同大基金量化研究員交流
最近同唔少大基金既量化研究員交流
其實大家做既策略都係大同小異
以前嘅睇法
以前會覺得
- 邊間因子低相關因子高IC特別多
- 邊間模型做得特別好就先係勁
而家嘅睇法
而家反而覺得
風險管理做得好會更加有edge
原文出處：voltima_quant (@voltima_quant) 於 Threads · 查看原文
量化策略來來去去都係咁？同大基金研究員交流後：風險管理先係真正Edge
分享
推薦閱讀
原始峰度不夠用？下行半峰度與跳躍次數的替代方案
日報酬原始峰度以四次方計算，少數極端報酬容易主導整個估計值，且對稱性使其無法區分暴漲與暴跌的厚尾。本文介紹下行半峰度與跳躍次數兩個替代方案，分別針對左尾對齊與幅度敏感度進行改進，並比較三者在極端值敏感度、估計穩定性、換手率與經濟解釋上的差異。
Voltima Quant2026/11/03
美股板塊輪動熱力圖：提早察覺動能轉弱、避開風險的懶人致勝法
市場轉弱往往早有跡象。本文介紹RS Terminal板塊輪動熱力圖，以每週相對SPY的強弱顏色，觀察能源、半導體等板塊資金流向，助你在價格逆轉前察覺動能變化，並分階段調整持倉、降低風險。
Lazy Beanz2026/10/31
因子報酬估計的雜訊與貝氏收縮：數學原理與先驗選擇
本文說明以歷史平均估計因子預期報酬的雜訊問題，以及均值變異數最佳化為何對估計誤差極度敏感。接著介紹貝氏收縮的數學框架、後驗均值與收縮強度，並比較零先驗、共同均值先驗與經濟先驗的差異，最後說明實務上如何選擇先驗以穩定因子配置。
Voltima Quant2026/10/27