@FinanceYF5: Loop Engineering——量化选手真正的Alpha来源 1/ 回测完美，上线两周就开始亏损。 每个量化人都经历过这个。 问题不是模型不够好，是你只有一次猜测，没有迭代。 Loop Engineering就是解法

Loop Engineering——量化选手真正的Alpha来源

1/ 回测完美，上线两周就开始亏损。

每个量化人都经历过这个。

问题不是模型不够好，是你只有一次猜测，没有迭代。

Loop Engineering就是解法

2/ 一次prompt = 一次猜测。

第一个想法几乎从来不是边际优势所在。

没有循环，每次都从零开始，没有任何东西在累积。

真正的边际在于迭代本身。

3/ Loop的工作方式：

生成假设 → 回测 → 评分 → 读懂失败原因 → 反馈下一轮

关键指标是【ICIR】= 因子IC的均值/标准差

一个低但稳定的ICIR，远比昙花一现的高IC更有价值。

4/ 还有一步大多数人跳过：

信号有保质期。用AR(1)计算半衰期：t½ = -ln(2) / ln(ρ)

半衰期50天 = 可交易的慢边际 半衰期2天 = 你在花成本追噪音

好的Loop会自动过滤短半衰期因子。

5/ 最反直觉的一步——【样本外验证】

在同一份数据上反复迭代，不是更快找到Alpha，是更快找到漂亮的噪音。

每个幸存候选因子必须在从未见过的数据上重新验证ICIR。

跳过这步，Loop Engineering就只是自动化曲线拟合。

6/ Horizon把这套循环做成了一个完整流程：

用自然语言描述策略 → 生成多个变体 → 回测评分 → 读失败 → 样本外验证 → 上线交易所

量化团队手动跑的每个步骤，在一个地方跑完。

7/ 量化人最常犯的错误：

在样本内数据上循环 = 更快过拟合 没有评分函数 = Loop在优化虚无 追高IC忽视稳定性 = 月冠军的陷阱

模型可以生成一千个因子。

只有Loop告诉你哪个是真的。

阅读原文：

以上就是全部

如果您喜欢这个主题：

1.关注我（@FinanceYF5） 2. 点赞+转发下面第一条帖子

1/ AI能做大多数你计划做的事——那你还剩什么？

一位a16z投资人给了个让我想了很久的答案。

不是“找AI做不到的工作“，是另一个更老的问题