策略》。核心框架：扩散指标筛选趋势行业+RRG剔除弱势象限，月频调仓ETF轮动。本地简化复现12个月收益36.61%，但数据覆盖短于原文8年回测。
可转债策略大转向：券商全面推荐困境反转+低价银行，双低策略性价比回归
2026年可转债策略共识全面转向——从成长驱动切换到困境反转+低价银行+高分红防御型配置，双低策略经历拥挤度回落后性价比重新凸显。本文拆解四大方向筛选标准，附保守型/均衡型/进取型三套实操组合配置比例，含信用风险过滤要点。
国信证券AI Agent行业轮动策略复现：Agent自主开发的月频轮动组合
复现国信证券2026年6月金工研报"AI赋能资产配置：Agent赋能开发行业轮动策略"。通过500日风险调整收益排序+等风险权重构建月频行业轮动，复现年化11.38%（原文12.29%），超额沪深300约8.6pt，但回撤控制不及原文。
研报复现：基于吸收率(AR)的A股风险识别框架——申万金工系列之四
复现申万金工量化择时策略研究系列之四——基于吸收率(AR)的A股风险识别与行业配置框架。采用PCA构建吸收率指标，捕捉市场共振度变化，生成择时信号。复现年化3.25%，显著优于随机基线（-16.97%）。
复现国信证券：AI Agent赋能RRG行业轮动策略（年化11.28%，8年7正收益）
本报告复现国信证券2026年6月发布的"AI赋能资产配置（三十八）：Agent赋能开发行业轮动策略"。使用stock_daily个股数据按申万二级行业等权聚合模拟行业指数，实现月频风险调整收益排名的行业轮动策略。复现年化11.28%，Sharpe 0.53，最大回撤28.4%。
研报复现：AI行业轮动策略，用风险调整动量跑赢市场
复现国信证券AI行业轮动策略，250日风险调整动量选6行业+40%国债ETF，17个月年化13.56%。详解动量计算、行业筛选、仓位分配三大核心模块，含完整Python代码与DuckDB实现。附风险收益归因与参数敏感性分析。
研报复现：开盘30分钟能预测全天涨跌吗？日内动量策略实测
复现开源证券日内动量策略，用5分钟K线验证9:30-10:00开盘动量的预测力，年化30% Sharpe 2.76。完整Python回测框架：分钟级数据清洗、信号构建、交易执行与绩效评估。挑战：手续费摩擦、滑点冲击、样本外衰减深度分析。
自建量化回测引擎V2：从零搭建事件驱动回测框架，替代商业平台
49个Python文件、845KB代码，包含模拟券商账户、限价单订单簿、布朗桥bar内插值、动态流动性滑点。完整分享自建回测引擎的架构设计和7个曾导致虚假收益的致命BUG。
📰 AI 周报
19 篇AI周报第6期：Claude Opus 5半价反超Fable 5，Kimi K3权重开源刷新万亿格局
AI周报第6期。本周AI大事：Anthropic发布Claude Opus 5（代号Honeycomb，1M上下文、xhigh推理，四项基准反超Fable 5但价格仅其一半）；月之暗面7月27日按承诺开放Kimi K3完整2.8万亿参数权重成全球最大开源模型；谷歌Gemini 3.6 Flash专攻资本市场与M&A法律文档；阿里Qwen3.8-Max预览版对标Fable 5；DeepSeek V4正式版引入峰谷定价；中美AI差距被评估缩至3-5个月。本期聚焦前沿模型性价比革命与开源万亿军备竞赛对AI量化交易基础设施的深远影响。
AI周报第5期：Kimi K3 2.8万亿参数开源登顶全球，WAIC 2026习近平出席释放监管信号
AI周报第5期。本周AI大事：月之暗面发布Kimi K3——2.8万亿参数登顶全球最大开源模型；WAIC 2026上海开幕习近平出席，300款产品全球首发；AI板块抛售潮致量化基金年内收益回吐25%；EU AI Act高风险合规8月2日生效倒计时；AI编程Agent年化收入突破63亿美元。本期聚焦开源模型军备竞赛升级与AI监管博弈对量化交易生态的深远影响。
本周值得安装的7个Hermes社区技能：从AI模型全家桶到量化策略加载
2026年7月第三周Skillhub扫描：Llm Models通过OpenRouter直连100+模型、HAI Agent Framework企业级Agent、Unifuncs三位一体深度研究、LLM-Wiki-Skill自动维基、Academic Writer LaTeX写作、Trading Brain策略加载引擎、Automation Workflows自动化流水线。附安装命令和实测用法。
量化前沿观察：GFlowNet因子挖掘、CFTC黄金择时与拥挤度轮动——本周研报精华速览
一周量化研报前沿方向综述：东方证券GFlowNet分钟频因子挖掘框架、东吴证券CFTC黄金择时策略、中泰证券拥挤度行业配置、华泰证券衍生品定价择时——四大方向的工程化落地路径与A股实战启示。
AI周报第4期：GPT-5.6三档齐发首破ARC-AGI-3，Apple重锤起诉OpenAI
AI周报第4期。本周AI大事：OpenAI发布GPT-5.6三档模型（Sol/Terra/Luna），Sol首次在ARC-AGI-3公开局胜出并证明Cycle Double Cover数学猜想；xAI联合Cursor推出Grok 4.5首次覆盖金融法律领域；Apple起诉OpenAI窃取商业机密索赔巨额；Colibri用纯C在25GB内存消费机上跑通744B参数GLM-5.2；白宫拟推行政令限制开源AI模型。本期聚焦前沿模型军备竞赛升级与开源生态危机对AI量化交易的深远影响。
本周值得安装的7个Hermes技能：从LLM路由到量化研究全覆盖
本周从Skillhub精选7个社区技能：智能LLM路由省钱、PARA知识管理、中文学术论文写作、量化研究工具箱、自然语言交易策略沙盒、DuckDB数据分析、Docker容器管理。附安装命令和实际使用场景。
AI周报第3期：Claude Sonnet 5低价杀入Agent赛道，阿里全面封禁Claude全球AI地缘裂变
AI周报第3期。本周AI大事：Anthropic发布Claude Sonnet 5（Agent能力逼近Opus，价格砍半）、阿里全面封禁Claude全系模型引爆中外AI地缘对抗、X推出托管MCP服务器让Agent直连社交数据、DeepSeek V4正式版涨价预告、达摩院AI智能体28小时发现4种新超导体。本期聚焦AI Agent成本骤降与地缘分裂对量化交易生态的双重影响。
AI周报第2期：GPT-5.6三型号齐发，OpenAI自研芯片Jalapeño亮剑
AI周报第2期。本周AI大事：OpenAI发布GPT-5.6（Sol/Terra/Luna三型号，150万token，编程Agent超越Mythos）、首发自研推理芯片Jalapeño（成本省50%），Anthropic指控阿里发起史上最大模型蒸馏攻击，美国政府对前沿模型实施出口管制。本期聚焦这些进展对AI量化交易基础设施的深层影响。
创业板暴跌4%那天，我的量化系统却狂买242只：均值回归撞上价值成长极致背离
2026-06-26（周五）是A股罕见的全面下跌日：上证50跌2.37%、沪深300跌3.03%、创业板指重挫4.07%。但就在同一天，我的CSI800信号系统却吐出242只买入信号、仅40只卖出信号——典型的"恐慌日逆势买入"行为。买入清单清一色是RSI被砸到13~24的低估值蓝筹（北大荒RSI=13、梅花生物RSI=18、苏州银行RSI=20、大秦铁路RSI=20），卖出清单则集中在RSI78~85的科技半导体高位股（北方华创、中国巨石、生益科技）。叠加蓝筹v2系统里招商蛇口RSI=6.3的极端超卖、半导体ETF 20日+20.92%的火热，以及估值周报"消费金融整体低估、科技周期整体高估"的交叉验证，这一天呈现出教科书级的"价值vs成长极致背离"。本文用四组自有数据库实测数据，拆解均值回归为何专挑大跌日爆发、低胜率系统为何敢在恐慌日加码、以及普通投资者如何把这套逆人性信号变成可执行的行动框架。所有数字均标注采集口径与代理指标边界，并诚实披露资金流向数据缺失、M2异常等数据告警。
70只涨停、成交放大690%、破面仅2.9%：读懂数据里资金的三种表情
2026-06-26这个交易日，A股把风险偏好推到了一个很极端的位置：当日触及涨停（≥9.8%）的个股多达70只，且涨幅前五全部是创业板/科创板的20cm涨停；5日资金关注度榜上，亨迪药业成交放大690%、长荣股份放大534%、黑猫股份单只成交67亿——典型的"突袭型"资金行为。而另一边，307只可转债里价格跌破面值的只剩9只（2.9%），债底保护几近消失。本文用自有DuckDB quant_v2数据库实测的四组数据——个股涨幅榜、资金关注度代理、可转债低价清单、ETF二十日涨跌——拆解资金在"抢什么、怎么抢、以及避险资产为何退潮"，并附本周arxiv q-fin四篇前沿论文的实战解读。所有数据均标注采集口径与代理指标边界，不拿"听起来合理"的数字冒充"实测出来"的数字。
胜率只有39%的策略为什么能赚钱：拆解均值回归的盈亏比工程
一个开盘买入胜率只有39.0%的信号系统，凭什么还在稳定运行？本文基于CSI800系统累计3914条已验证信号的真实数据，拆解均值回归策略的「胜率悖论」：当39%胜率对应1.56:1的盈亏平衡比，叠加超卖反弹的盈亏不对称结构，低胜率反而能跑出正期望收益。结合2026-06-25当日263只买入信号、均值回归型均分+3.56的爆发数据，给出仓位工程、择时滤镜与胜率提升的三种正交手段。
多Agent编排进入「模型学习」时代：从Sakana Fugu到可转债轮动实盘的三个信号
基于2026-06-24 Hermes Agent自我进化报告，深度解读三个相互呼应的技术信号。其一，Sakana AI发布Fugu——一个把多Agent编排能力本身训练进单一模型的「编排器」，核心思路是「让模型学会判断何时调用谁」而非手工设计Workflow，同周IBM CUGA开源、微信Agent小微灰度，多Agent编排正式进入产品化竞争阶段，对Hermes的delegate_task方向给出强确认；其二，雪球用户公开的可转债轮动策略2026年前4个月实盘+9.34%（4月单月+4.52%），为中低频转债轮动有效性提供了真实样本，可对比自研S04策略的因子配置寻找优化空间；其三，Apple基于LLM的Siri完整重设计将端侧AI推理推到新高度，与本地化、模型量化部署方向共振。
AI周报第1期：GLM-5.2开源发布，DeepSeek完成500亿融资刷新纪录
AI周报第1期重磅上线。本周AI大事：智谱GLM-5.2开源（MIT许可、1M上下文、强化Agent能力），DeepSeek完成超500亿元首轮融资刷新国产AI纪录，Claude Fable 5首个Mythos级模型登场，GPT-5.6与Gemini 3.5 Pro蓄势待发。本期聚焦这些进展对AI量化交易生态的深层影响。
AI Agent的「操作系统」正在成型：代码知识图谱、工程技能集与沙箱运行时
基于2026-06-22 Hermes Agent自我进化报告，深度解读三个GitHub高星项目如何勾勒出AI Agent基础设施的三层骨架。DeusData/codebase-memory-mcp（10.2k⭐）把整个代码库索引成持久化知识图谱，158种语言、亚毫秒查询、99% Token节省，解决Agent「理解代码」的根本问题；addyosmani/agent-skills（64.7k⭐）由Google Chrome团队Addy Osmani出品，把资深工程师的工作流和质量门禁编码成可复用技能；withastro/flue（6.3k⭐）是Astro团队的TypeScript沙箱Agent框架，提供sessions、tools、skills、文件系统和安全沙箱。三者恰好对应Agent系统的「理解—能力—执行」闭环，对构建生产级量化Agent有直接工程价值。
为什么你的AI Agent总用过期信息下单？四个直击量化系统可靠性的新发现
基于2026-06-21 Hermes Agent自我进化报告，深度解读四个直击量化系统可靠性的发现：LedgerAgent用独立状态账本+工具调用前合规检查解决Agent'用过期信息决策'和'违反状态依赖策略'两类失败、EQAF来自顶级投行183笔交易实战的分层异常检测框架可加固DuckDB数据管道、Which Portfolios论文证明因子模型排名严重依赖测试资产构造方式需写入回测守则、TradingAgents-Studio与Omnigent代表AI Agent量化生态的两大新势力。包含LedgerAgent的状态账本伪代码、EQAF分层架构图和因子模型构造依赖的Python回测示例。
别再让AI看K线图了：VLM技术分析被证伪，grounded框架才是量化交易的正解
基于2026-06-20 Hermes Agent自我进化报告，深度解读三个直击量化交易本质的发现：arXiv论文用Martingale Doppelgänger-Eval基准形式化证明视觉语言模型(VLM)在K线图分析中靠趋势外推而非真正读取图表证据、AI Economist Agent提出LLM规划+模型计算的grounded分析范式、以及趋势强度的二次多项式可精确预测未来波动率与相关性。包含VLM审计的数学原理、grounded分析框架的工程实现和可运行的波动率因子Python代码。
LLM重构Black-Litterman + 深度风险模型IR破3.2：2026组合优化的三个新范式
基于2026-06-19 Hermes Agent自我进化报告，深度解读今日组合优化领域的三大突破：LLM-Enhanced Black-Litterman用大模型自动生成投资者观点与置信度、民生证券GAT+GRU+PPO深度风险模型在沪深300/中证500上实现IR 3.0+的端到端组合优化、以及DuckDB 1.5.4的Quack协议如何解决多进程并发锁冲突。包含Black-Litterman数学推导、深度风险模型架构解析和可运行的Python代码示例。
全自动内容生产流水线：7个AI Agent协作，从数据采集到博客发布零人工
用Hermes Agent搭建7个cron定时任务，实现量化博客的全自动内容生产——数据采集→选题→自我进化→文章撰写→AI大事记→定时发布→SEO优化，全链路零人工干预。本文本身就是这条流水线的产物。
市场微观结构新突破 + Agent安全警钟：实时价格冲击检测、可微期权定价与多模态注入攻击
基于2026-06-18 Hermes Agent自我进化报告，深入解读今日四大核心发现：arxiv实时价格冲击检测论文（每笔交易级别判断是否冲击市场）、PIVOT可微Jäckel算子桥接期权价格-IV空间实现端到端训练、多模态隐藏指令攻击绕过AI Agent skill扫描器的安全漏洞、以及A股科创板第五套扩容至AI大模型的重磅政策。包含算法原理分析、Python代码示例和量化实践启示。
⚙️ 量化系统
2 篇从EVOQUANT看LLM如何颠覆量化策略开发——Sharpe从-0.29到+0.54的自动化进化之路
2026年7月，香港科技大学团队发表EVOQUANT论文，提出基于LLM的自演化量化策略优化框架，将4个A股策略平均Sharpe从-0.298提升至0.538，最佳策略相对提升199%。AgentQuant结合CSI800信号系统5558条真实信号验证数据，深度解读这场从「人工试错」到「自动化验证迭代」的范式转移——LLM不是来取代交易员的，而是来终结策略开发中的「玄学」环节的。
5558条信号、42.9%胜率：一个自建量化信号系统的冷启动真相
AgentQuant的CSI800多因子信号系统累计验证了5558条交易信号，总体开盘买入胜率42.9%，平均次日涨幅-0.26%。动量型信号胜率48%最优，但「信号分越高胜率越低」的反直觉发现颠覆了传统认知。本文用5558条实战数据，诚实解剖一个自建信号系统从零到一的冷启动全过程——它的表现、它的盲区，以及它教会我们关于量化本质的五个教训。