OKX 量化策略研究系统

背景

做量化最怕两件事：策略停在 notebook 里无法复现，以及因子想到一半就忘了。需要一个把「想法 → 因子 → 回测 → 结论」串起来的系统。

目标

搭建一套能沉淀因子、可重复回测、并且能借助 LLM 帮忙产生新想法的研究框架。

过程

• 用 pandas 统一行情与因子计算，因子以表达式管理，方便复用；
• 回测层做截面 Z-score 标准化与去极值，避免单点 outlier 误导；
• 接入 LLM 把「自然语言策略描述」转成可执行的因子表达式，再做回测验证。

成果

• 形成可版本化的因子库；
• 把策略从「灵感」到「回测」的链路缩短到小时级；
• 跑出过有效的多因子组合，也及时否定了一批看着漂亮实则过拟合的思路。

个人职责

负责研究流程设计、因子工程与回测系统实现，以及和实盘数据对接的部分。

使用工具

Python、pandas / numpy、FastAPI、PostgreSQL。

复盘

LLM 很有用，但它给的每个因子都必须亲手回测。它擅长拓展思路，不擅长保证正确。把它的输出当成「待验证假设」而不是「结论」，才不会踩坑。