Skip to main content

量化交易 × 机器学习驱动投资工程师（端到端交易系统构建者）

量化交易不是预测未来，而是对概率的精准管理。​

目标：面向未来潜在雇主/合作方，展示我在 量化交易系统工程化、机器学习/强化学习建模 与 策略研究资产化（可复用、可验证、可持续迭代）方面的能力与作品。

一键直达​

我是谁​

我是一名以 “工程化可落地” 为核心的量化交易研发者，背景为金融学硕士，长期聚焦在：

  • 端到端自动化交易 Pipeline：数据采集 → 特征工程 → 模型训练 → 回测 → 实盘执行 → 风控监控 → 复盘迭代

  • ML/RL 驱动的策略研发体系：从传统监督学习到深度学习/强化学习，在统一框架中对比、评估与上线

  • 策略资产化：将策略从“想法/脚本”升级为“可复用的策略库 + 可复现的研究日志 + 可监控的实盘系统”

    一个很现实的验证：我曾因 数字货币智能量化交易体系 v1.1（见下方链接） 作品入口：https://alpha.atwar.eu.org/

Highlights​

  • 实盘可验证：Binance 实盘单月收益 31%（1x 杠杆，仅使用 OHLCV 数据源）
    复盘链接：https://trading.atwar.eu.org/archives/10/

  • 完整交易体系：将研究、回测、上线、监控、复盘闭环打通（工程化与可迭代性优先）
    架构入口：https://alpha.atwar.eu.org/

  • 策略库规模化资产：整理 3,500+ 策略，覆盖动量、均值回归、趋势跟踪等，支持现货/期货
    策略库入口：https://strategies.atwar.eu.org/

  • 长期输出与可复现记录：持续维护量化交易日志 + 数据挖掘专题，强调实验可复现与结论可追溯
    日志：https://log.atwar.eu.org/ ｜ 数据挖掘：https://log.atwar.eu.org/data/

    注：历史收益不代表未来表现。所有策略以回撤、风险暴露与可持续性为首要约束。

技术栈与能力图谱（Skill Map）​

编程与框架​

  • Linux / Python

  • PyTorch / scikit-learn

  • Transformers（含 MoE 方向的工程理解与落地能力）

    机器学习（研究 → 训练 → 部署）​

  • 监督学习：RNN/LSTM、SVM、LR 等（用于对比基线与可解释模型）

  • 深度学习：CNN、Transformer（用于序列建模与多因子表达）

  • 强化学习：A2C、SAC（用于组合优化与在线决策）

    量化交易工程（更偏“可上线”的那部分）​

  • 策略开发：现货/期货，研究-回测-实盘统一框架

  • 数据：特征工程、清洗处理、数据质量与一致性

  • 交易系统：风控/仓位管理、执行与监控、Broker API 设计思维

Selected Works​

1）ML 驱动交易架构｜数字货币智能量化交易体系 v1.1​

  • 入口：https://alpha.atwar.eu.org/

  • 核心理念：用工程化 Pipeline 固化研究流程，让每一次迭代可复现、可评估、可上线

  • 典型链路（闭环）：

    • 数据采集 → 特征工程 → 模型训练 → 回测 → 实盘 → 监控告警 → 复盘迭代

  • 我特别重视的点：

    • 同一数据口径贯穿研究与实盘（避免“回测好、实盘崩”）
    • 模型与策略的 对比基准体系（baseline、ablation、walk-forward、稳健性）
    • 风控优先：仓位、止损、波动约束、交易成本与滑点建模

    该体系曾直接帮助我获得 Offer（我最终放弃，但验证了作品的商业说服力）。

2）3,500+ 策略库｜策略资产化与结构化整理​

  • 入口：https://strategies.atwar.eu.org/
  • 内容覆盖：动量、均值回归、趋势跟踪、形态/指标组合、波动率思路等
  • 价值主张：
    • 策略即素材库：用统一结构沉淀“可复用 alpha 组件”
    • 支持现货与期货：更贴近真实交易场景
    • 为后续自动筛选、组合构建与策略集成提供基础

3）量化交易日志｜研究与工程复盘（可追溯）​

  • 入口：https://log.atwar.eu.org/
  • 我在日志里强调：
    • 每个结论对应：数据版本、特征版本、参数版本、评估指标
    • 失败实验也记录：减少重复踩坑，提高迭代效率

4）数据挖掘专题｜近期重点方向​

  • 入口：https://log.atwar.eu.org/data/
  • 关注点（偏“能进生产的”）：
    • 数据质量、异常处理、特征稳定性
    • 可解释性与稳健性：避免过拟合式的“短期漂亮曲线”

5）实盘记录｜可验证的结果与复盘​

  • 入口：https://trading.atwar.eu.org/archives/10/
  • 亮点：仅 OHLCV 数据源、1x 杠杆实现单月 31%（并提供复盘材料）
  • 我更愿意展示的不是“收益截图”，而是：
    • 交易逻辑、风控约束、回撤结构、失效条件与改进方向

我能为团队带来的价值（What I Deliver）​

  • 把策略从“研究脚本”变成“可上线系统”：可监控、可回滚、可迭代
  • 把模型从“单次训练”变成“训练/验证/回测/上线的标准化流水线”
  • 把经验从“脑子里的感觉”变成“文档化/代码化/自动化资产”

What I’m Looking For​

  • 量化交易系统工程化、策略研究平台化
  • 数据/特征/评估体系建设（研究基础设施）
  • ML/RL 在交易中的可落地应用（特别是稳健性、成本、执行层约束）

Contact​

附：所有公开链接汇总（All Public URLs）​