股票（Stock）
公司所有权的凭证，买入即成为股东，收益来自股价上涨和分红。
查找相关问题 →术语词典
先看一句话解释，再回到问题中理解。规则、费率与平台门槛需结合具体市场和日期核对。
161 / 161 个词条
ETF（交易型开放式基金）
份额可在交易所买卖，通常通过申赎机制与底层资产联系；既有指数ETF，也可能有主动管理产品。市价可偏离净值，费率、流动性和交易规则依具体产品而异。
查找相关问题 →债券（Bond）
借款凭证，定期付息到期还本。利率债（国债）/ 信用债。
查找相关问题 →期货（Futures）
约定未来某日期以某价格买卖标的的标准化合约。有杠杆（保证金交易），可做多做空。例：沪深300股指期货（IF）常用于对冲。
查找相关问题 →期权（Option）
赋予持有者在到期日以行权价买入（Call 看涨）或卖出（Put 看跌）权利的合约，买方付权利金。
查找相关问题 →加密货币（Crypto）
比特币等数字资产，部分市场连续交易，存在价格、平台、托管与合规风险。研究时可使用公开历史数据；能取得数据不等于具备当地交易资格。
查找相关问题 →多头 / 空头（Long / Short）
多头=买入赌涨；空头=借券卖出赌跌。
查找相关问题 →杠杆（Leverage）
用借来的钱放大头寸，同时放大盈亏。
查找相关问题 →做多做空限制
A股融券成本高、券源少，所以A股量化以多头+股指期货对冲为主；美股做空方便。
查找相关问题 →T+1 / T+0
A股股票当天买入次日才能卖（T+1）；期货、可转债、加密货币可当天买卖（T+0）。
查找相关问题 →涨跌停
交易所对某些证券每日价格波动范围的限制。幅度与豁免取决于交易所、板块、风险警示状态、上市阶段及适用日期；涨跌停价也可能成交，但队列与对手盘会限制成交，回测应模拟可成交数量。
查找相关问题 →印花税 / 佣金 / 过户费
交易成本。A股卖出收 0.05% 印花税（2023年下调后），券商佣金约万 2.5，是高频策略的生死线。
查找相关问题 →订单簿（Order Book）
按价格排序的买卖委托队列。买一价、卖一价。
查找相关问题 →市价单 / 限价单（Market / Limit Order）
市价单立即按对手价成交；限价单指定价格，可能不成交。
查找相关问题 →买卖价差（Bid-Ask Spread）
买一与卖一的差，是流动性指标，也是交易隐性成本。
查找相关问题 →滑点（Slippage）
预期成交价与实际成交价的差。回测中的滑点假设直接决定策略"纸面收益"能否落地。
查找相关问题 →成交量 / 成交额（Volume / Turnover）
成交股数 / 成交金额。
查找相关问题 →换手率（Turnover Rate）
成交量 ÷ 流通股本，衡量交易活跃度。
查找相关问题 →流通市值 / 总市值（Float / Total Market Cap）
可在市场交易的股份价值 / 全部股份价值。
查找相关问题 →指数（Index）
一篮子股票的加权平均价格，如沪深300（A股大盘蓝筹）、中证500（中盘）、中证1000（小盘）。
查找相关问题 →行业分类
GICS（国际）、申万（国内）。行业中性化时要用。
查找相关问题 →复权（Adjusted Price）
为公司分红、拆并股等企业行动调整价格序列。收益研究需采用一致的总回报或复权口径，成交模拟使用当时原始报价；同时保留原始价、因子与企业行动，避免重复计算分红。
查找相关问题 →停牌 / ST / 退市
暂停交易 / 特别处理（风险警示）/ 摘牌。研究须保留历史状态与退市样本，按当时规则限制可交易性；从历史样本中直接删掉它们可能引入幸存者偏差。
查找相关问题 →IPO
首次公开发行。新股上市初期波动大、无历史数据。
查找相关问题 →市盈率口径（PE / TTM / Forward）
价格除以匹配口径的每股盈利。TTM使用最近四季度实际利润，预测PE使用预测利润；数据源的“动态PE”要看其定义，不能直接当TTM。利润非正时需单独处理。
查找相关问题 →麦考利久期（Macaulay Duration）
以现金流现值为权重的平均回款时间；零息债在通常定义下等于期限。
查找相关问题 →修正久期（Modified Duration）
债券价格对收益率变化的一阶敏感度，ΔP/P≈−D_mod×Δy；与麦考利久期的换算依复利和付息约定。
查找相关问题 →基点（Basis Point / bp）
1bp=0.01个百分点=0.0001；收益率从3%到4%是上升100bp，或上升1个百分点。
查找相关问题 →时点正确（Point-in-Time / PIT）
研究只使用决策当时已发布、可获取的数据版本。财报报告期不等于公告可用日，后来的修订不能悄悄回填历史。
查找相关问题 →日均成交额（Average Daily Value / ADV）
指定窗口内每日成交金额的平均值。持仓/ADV可粗估相当于几天市场成交额；每日交易金额/ADV才是当日参与率口径。
查找相关问题 →标签区间（Label Interval）
每条预测样本的结果观察起止范围。训练、验证标签共享未来收益区间时，可能存在信息泄漏。
查找相关问题 →清除与隔离（Purge / Embargo）
清除与验证信息区间重叠的训练样本，并在需要时增加边界缓冲；长度根据标签与特征依赖设计，不是固定自然日常数。
查找相关问题 →走查验证（Walk-Forward）
按真实预测顺序，仅用过去数据训练，向之后的时段预测，再滚动前进。特征预处理和调参也必须在训练范围内完成。
查找相关问题 →订单幂等（Order Idempotency）
同一逻辑订单重试时沿用唯一标识，先查询原订单状态，避免重复成交；实际系统还需持久化与持仓对账。
查找相关问题 →收益率（Return）
衡量相对于投入资本的盈亏；纯价格收益为(期末价−期初价)/期初价。实际投资还需计分红、费用与出入金。同期资产简单收益可按期初权重加权；正价格路径上的对数收益可跨期相加。
查找相关问题 →对数收益率（Log Return）
ln(P_t/P_{t-1})，要求价格为正，跨期可加。小幅波动时接近简单收益率；采用对数形式并不会使金融收益自动服从正态分布。
查找相关问题 →复利（Compounding）
利滚利。(1+r1)(1+r2)-1。
查找相关问题 →年化收益（Annualized Return）
把任意周期收益换算成一年。日收益年化 ×≈252（A股交易日数），波动率年化 ×√252。
查找相关问题 →波动率（Volatility）
收益率的标准差，衡量波动剧烈程度，是"风险"最常用代理。
查找相关问题 →夏普比率（Sharpe Ratio）
同期超额收益均值/超额收益标准差；常见年化估计再乘√年内期数。需注明rf、频率、样本区间、费用与缩放假设；CAGR不能无说明地替代算术均值，不存在适用于所有策略的合格线。
查找相关问题 →最大回撤（Max Drawdown）
从历史最高点到最低点的最大跌幅。衡量"最惨的时候亏多少"。
查找相关问题 →Calmar 比率
年化收益 ÷ 最大回撤。
查找相关问题 →索提诺比率（Sortino Ratio）
只用下行波动率算的夏普，惩罚亏损不惩罚盈利。
查找相关问题 →Beta（贝塔）
资产收益对市场收益的敏感度。Beta=1.2 表示市场涨 1%，它平均涨 1.2%。
查找相关问题 →Alpha（阿尔法）
剔除市场（和因子）暴露后的超额收益，量化研究员的"猎物"。
查找相关问题 →跟踪误差（Tracking Error）
组合收益与基准收益之差的标准差。指数增强基金的核心约束。
查找相关问题 →信息比率（Information Ratio, IR）
超额收益 ÷ 跟踪误差。主动管理的核心指标。
查找相关问题 →胜率 / 盈亏比（Win Rate / Profit-Loss Ratio）
盈利交易占比 / 平均盈利÷平均亏损。胜率 40% + 盈亏比 3 也能赚钱。
查找相关问题 →回撤 / 修复期（Drawdown / Recovery）
净值峰谷跌幅与回到前高所需时间。
查找相关问题 →肥尾（Fat Tails）
真实金融收益的极端值远多于正态分布预测。1987 年单日 -22% 在正态假设下几乎不可能发生，但发生了。
查找相关问题 →偏度 / 峰度（Skewness / Kurtosis）
分布不对称程度 / 尾部厚度。峰度>3 即肥尾。
查找相关问题 →VaR（在险价值）
指定持有期与模型下，损失分布在给定置信水平（如95%）的分位数；不是最大亏损。须说明损失正负号、数据窗口、比例/金额及估计方法，它不描述越过阈值后损失的深度。
查找相关问题 →CVaR / ES（条件在险价值 / 预期短缺）
最差指定比例尾部损失的平均水平。连续分布下通常可写为超过VaR后的条件平均损失；离散分布需正确处理分位点权重，不能简单只取严格大于VaR的样本。
查找相关问题 →压力测试（Stress Test）
假设极端场景（如2015年股灾、2020年3月）看组合表现。
查找相关问题 →无风险利率（Risk-Free Rate）
与币种、期限及收益频率匹配的低信用风险基准利率。国债收益率常作近似，但持有债券本身仍有利率与期限风险。
查找相关问题 →期望（Expectation）
随机变量的长期平均值。策略的正期望是赚钱的前提。
查找相关问题 →方差 / 标准差（Variance / Std）
离散程度。
查找相关问题 →协方差 / 相关系数（Covariance / Correlation）
两个变量同向变动程度；相关系数标准化到 [-1,1]。分散化的关键：相关系数低的两资产组合风险更小。
查找相关问题 →正态分布（Normal Distribution）
钟形曲线，由均值和标准差完全决定。
查找相关问题 →中心极限定理（CLT）
大量独立随机变量之和近似正态，是统计推断的地基。
查找相关问题 →假设检验 / p 值（Hypothesis Testing / p-value）
在指定原假设和模型成立时，观察到至少同样极端统计量的概率，不是原假设为真的概率。显著性阈值须事先约定；100个真实无效检验各用5%阈值，期望误报约5个，需处理多重检验与样本依赖。
查找相关问题 →多重检验问题（Multiple Testing）
尝试的因子越多，假发现越多。量化的头号大敌。应对：更严阈值、样本外验证、经济逻辑优先。
查找相关问题 →置信区间（Confidence Interval）
参数真实值以某概率落在的区间。
查找相关问题 →回归分析（Regression）
用自变量解释因变量。y = a + bx + ε。
查找相关问题 →OLS（普通最小二乘法）
最小化残差平方和求回归系数。
查找相关问题 →R²（决定系数）
回归解释了因变量变异的百分比。
查找相关问题 →t 统计量 / t 检验
用估计值与其标准误衡量对指定原假设的偏离。阈值取决于自由度、单双侧与错误率；金融序列的自相关、异方差和多重尝试可能需要稳健标准误或其他校正。
查找相关问题 →多重共线性（Multicollinearity）
自变量高度相关，回归系数不稳定。
查找相关问题 →过拟合（Overfitting）
模型记住了噪声而非规律，样本内表现好、样本外崩盘。
查找相关问题 →样本内 / 样本外（In-Sample / Out-of-Sample）
用来建模的数据 / 留作最后检验的"模拟考"数据。
查找相关问题 →交叉验证（Cross-Validation）
轮流留一块数据验证。金融数据必须用时间序列 CV，绝不能随机打乱（会泄漏未来）。
查找相关问题 →平稳性（Stationarity）
统计性质不随时间变化。价格序列非平稳，收益率近似平稳。
查找相关问题 →自相关（Autocorrelation, ACF）
序列与自身滞后值的相关性。日收益弱自相关是动量/反转因子的土壤。
查找相关问题 →GARCH
刻画"波动率聚集"（大涨大跌扎堆出现）的模型。
查找相关问题 →均值回归（Mean Reversion）
价格倾向回到均值的现象，反转策略的理论依据。
查找相关问题 →幸存者偏差（Survivorship Bias）
只用"活到现在"的股票回测，会高估收益（死掉的退市股被漏掉了）。
查找相关问题 →前视偏差（Look-ahead Bias）
回测中用了当时不可能知道的数据（如用当天收盘价决定当天开盘买入）。
查找相关问题 →因子（Factor）
能解释/预测收益的共同特征。如"低PE股票整体跑赢高PE股票"。
查找相关问题 →Alpha 信号（Signal）
对资产未来收益的预测值，每天每只股票一个分数。
查找相关问题 →动量（Momentum）
过去涨的继续涨（美股 12-1 月动量著名）。
查找相关问题 →反转（Reversal）
A股短期（1~20日）跌多了会反弹，是A股最稳健的量价规律之一。
查找相关问题 →价值因子（Value）
低估值（低 PE/PB）股票长期超额收益（Fama-French）。
查找相关问题 →规模因子（Size / SMB）
小市值长期跑赢大市值（A股2017年前极强，后有风格切换）。
查找相关问题 →Fama-French 三因子/五因子模型
市场、规模、价值（+盈利、投资）解释股票收益的经典学术框架。
查找相关问题 →质量 / 成长（Quality / Growth）
高 ROE、低负债、利润稳定增长的公司长期表现好。
查找相关问题 →低波动因子（Low Volatility）
低波动股票风险调整后收益反而高（波动率异象）。
查找相关问题 →IC（信息系数）
同一时点股票池中因子值与之后指定持有期收益的横截面相关。须说明相关方法、时点、持有期与样本；没有通用可用阈值，还要检查稳定性、换手、交易成本和样本外表现。
查找相关问题 →RankIC
用秩相关（Spearman）算的 IC，对异常值稳健，实务首选。
查找相关问题 →ICIR
IC序列均值/标准差，描述给定口径下的信号稳定性。是否年化、如何处理重叠标签与序列相关需说明；不能用固定数字作为所有因子的合格标准。
查找相关问题 →分层回测（Quantile Backtest / Layered Test）
按因子值分 5/10 组，看各组收益是否单调。单调 = 好因子。
查找相关问题 →多空组合（Long-Short Portfolio）
做多最高组、做空最低组，剥离市场涨跌看因子纯收益。
查找相关问题 →因子中性化（Neutralization）
剔除因子中的市值、行业等干扰暴露，通常对市值和行业做回归取残差。
查找相关问题 →因子正交化（Orthogonalization）
把新因子对已知因子回归取残差，看有没有"新信息"。
查找相关问题 →因子合成（Factor Combination）
多个因子加权成一个综合信号。方法：等权、IC 加权、线性回归、机器学习。
查找相关问题 →因子拥挤度（Crowding）
太多人用同一个因子会导致崩塌式回撤（如2020年初A股小市值/反转因子踩踏）。
查找相关问题 →因子衰减（Alpha Decay）
因子被市场知晓后预测力逐年下降，需持续挖掘新因子。
查找相关问题 →换手率（组合层面 Turnover）
单边换手 = 交易额/组合均值。换手越高成本越致命。
查找相关问题 →PEAD（盈余公告后漂移）
业绩超预期的股票之后几周继续漂移上涨，经典异象。
查找相关问题 →另类数据（Alternative Data）
传统财务/行情之外的数据：舆情、卫星图像、招聘、信用卡消费、龙虎榜。
查找相关问题 →高频因子
用 tick/逐笔数据构造的因子，如知情交易概率（PIN）、订单流不平衡、VPIN。
查找相关问题 →Barra 风险模型
业界标准的风格因子风险模型（CNE5/CNE6），用于风险归因与组合优化约束。
查找相关问题 →组合构建（Portfolio Construction）
把信号变成持仓权重。方法：等权、市值加权、信号加权、均值-方差优化。
查找相关问题 →均值-方差优化（MVO / Markowitz）
在给定风险下最大化收益的现代组合理论基石。对预期收益估计极敏感（垃圾进垃圾出）。
查找相关问题 →风险平价（Risk Parity）
让每个资产对组合风险的贡献相等。桥水"全天候"策略的基础。
查找相关问题 →Black-Litterman 模型
把主观观点与市场均衡结合的优化方法，缓解 MVO 的估计敏感问题。
查找相关问题 →再平衡（Rebalancing）
定期把权重调回目标。频率与换手成本的权衡。
查找相关问题 →回测（Backtest）
用历史数据模拟策略表现。"回测一时爽，实盘火葬场"——警惕过拟合。
查找相关问题 →交易成本模型（Transaction Cost Model）
佣金+印花税+滑点+冲击成本。轻视成本的回测都是自欺。
查找相关问题 →冲击成本（Market Impact）
大单推高买价/压低卖价的成本。容量（Capacity）问题的来源。
查找相关问题 →策略容量（Capacity）
策略能承载的资金规模。高频策略容量小，基本面量化容量大。
查找相关问题 →净值曲线（Equity Curve）
策略累计净值随时间的变化，第一眼看的图。
查找相关问题 →绩效归因（Performance Attribution）
收益从哪来：择时、选股、行业、因子暴露。
查找相关问题 →基准（Benchmark）
比较对象，如沪深300。跑不赢基准的主动策略没有存在意义。
查找相关问题 →信息比率 (IR)
见上文；= IC × √BR（基本面定律），BR = 独立下注次数，解释了为什么高频/多因子能提高 IR。
查找相关问题 →基本面定律（Fundamental Law of Active Management）
IR = Skill × √Breadth。
查找相关问题 →样本切分（Train/Validation/Test）
训练集调参、验证集选模型、测试集只碰一次。
查找相关问题 →滚动回测（Walk-Forward）
模拟真实时间推进：每年用过去数据训练、预测下一年。
查找相关问题 →PnL（Profit and Loss）
盈亏。竞赛里常见评价指标。
查找相关问题 →统计套利（Statistical Arbitrage）
基于统计规律的多空组合策略，如配对交易。
查找相关问题 →配对交易（Pairs Trading）
找两只协整的股票，价差拉开时做空高的、做多低的，赌价差收敛。
查找相关问题 →协整（Cointegration）
两个非平稳序列的线性组合平稳，"价格手拉手"。
查找相关问题 →期现套利（Cash-Futures Arbitrage）
利用期货与现货价差（基差）偏离的套利。
查找相关问题 →做市（Market Making）
同时挂买卖单赚取价差，库存风险管理是核心。
查找相关问题 →CTA / 趋势跟踪（Managed Futures / Trend Following）
在期货市场跟随趋势，危机中往往赚钱（"危机 Alpha"）。
查找相关问题 →网格交易（Grid Trading）
震荡市中按价位网格挂单的低买高卖。
查找相关问题 →高频交易（HFT）
毫秒~微秒级，拼硬件（colo 机房托管、FPGA），散户和一般机构无门槛勿入。
查找相关问题 →指数增强（Index Enhancement）
跟踪指数基础上争取超额收益的产品形态，国内量化公募/私募主流。
查找相关问题 →市场中性（Market Neutral）
多头组合 + 股指期货空头对冲，赚纯 Alpha。国内对冲成本 = 贴水。
查找相关问题 →贴水（Discount / Backwardation）
期货价格低于现货，做空对冲需长期承担的成本，年化可达 5~10%。
查找相关问题 →打板 / 涨停板策略
A股特色短线，风险极高。
查找相关问题 →多因子选股（Multi-Factor Stock Selection）
业界最主流策略范式：多因子打分 → 组合优化 → 风控 → 交易执行。
查找相关问题 →行权价（Strike）
期权合约约定的买卖价格。
查找相关问题 →权利金（Premium）
期权买方支付的价格。
查找相关问题 →内在价值 / 时间价值（Intrinsic / Time Value）
立刻行权的价值 / 剩下部分。
查找相关问题 →实值 / 平值 / 虚值（ITM / ATM / OTM）
行权价与现价的关系。
查找相关问题 →隐含波动率（Implied Volatility, IV）
市场价反推出来的波动率预期。VIX = 标普500期权 IV 指数，"恐慌指数"。
查找相关问题 →波动率微笑（Vol Smile）
同一到期日不同行权价的 IV 呈 U 形。
查找相关问题 →Delta
标的价涨 1 元，期权价涨多少。对冲比率。
查找相关问题 →Gamma
Delta 的变化率，衡量对冲难度。
查找相关问题 →Vega
IV 变 1% 期权价变多少。
查找相关问题 →Theta
每过一天期权价的时间损耗。
查找相关问题 →期权策略
Covered Call（备兑）、Protective Put（保护性认沽）、Straddle（跨式）、Iron Condor（铁鹰）等。
查找相关问题 →特征（Feature）
模型的输入变量（因子就是特征）。
查找相关问题 →标签（Label / Target）
要预测的量（如未来 10 日收益）。
查找相关问题 →监督学习 / 无监督学习
有标签学映射 / 无标签找结构（聚类）。
查找相关问题 →训练集 / 验证集 / 测试集
见样本切分。
查找相关问题 →过拟合与正则化（Regularization）
L1（Lasso，可稀疏）/ L2（Ridge）惩罚复杂模型。
查找相关问题 →决策树 / 随机森林 / XGBoost / LightGBM
树模型族，表格数据（选股）实战王者。
查找相关问题 →神经网络 / LSTM / Transformer
深度学习模型，需大数据，金融低信噪比下易过拟合。
查找相关问题 →强化学习（RL）
学"动作"而非"预测"，用于执行算法、做市。代表作 DeepMind；金融落地难。
查找相关问题 →数据泄漏（Data Leakage）
训练时混入未来信息，样本外虚高的元凶。
查找相关问题 →交叉验证（时序）
Purged K-Fold / Embargo：金融 ML 必备，剔除重叠样本污染。
查找相关问题 →LightGBM 常用参数
num_leaves、learning_rate、feature_fraction、min_data_in_leaf——调参入门必背。
查找相关问题 →NLP / 大语言模型（LLM）
用于新闻情绪打分、研报摘要、另类数据生成，近年实习面试热点。
查找相关问题 →量化私募（国内）
九坤、明汯、幻方、灵均、衍复、诚奇等；**外资**：Two Sigma、Citadel、Jane Street、HRT、Optiver。
查找相关问题 →面试流程
简历（项目+竞赛）→ 笔试（概率/编程）→ 技术面（项目深挖+现场推导）→ 终面。红宝书（Green Book《A Practical Guide to Quantitative Finance Interviews》）必备。
查找相关问题 →绿皮书/红宝书
Xinfeng Zhou《量化求职面试宝典》，刷面试题事实标准。
查找相关问题 →BRAIN（WorldQuant）
网页版因子挖掘平台，写表达式生成 Alpha，合格可拿面试 Green Card，是入行最友好通道之一。
查找相关问题 →Kaggle
数据竞赛平台，金融类赛题（Jane Street、Optiver）经历是简历强背书。
查找相关问题 →合规红线
内幕交易、抢帽子（trading ahead）、幌骗（spoofing）、操纵市场——入行前必须知道什么不能碰。
查找相关问题 →模拟盘（Paper Trading）
用实时行情但虚拟资金交易，实盘前的最后一道检验。
查找相关问题 →