课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  xgboost  PCA  wavelet  时序事件归因  SHAP  Figures  Behavioral Economics  graduate  人物  职场  Quantopian  figure  Banz  story  量化传奇  rsi  zigzag  穹顶压力  因子  pe  ORB  策略  Xgboost  factor  alpha101  alpha  技术指标  wave  quant  algorithm  pearson  spearman  tushare  因子分析  Alphalens  涨停板  herd-behaviour  因子策略  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  强化学习  顶背离  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  数据  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  实盘  clickhouse  notebook  redis  remote-agent  AI-tools  Moonshot  回测，研报，tushare 

9 月 28 日资读速递

Table of Content

每日『金』句： 要得到你想要的东西，最好方法就是让你值得它。 -- 穷查理宝典

  1. 著名量化投资公司 Qube（市值 340 亿美元）将组建一支人类选股者组成的团队，将于 10 月 1 日开始交易。每位分析师将获得 2 亿至 5 亿美元的初始资金，用于交易和研究。Qube 不是首个由纯量化转向混合模式的，之前已经有 D.E shaw，Engineers Gate 和 Squarepoint 等量化巨头转向混合模式，以应对 AI/量子计算时代竞争加剧 —— 机器间 alpha 更难获取，而优秀人类交易员相对稀缺。投资领域是否是面对机器的进攻，人类能守住的最后的斗兽场？

  2. 黄仁勋接受 Brad Gerstner 的播客专访，『我低估了 AI 的增长。未来推理的需求可能是今天的十亿倍』。AI 工厂就像一台 Token 发电机 。你买到的不再是 GPU，而是每瓦电力所能产出的有效推理；在电力、土地、冷却和运维受限的条件下，每瓦产出就是终极指标；OpenAI 被判断为“下一家万亿美元级超大规模公司”，后悔当初没有把所有的钱都投入到 OpenAI。访谈音频

  3. 微软宣布旗下 Copilot 将集成 Anthropic 的 Claude 模型，提供多模型 AI 选择，此前因为他们是 OpenAI 重要投资人的缘故，Copilot 仅集成了 OpenAI 的 GPT 模型。

  4. 在高频交易策略中使用限价单，业内人士对此存在争议。虽然限价单传统上在流动性较差的市场中通过确保特定价格执行来节省成本，但其在高流动性环境中的效用却受到质疑。在快速波动的市场中，限价单可能导致交易未成交，需要进行调整，这可能会抵消其最初的收益。一些交易员主张在流动性股票中使用市价单，以完全避免交易错失的风险，从而确保执行，尽管存在滑点的可能性。本次讨论涵盖了一些替代方案，例如响应波动的可编程限价单，这些方案虽然可以实现定制化，但需要精心设计策略才能有效。链接

  5. ClickHouse 发布 v25.9.2.1-stable 版本。这个版本重点修复了错误并提升了高速数据查询的性能。此版本改进了与大规模数据分析工作流的兼容性，使依赖快速 OLAP 处理的量化交易者受益。ClickHouse 是重要的列式数据库，为处理大规模的时间序列数据（证券交易数据就是其中一种）提供了卓越的性能。

  6. Manoj Arora：对于黄金、比特币等波动性资产，投资者应该关注价格而非内在价值，因为内在价值往往难以预测，你怎么可能知道黄金的内在价值呢？。他提倡长期系统性的小额投资，相信长期可持续性，无需精确估值。这种方法适用于共同基金和类似资产，有助于降低时机风险，并在市场不确定性下促进严谨的投资组合构建

  7. github 上的 QuantResearch 项目，2.7k stars，提供了资产组合优化、VAR、Bayesian Linear Regression， Kalman Filter Linear Regression、协整及配对交易、Kalman Filter 配对交易、Fama 三因子、强化学习交易等多个 Notebook 或者博文链接。