标签
哥伦比亚大学的一篇论文介绍了一个严格因果的隐马尔可夫模型，能适应不断变化的市场制度，实现了2.18的夏普比率，而SPX买入持有为1.18，并在2025年抛售期间将最大回撤从-14.62%降低到-5.43%。
前Citadel基金经理Brett Caughran总结了十点关于如何在投资中应用AI Agent的要点，作者认为其中第5和第6点尤其公允。
一位量化金融专家在PyData大会上系统讲解Python在量化金融中的实际用法，涵盖NumPy、SciPy、Pandas、Numba等工具，并推荐开源库DX Analytics和资源大全awesome-quant。
高盛开源了其内部量化交易工具库 gs-quant，提供机构级的衍生品定价、风险管理和策略开发工具，已获 11.3K GitHub Star。
精心挑选的10个免费GitHub仓库，用于算法交易和量化金融，涵盖回测、数据分析、投资组合优化以及AI驱动交易策略的工具。
该线程探讨了数学/编程奥赛背景如何批量培养科技创始人，指出竞赛范式内化的系统化解题能力、信念和同侪效应是核心引擎，量化金融作为中转站，但也提醒创业需要超越解题的技能。
一个GitHub仓库汇集了免费的、开源的量化金融工具——定价引擎、回测工具、订单簿以及高频交易模拟器——这些通常被公司严密保护，包括微软的AI量化平台。
XAlpha引入了一种记忆驱动的AI量化研究员，它整合金融知识和发现反馈，自动完成从假设到代码的Alpha发现全流程，在沪深300上取得了更强的性能。
AI Trader 是一款完全自主的交易代理，现已免费提供。
文章总结了世界顶级几何学家和量化之王詹姆斯·西蒙斯的核心学习法：潜意识孵化、剥离噪声和极度抗拒的死记硬背，强调深度思考、留白和利用天才网络跨界学习。
一条推文强调了斯坦福大学教授Stephen Boyd免费的凸优化课程和教科书，指出Citadel为此技能支付40万美元。该课程讲授最优投资组合配置，但强调优化器只有在信号具备真正优势时才有效。
一条教育性长帖，解释量化交易公司（如Renaissance Technologies）所用的数学基础，涵盖从伯努利到布朗运动的概念。
本文介绍了OpenFinGym，这是一个统一的多任务Gym环境，用于评估量化金融中的大语言模型Agent，涵盖预测、市场生成、实时交易和欺诈检测，具备可验证执行和自动化任务构建功能。
Awesome Quant AI 是一个精选的GitHub仓库，整理了量化金融与交易中AI和机器学习的资源，包括策略设计、交易范式，以及如LLM智能体、时间序列基础模型等前沿AI主题。
本文详细介绍了一家系统性基金如何用基于RAG的LLM代理架构取代其传统NLP流水线，从非结构化数据中实现了alpha生成能力提升340%。文中引用了近期研究（Alpha-GPT 2.0、FinCon、FinAgent），表明在自动化因子发现和交易性能方面取得了显著进步。
本研究测试了本杰明·格雷厄姆的经典价值投资规则是否可以作为数学上的“低通滤波器”，防止现代机器学习模型（XGBoost、AutoGluon）过拟合市场噪音。使用20年的标普500数据，作者发现，格雷厄姆规则与随机森林相结合，相比单独使用复杂AI模型，能够实现高收益且风险更低。
一本全面指南，介绍卡尔曼滤波器及其在构建更智能交易系统中的应用，包括数学基础和可用于生产环境的示例。
A thread introducing Loop Engineering as a solution to the common problem of quant strategies that backtest perfectly but fail in live trading, emphasizing the need for iterative optimization.
本文介绍了CARLOS，一种深度强化学习算法，它利用聚合深度神经网络学习美式期权的连续时间最优停止规则，有效缩小了百慕大与美国期权之间的价值差距，并具有较高的计算效率。