Quantpedia 2026年9月动态
Quantpedia 2026年9月为 Screener 与 API 新增交易成本、策略稳健性两个字段，相关 API 需订阅 Quantpedia Pro 后申请开通。
阅读原文研究方向
回测方法 最新动态
回测框架、样本外检验与常见偏差：为什么回测好看、实盘失效。
48 条相关动态近 30 天 31 条其中精选 1 条
更新
动态归档 · 第 2 页
QuantpediaAI 评分3636
Qlib：GitHub ReleasesAI 评分2626 Qlib v0.9.8 发布
Qlib v0.9.8 版本发布，包含应 Microsoft 要求完成的安全加固，合并了 #2339 与 #2340 两项改动。该版本限制可执行 recorder 制品的加载，从可信存储加载制品需显式设置 trusted=True，配置驱动的本地 .py 导入也需显式开启 trusted: true。升级生产工作流前需查阅两份迁移指南，GitHub 提供源码归档，PyPI 包需单独查询。
阅读原文
QuantpediaAI 评分5252 美国联邦选举前后的多资产漂移交易研究
Quantpedia分析师Cyril Dujava发布研究，基于2000-2024年共13次美国联邦选举样本，覆盖XLK、SPY、IYR、IEF、EEM、GLD。
阅读原文
vn.py：GitHub ReleasesAI 评分4343 vn.py 4.5.0 发布
vn.py 4.5.0 版本发布，本次更新涵盖功能调整、性能优化与多类问题修复。核心调整包括vnpy_ctabacktester回测配置按策略名分组保存，vnpy.alpha重构因子与信号绩效分析、新增vwap撮合模式，vnpy_polygon更名为vnpy_massive，多个交易接口更新API版本。同时修复了界面排序、多合约指标串算、行情数据处理、连接超时等多项问题。
阅读原文QuantocracyAI 评分2424 Quantocracy 2026年10月5日量化研究链接汇总
Quantocracy 汇总了截至2026年10月5日的近期量化研究相关链接，涵盖5篇不同主题的量化研究内容。内容包括 meme 股票百年历史研究、统计有效回测构建方法、分析师下调评级后的市场反应、200日均线与波动率目标策略对比、正交聚类风险平价（OCRP）策略介绍。
阅读原文
NautilusTrader：GitHub ReleasesAI 评分4848 NautilusTrader 2.0.0rc6 发布
NautilusTrader 2.0.0rc6 于2026年10月4日（UTC）正式发布。本次版本新增多项功能，包括WebSocket入站大小限制配置、多技术指标输出扩展、Parquet目录迁移工具，以及对Architect AX、Binance、Bybit等多家交易平台的适配增强。同时该版本移除了已关闭交易所BitMEX的适配器，调整了部分费用配置与序列化相关的接口定义。
阅读原文
QuantocracyAI 评分3232 Quantocracy 2026年10月3日最新量化研究链接汇总
Quantocracy 于2026年10月3日汇总近期量化研究相关链接，涵盖巴菲特逆向投资建议回测、Nasdaq-100多项式回归带策略表现、资产增长异象成因、美股月末效应检验、宏观交易策略交易成本测算方法五类主题。
阅读原文
QuantpediaAI 评分1313 Quantpedia Awards 2027 启动：新舞台、新截止日期
Quantpedia Awards 2027 正式启动，总奖金池为 25,000 美元，面向 2026 年 5 月 1 日至 12 月 31 日期间在 SSRN、arXiv 等开放获取平台发表的量化研究论文。
阅读原文
OpenBB：GitHub Releases精选AI 评分6060 OpenBB V5 发布：许可证改为 Apache-2.0，核心、CLI 与多数提供商升级至 2.0
OpenBB 发布 V5 主版本线，openbb 元包为 5.0.0，核心、CLI、API、MCP 服务器、路由器和多数提供商为 2.0.0；openbb-devtools 为 2.0.1，openbb-charting 为 4.0.0，openbb-imf 为 3.0.0。
阅读原文可以学到：OpenBB V5 将许可证改为 Apache-2.0，并迁移到 hatchling/uv 打包、分层 openbb.toml 配置与 CLI 2.0 spec 文件机制，可据此评估升级路径和可用数据源。
OpenBB：GitHub ReleasesAI 评分4444 OpenBB ODP Desktop v2.0.0 发布
OpenBB 发布 ODP Desktop v2.0.0，对应 V5 版本迭代。本次更新完成 openbb-core 初始重构，实现 100% 可测试代码路径测试覆盖，新增向后兼容的分层配置系统 openbb.toml。
阅读原文
vectorbt：GitHub ReleasesAI 评分2626 vectorbt v1.1.1 发布
vectorbt v1.1.1 正式发布，本次版本优化了 Numba 与 Rust 引擎的滚动标准差数值稳定性，修正了通缩夏普比率的计算逻辑，调整了跨引擎扩展均值/标准差的对齐规则。该版本适配 Plotly 7 的内置绘图主题，同时将文档站点迁移至 Zensical。
阅读原文
NautilusTrader：GitHub ReleasesAI 评分5252 NautilusTrader 2.0.0rc5 发布
NautilusTrader 于 2026 年 9 月 15 日（UTC）发布 2.0.0rc5。该版本新增滚动 ZScore 指标、HTTP 流式读取、Python 消息发布与订阅。
阅读原文
Rob Carver：This Blog is SystematicAI 评分2626 Rob Carver 完成第五本交易著作《The Art And Science of Trading》终校
Rob Carver 完成第五本交易著作《The Art And Science of Trading》终校，该书定于12月1日正式出版，现已开放预购。该书面向大众市场，是其第三本著作《Leveraged Trading》的无杠杆对应读物，覆盖股票、ETF、加密货币等delta-one品种交易入门内容，讲解回测、凯利准则等交易科学知识，以及半自动化交易框架下的艺术与科学结合方法。
阅读原文
backtesting.py：GitHub ReleasesAI 评分1212 backtesting.py v0.6.6 发布
backtesting.py v0.6.6 版本发布，由 kernc 于 7 月 22 日 15:22 打标签，对应提交哈希为 9c2b8e1，该提交带有 committer 的已验证签名。本次版本仅包含一项文档变更：在 pdoc3 生成的 API 文档中隐藏 backtesting.Pool。
阅读原文
vectorbt：GitHub ReleasesAI 评分2727 vectorbt v1.1.0 发布
vectorbt v1.1.0 正式发布，新增对 Python 3.14、pandas 3、NumPy 2.4+、Numba 0.66+ 以及 Telegram Bot API v20+ 的支持。本次版本优化了 Rust 引擎打包与一致性覆盖，刷新了文档、示例、资源及功能预览，同时修复了多项数据处理、指标计算与绘图相关问题。
阅读原文
Rob Carver：This Blog is SystematicAI 评分6666 按资产类别与组合权重距离测试收益池化方案
Rob Carver 在其2026年组合优化系列第10篇中，对四种收益池化方案开展滚动样本外回测对比，测试样本为从214个可用工具中随机抽取的50个，分别设置5年、10年、20年样本内长度与1年、5年样本外长度，优化时采用SR收缩0.5、相关性收缩0.75的收缩方法，同时纳入每个交易规则的反向规则，仅保留正SR规则进入优化。
阅读原文
Rob Carver：This Blog is SystematicAI 评分5959 滚动指数加权估计是否优于全样本：组合优化参数估计的回测检验
作者通过随机子样本回测检验指数加权窗口估计夏普比率用于组合优化的效果，对比了5、10、20、30年EWM跨度与全样本估计在不同样本内、样本外区间的样本外夏普比率。
阅读原文Rob Carver：This Blog is SystematicAI 评分6464 跨品种合并交易规则盈亏估计：基于 SR 向量距离的方法与回测结果
本文是组合优化系列第八篇，作者提出按各品种多交易规则的 SR 向量欧氏距离判断是否合并跨品种收益，并用随机数据校准不同历史长度下的 95% 临界值，再通过层次合并得到伪品种。作者用 214 个期货品种的样本内回测对比全合并、算法合并与不合并三种方式，结果显示样本外表现不一致，样本数据越长越倾向于不合并。作者最终认为该算法复杂度高、分组结果缺乏直观逻辑，暂不采用，后续将继续研究更简洁的合并规则。
阅读原文
Rob Carver：This Blog is SystematicAI 评分7474 如何在动量策略参数估计中自动识别结构断点
本文介绍了一套自动识别交易规则夏普比率结构断点的方法，采用独立t检验逐段比较子样本均值差异，递归拆分样本并要求每段子样本至少保留5年数据。作者提供了完整Python实现代码，以CORN期货的momentum4规则为例，算法自动识别出1982年8月26日为断点。
阅读原文
Rob Carver：This Blog is SystematicAI 评分5858 组合优化是否需要聚类：不同资产规模与样本长度下的回测检验
这是组合优化系列的第六篇，作者通过数百次随机回测检验在20、30、40个资产规模下，不同聚类数量、相关系数收缩、SR收缩、样本内与样本外长度对样本外夏普比率的影响。结果显示多数参数组合没有显著差异，仅存在弱证据表明适度聚类优于不聚类，且聚类数量不宜过多。作者最终建议在缺乏明确统计证据时采用6个聚类的经验取值，同时指出聚类会显著增加优化耗时。
阅读原文