玩转 Python 量化交易(第 1 讲)

量化交易策略简介

课程介绍:安排 · 考核

  • 课程安排:4 次课 × 2 学时;主线围绕因子 + 规范回测(A 股示例)
    • 第 1 讲:量化交易策略简介(历史、概念、框架、理论基础)
    • 第 2 讲:无代码量化交易策略开发(以因子投资为例)
    • 第 3 讲:Backtrader与量化交易策略实现
    • 第 4 讲:数字技术与量化交易策略
  • 考核:策略+口试

1950s–1970s:现代组合与衍生品定价奠基;指数化萌芽

  • 理论
    • Markowitz 均值–方差(1952);CAPM(Sharpe 1964;Black 1972 零贝塔);EMH(Fama 1965/1970;Samuelson 1965)
    • APT(Ross 1976);Black–Scholes–Merton(1973);Kelly(1956);Kalman/ARIMA(1960/1970)
  • 市场/机构
    • CBOE(1973);Wells Fargo 机构指数化(1971);Vanguard 指数基金(1976);BARRA(1975)
  • 标志性策略/风格
    • 指数化与低成本被动配置(市值加权、早期“增强指数”)
    • 均值–方差优化与风险分散(有效前沿、早期多资产配置)
    • 动态对冲/Delta 对冲与复制(源自 BSM)
    • 早期趋势跟随/Managed Futures(1970s CTA 雏形,期货跨品种时间序列动量)
    • 可转债套利的雏形(Thorp 1960s:多空对冲、Gamma/Theta 交易原型)

1980s–1990s:程序化交易、统计套利、因子模型成型

  • 理论/方法
    • ARCH/GARCH(1982/1986);协整(Engle–Granger 1987;Johansen 1988)
    • Fama–French 三因子(1992/93);Jegadeesh–Titman 动量(1993);Carhart 四因子(1997)
    • VaR/RiskMetrics(1994–1996)
  • 市场/制度/机构
    • 程序化交易与投资组合保险(1986)→ 1987 崩盘;ECNs(1990s);NASDAQ SOES(1988)
    • Renaissance(1982)、D. E. Shaw(1988)、AHL(1987)、Winton(1997)、LTCM(1994–1998)
  • 标志性策略/风格
    • 指数套利(股指期货–现货篮子基差)
    • 程序化交易与投资组合保险(动态对冲的规则化执行)
    • 统计套利/配对与协整均值回归(Morgan Stanley Tartaglia 等)
    • 可转债套利(Delta/Gamma 对冲、波动率错配)
    • 债券相对价值(曲线形状、掉期利差、基差)
    • 波动率套利(微笑/偏斜、跨式/蝶式、IV 曲面交易)
    • 趋势跟随 CTA 工业化(Turtle、AHL 等)
    • 并购套利/事件驱动(公告效应、失败风险溢价)

2000s:电子化与 Reg NMS;HFT 崛起;量化主流化

  • 市场/制度/机构
    • 十进制报价(2001)、Reg NMS(2005/2007)→ 做市与低延迟基础设施
    • ETF 生态扩张;MiFID I(2007);“Quant Quake”(2007);全球金融危机(2008–2009)
    • AQR(1998 创立,2000s 壮大);Bridgewater 风险平价走红;HFT 做市商崛起(GETCO、Citadel、Virtu)
  • 标志性策略/风格
    • 高频做市/HFT(队列位置、跨场所价差、闪电对冲)
    • 执行算法与交易成本优化(VWAP/TWAP/POV/IS;成本模型)
    • ETF/篮子套利、ADR/双重上市套利(现金–衍生品/跨市场)
    • 多空股票市场中性(因子中性、优化器、风格暴露管理)
    • 风险平价与波动率目标(跨资产风险预算与杠杆)
    • 方差互换与相关性/分散度交易;VIX 期货(2004)
    • 跨资产“价值–动量–carry”系统化(外汇、利率、大宗)
    • 信用相对价值与基差交易(CDS–债券;危机期错配/修复)

2010s:大数据与 ML 落地;监管收紧;Smart Beta 普及

  • 事件/监管
    • 2010 Flash Crash;LULD(2013);Knight 故障(2012);MiFID II(2018);“Flash Boys”(2014)
    • 另类数据产业化;因子 ETF 爆发;加密市场成形
  • 标志性策略/风格
    • 另类数据驱动横截面阿尔法(NLP/情绪、卫星/图像、收据/小票、网络流量)
    • 机器学习量化选股(GBDT、随机森林、XGBoost、浅层网络;特征工程与解释)
    • Smart Beta/因子组合(价值、质量、低波、动量的指数化与优化)
    • 期权“波动率风险溢价”系统化(VRP;日历/对角/铁鹰;限额与回撤控制)
    • 分散度/相关性与篮子对冲(Dispersion、Correlation trading 升级)
    • HFT 成熟:微观结构信号(订单失衡、Queue dynamics)、低延迟跨所套利
    • 加密量化:做市、三角套利、资金费率/永续基差、跨所搬砖
    • 系统化宏观与 CTA 2.0(TS-momentum + 宏观因子/套保成本/库存周期)

2020s:云原生与生成式 AI;模型治理深化;微观结构新变化

  • 技术/治理/市场微观
    • 云原生数据与特征管道、向量数据库;生成式 AI(LLMs)进入投研与执行;SR 11-7 → 模型治理常态化;EU AI Act(2024)
    • 0DTE 期权、零售流动性、做市模型演变;美国 T+1 结算(2024);加密 DeFi 机制成熟
  • 标志性策略/风格
    • 短期期权与 Gamma/Vanna/Charm 驱动的日内策略(0DTE gamma scalping、订单流敏感对冲)
    • 拥挤度与风格择时(Crowding-aware 因子配置、宏观状态切换)
    • 目标波动与危机阿尔法(动态杠杆、保护性看跌/尾部对冲的“保险卖买一体化”)
    • 生成式 AI 辅助研究与执行(事件解读、代码生成、RL/深度学习用于执行/做市优化)
    • 多资产 Alternative Risk Premia 组合(value/carry/momentum/quality/defensive 的云原生一体化)
    • 微观结构驱动的流动性提供与冲击管理(冲击函数、Cross-impact、DIF/信号融合)
    • 加密与链上:AMM 做市、MEV/夹子/清算套利、资金费率与永续基差、质押/再质押期限利差
    • T+1 环境下的库存与融资优化(回转效率、借券费率、通道与结算风险)

2000–2009|奠基期:制度建设与量化萌芽

  • 制度与市场
    • 交易所与指数体系夯实、股权分置改革完成
    • 股票端做空/对冲链条缺失,量化以理念为主
    • 标志性机构:上交所、深交所、中证指数(CSI);数据商:Wind、Choice
  • 策略与方法
    • 商品期货 CTA(趋势、跨期/跨品种基差)先行
    • 指数化与朴素多因子萌芽,低频、规则化
    • 卖方量化与风险模型传播,研究土壤初成
  • 监管与外部影响
    • “稳市场、夯基础”为主,对衍生品审慎推进
    • 可执行性受限 → 容量与稳定性受约束
    • 外部风险事件(2007/2008)强化对杠杆与流动性的敬畏

2010–2014|起航期:对冲骨架确立、机构化起步

  • 制度与市场
    • 融资融券与沪深300股指期货上线(2010/04/16)
    • ETF 扩容、沪/深港通框架搭建(2014 起)
    • 标志性机构:中金所(CFFEX)、上交所、深交所
  • 策略与方法
    • 市场中性 1.0 与指数增强成为“标准件”
    • 因子 + 优化 + 交易成本模型工程化;CTA 系统化
    • 执行算法(VWAP/TWAP/POV/IS)与 DMA 应用
  • 生态与监管
    • 私募量化机构化起步:幻方、九坤、明汯、灵均(示例)
    • 公募指数增强扩线;券商量化交易与风控中台建设
    • 监管支持套保与长期资金,强调合规与稳健换手

2015–2019|调整与产品化:波动—约束—补链条

  • 制度与市场
    • 2015:上证50ETF期权上线;股灾后期指严管、2016 熔断试点与叫停
    • 2017 起渐松;2019/12/23:沪深300 ETF/股指期权同步上市
    • 标志性机构:上交所、深交所、中金所
  • 策略与方法
    • 对冲受限期:现金/行业中性替代、稳健指增
    • 期权 VRP/备兑/日历与分散度/相关性交易规范化
    • 跨市场/ETF–期货套利工程化,容量与稳健性上台阶
  • 生态与监管
    • 私募多策略平台化;公募 Smart Beta/指增加速
    • 券商期权做市与库存对冲工程化
    • 基调:稳市场、审慎杠杆与高频;鼓励指数化/增强化产品

2020–至今|规范化与智能化:注册制、程序化合规、AI 入栈

  • 制度与市场
    • 注册制全面推进;中证1000股指期货与期权(2022)完善风格对冲
    • 程序化/算法交易备案与行为监测常态化
    • 互联互通深化,ETF/期权品类与做市机制迭代
  • 策略与方法
    • 拥挤度感知与风格择时、低换手稳健指增
    • 中性强调融资/融券/库存优化;波动/相关性策略重尾部与流动性
    • 数据与 AI 入栈:ML/LLM 用于投研与执行,模型治理与可解释
  • 生态与监管
    • 头部量化平台化,中小机构分化;公募量化扩容、合规优先
    • 券商“执行—库存—融资—衍生品对冲”一体化
    • 监管强调公平有序、低扰动、可审计;数据合规为硬约束

专题|大数据与生成式 AI(近十年)

  • 数据与合规
    • 另类数据:电商/行为/物流/舆情等快速发展
    • 合规框架:网络安全法、数据安全法、PIPL
    • 要求:数据来源可审计、用途最小化、跨境合规
  • 方法与落地
    • ML/深度学习:横截面、时序、微观结构与IV曲面建模
    • LLM:公告/研报NLP抽取、代码/回测辅助、监控与报告自动化
    • 原则:控幻觉、提升可解释与稳健性、避免数据泄露
  • 工程与监管
    • 云原生/GPU/特征版本化与可重复回测、审计日志
    • 模型风险管理(MRM)与策略发布流程治理
    • 程序化备案与行为监测收紧 → 倒逼“低扰动、低杠杆、可审计”的工程文化

量化交易策略概览

什么是量化交易

课程口径

  • 定义:数据驱动、规则化、可复现;将预测信号转为可执行的组合与订单
  • 特点:可回测与可度量(风险/成本)|可扩展与可组合
  • 非目标澄清:量化 ≠ 高频;本课聚焦低/中频因子与回测流程(A 股示例优先)

超额收益从何而来?五大来源

  • 风险 Risk(系统性/非系统性补偿)
  • 流动性 Liquidity(库存与即时成交服务补偿)
  • 融资/约束 Funding Constraints(杠杆/做空限制引致的溢价与错价)
  • 可预测的资金流 Predictable Flows(被动再平衡、指数变动等)
  • 信息 Informational Advantage(信号可预测未来回报)

与传统投资对比

  • 传统投资 vs 量化投资
    • 主观判断 → 系统规则
    • 经验依赖 → 数据驱动
    • 难以复制 → 可回测验证
    • 情绪影响 → 纪律执行
    • 低频决策 → 自动化/可扩展

量化策略分类(来源/频率/头寸/任务)

  • 按信号来源
    • 趋势 Trend Following/TSMOM|横截面动量 Cross-Sectional Momentum
    • 均值回归 Mean-Reversion / Stat Arb|季节性 Seasonality
    • 价值 Value|质量 Quality / Profitability|低波 Low Volatility / BAB
    • 规模 Size|股息 Dividend|Carry / 期限结构 Carry / Term Structure
    • 波动率 Volatility / Variance Risk Premium|事件驱动 Event-Driven(并购套利 Merger Arb、财报漂移 PEAD)
  • 按频率 Frequency:高频/日内 HFT/Intraday|日度 Daily|周度 Weekly|月/季 Monthly/Quarterly
  • 按头寸/目的 Position:指数增强/Smart Beta|市场中性 Market-Neutral|对冲 Hedging|套利 Arbitrage
  • 按标的:股票、期货/商品、外汇、利率/信用、期权/波动、多资产配置、加密资产
  • 按任务 Task
    • 选股 Stock Selection(横截面):动量/价值/质量/低波、ML 排序、事件驱动
    • 择时 Market Timing(时序):TSMOM、波动率/风险目标、Carry、状态切换、CTA
类别 代表策略 核心信号/来源 常见风险控制
股票 市场中性、多因子、统计套利、事件驱动 价值/动量/质量/反转/事件 行业/风格中性、贝塔/因子对冲、限仓
期货/商品 CTA趋势、曲线/价差、基差、Carry 趋势、期限结构、季节性、展期收益 品种/板块限权、波动目标、风控阈值
外汇 套息、动量、价值、波动相对价值 利差、趋势、PPP、波动曲面 尾部对冲、杠杆上限、相关性约束
利率/信用 曲线/基差、信用RV、期限/票息 curve因子、CDS-Bond、久期/凸性 DV01/CS01中性、流动性/融资约束
期权/波动 Vol-carry、曲面交易、Gamma 隐含–实现波动、Skew/Term结构 Vega/Gamma/Theta限额、情景/压力测试
多资产配置 TSMOM、风险平价、战术配置 趋势、波动/相关、宏观因子 风险预算、相关性漂移、回撤阈值
加密 基差/资金费率、做市、趋势 期限溢价、订单流/链上数据 交易所与对手风险、极端跳变

按信号来源(I):趋势、动量、均值回归、估值与防御

  • 趋势 TSMOM / CTA:单品种趋势、跨资产趋势(波动加权、风险目标)
  • 横截面动量 XSMOM:强者恒强/弱者更弱排名、行业/市值中性
  • 均值回归 / 统计套利:配对/协整、篮子收敛、开收盘反转、隔夜效应
  • 季节性 Seasonality:日历效应、商品供需/库存周期、财政/结算周期
  • 价值 Value:BM、EP、CFP、EV/EBITDA、外汇PPP、跨资产相对价值
  • 质量 Quality/Profitability:ROE/ROIC、毛利稳定、应计与现金流质量
  • 低波/低贝塔/最小方差:BAB、防御因子、协方差驱动的防御组合
  • 规模与股息:小盘溢价(流动性敏感)、股息率与分红稳定度

按信号来源(II):Carry、波动、事件、相对价值、微观结构、替代数据

  • Carry / 期限结构:外汇套息、商品展期收益、利率期限溢价、基差与滚动
  • 波动溢价 VRP:隐含−实现波动,目标波动;Skew/Term 结构相对价值、VIX 期限结构
  • 分散度/相关性:指数—成分离差(dispersion)、相关性风险溢价、方差分解
  • 事件驱动:并购套利(现金/换股)、财报意外(PEAD)、回购/增发/分拆、指数纳入/剔除
  • 相对价值/基差:ETF–篮子、股指期现、ADR–本地股、同股不同权、可转债拆解、CDS–债券、掉期–国债
  • 微观结构/做市:订单流、盘口不平衡、队列位置、库存优化、跨品种对冲
  • 执行阿尔法/TCA:IS/POV/VWAP/TWAP、暗池/路由、冲击-恢复模型、成交流动性择时
  • 替代数据与ML:NLP情绪、流量/票据/卫星、GBDT/DL/图网络、表征学习与Ensemble
  • 宏观状态切换:增长/通胀/政策/流动性 regime 驱动的信号组合

按频率 Frequency

  • 子毫秒/微秒:HFT 做市、套利(同场/跨场)、撮合队列与延迟主导
  • 毫秒/秒:低延迟做市、ETF–期货/跨品种同步、极短期反转
  • 分钟/小时:日内趋势/反转、盘口动量、事件短期反应、ETF–篮子套利
  • 日度:横截面动量/价值/质量、波动溢价、基差/Carry、指数增强
  • 周度:CTAs、跨资产择时、曲线交易、信用/相关性信号
  • 月/季:估值驱动、风险平价/配置、宏观状态切换、再平衡因子
  • 事件周期(变动持有期):并购、再融资、监管进度、条款变更

按头寸/目的 Position

  • 指数增强 / Smart Beta:TE 预算内暴露风格溢价;低成本、透明
  • 市场中性 Market-Neutral:多空中性(行业/风格/市值/因子中性);赚取横截面溢价或相对价值
  • 套利 Arbitrage:基差/跨市场/跨期限/资本结构/曲线/波动相对价值
  • 对冲 Hedging:尾部对冲、长凸性(Long Vol)、波动/相关性/通胀对冲
  • 做市/流动性提供 LP:报价、库存与风险限额、目标稳定收益(受基础设施约束)
  • 配置/风险预算:TSMOM、RP/风险贡献、目标波动/回撤控制

按标的 Asset Class

  • 股票:多因子、事件驱动、统计套利、指数增强、分散度
  • 期货/商品:CTA、期限结构/跨期/裂解价差、基差/展期、季节性
  • 外汇:套息、趋势/价值(PPP)、期权波动相对价值
  • 利率/信用:曲线交易、掉期–国债基差、信用相对价值、通胀盈亏平衡
  • 期权/波动:VRP、Skew/Term 相对价值、Gamma scalping、方差/相关性互换
  • 多资产配置:TSMOM、风险平价/预算、战术资产配置(宏观状态)
  • 加密资产:现货–期货基差、资金费率、CEX/AMM 做市、三角套利、链上数据

按任务 Task

  • 选股(横截面):动量/价值/质量/低波、事件驱动、ML 排序、行业/风格约束
  • 择时(时序):TSMOM、Carry、波动/风险目标、宏观状态切换、CTA
  • 执行与成本最小化:算法路由、成交概率/冲击建模、滑点控制、暗池选择
  • 组合构建与风险预算:MV/RP、目标波动/回撤、因子/贝塔中性、相关性管理
  • 容量与融资:拥挤度监控、融券/保证金、对手/清算风险

总览矩阵(1/4):趋势/动量/均值/估值

策略类 具体策略 标的 频率 头寸/目的 任务 关键信号 核心风控
趋势 TSMOM 单品种/跨资产趋势 期货/外汇/股指/债券/商品 日/周/月 方向性/配置 择时 动量、波动加权 目标波动、相关性漂移、换月
横截面动量 强弱排名、行业/市值中性 股票/期货/外汇 日/周/月 中性/增强 选股/选品 截面收益排序 行业/风格中性、拥挤
均值回归 配对/协整、篮子收敛、隔夜/开收盘反转 股票/ETF/期货 分钟/日/周 中性/套利 选股/择时 残差Z分、协整 停损/半衰期、断裂风险
季节性 日历效应、库存/产销周期 股票/商品/外汇 日/周/月 增强/配置 择时 日历/供需模式 样本外验证、过拟合
价值 BM、EP、CFP、EV/EBITDA、PPP 股票/外汇 月/季 增强/中性/配置 选股/择时 估值偏离 行业中性、价值陷阱
质量 ROE/ROIC、应计、现金流质量 股票 月/季 增强/中性 选股 盈利可持续性 会计稳健性、行业分层
低波/BAB 低波、低贝塔、最小方差 股票/多资产 月/季 增强/配置 选股/配置 波动/协方差 拥挤、再平衡成本
规模/股息 小盘溢价、分红稳定/高股息 股票 月/季 增强/配置 选股 市值/派息特征 流动性、红利陷阱

总览矩阵(2/4):Carry、波动、事件、结构性与相对价值

策略类 具体策略 标的 频率 头寸/目的 任务 关键信号 核心风控
Carry/期限结构 套息、展期收益、期限溢价 外汇/期货/债券 日/周/月 方向性/配置 择时 利差、基差、斜率 危机尾部、融资/保证金
VRP 卖波动、目标波动 指数期权/方差互换 日/周/月 收益/保险 择时/对冲 隐含−实现波动 尾部对冲、限额/情景
Skew/Term 结构 Skew交易、日历/垂直价差、VIX曲线 期权/波动衍生 日/周 相对价值/对冲 择时/对冲 曲面/Smile/期限差 Vega/Gamma/Theta管控
分散度/相关性 指数–成分离差、相关性溢价 指数/成分期权 日/周 相对价值/对冲 择时 方差分解/相关性 相关性跳变、跟踪误差
事件:并购 现金/换股并购对价差 股票/可转债 事件周期 套利/对冲 择时 价差、成功概率 失败尾部、借券/对冲
事件:财报等 PEAD、回购/增发、分拆、纳入/剔除 股票/指数 日/周 增强/中性 选股/择时 EPS惊喜、规则/流 拥挤、窗口/半衰期

总览矩阵(3/4):Carry、波动、事件、结构性与相对价值(续)

策略类 具体策略 标的 频率 头寸/目的 任务 关键信号 核心风控
结构性/指数化流 再平衡、ETF申赎/篮子偏差 股票/ETF/期货 日/周 套利/增强 择时 规则驱动流 执行冲击、篮子误差
ETF–篮子/期现 IOPV偏差、股指基差 股票/ETF/期货 分钟/日 套利/对冲 择时 实时净值/基差 库存/申赎门槛、对手风险
ADR/双重上市 ADR–本地股、同股不同权 股票 分钟/日 套利/中性 择时 汇率/时区错位 跨市借券、合规
可转债套利 债+期权拆解、Delta/Vega/信用 可转债/股票/期权/CDS 日/周 相对价值/对冲 择时 隐含波/条款 强赎/条款变更、流动性
利率曲线RV Butterfly/Barbell、掉期–国债基差 国债/IRS/期货 日/周 相对价值/对冲 择时 DV01/曲率 回购/融资、期限错配
信用相对价值 同评级/行业价差、CDS–Bond 现券/CDS/指数 日/周 相对价值/对冲 择时 CS01/曲线 流动性空窗、违约尾部

总览矩阵(4/4):微观结构、执行、配置、加密、替代数据与ML

策略类 具体策略 标的 频率 头寸/目的 任务 关键信号 核心风控
做市/微观结构 报价/库存、队列位置、跨品种对冲 股票/期权/期货/加密 微秒–分 做市/LP 执行 订单流/冲击–恢复 延迟/基础设施、库存限额
执行阿尔法/TCA IS/POV/VWAP/TWAP、路由/暗池 全资产 毫秒–日 成本最小化 执行 成交概率/冲击模型 合规/场所选择、滑点预算
多资产配置 TSMOM、战术配置、因子轮动 多资产 周/月/季 配置/对冲 择时 宏观状态、估值/风险溢价 相关性变异、杠杆纪律
风险平价/预算 等风险贡献、目标波动/回撤 多资产 周/月 配置 组合构建 协方差估计/RC 结构突变、融资成本
替代数据 Alpha NLP情绪、流量/票据/卫星 股票/多资产 日/周/月 增强/中性 选股/择时 稀缺性/新鲜度 法规/隐私、漂移/稀释
ML/非线性 GBDT/DL/图网络、Ensemble 跨资产 日/周 增强/中性 选股/择时 表征/交互项 稳健性、可解释、再训练
加密基差 现货–期货基差、资金费率 加密 分–日 套利/对冲 择时 资金费率/跨所价差 对手/清算、跳变
加密做市/AMM CEX做市、AMM库存/对冲、三角套 加密 毫秒–分 做市/套利 执行 深度/滑点/库存 系统性宕机、API限额

现代投资组合理论(MPT)


  • 基本框架
    • 均值-方差最优、有效前沿、二基金分离与风险分散
    • 预算、约束与效用最大化(目标波动、回撤/尾部约束)
  • 扩展与实践
    • 最小方差、风险平价、Black–Litterman、目标波动
    • 估计误差与稳健优化(正则化、贝叶斯/收缩、弹性目标)
  • 与方法论的接口
    • 成本/冲击内生化、换手与容量约束
    • 拥挤度与相关性管理(相关性聚合、状态切换)
理论基础|现代投资组合理论(MPT)

资产定价理论(理论)


  • 代表模型
    • CAPM/ICAPM、APT、多因子(宏观/风格)、消费型(CCAPM)
    • 无套利与状态价格密度、贴现因子(SDF)统一视角
  • 关键命题
    • 风险溢价来源、可定价空间、横截面与时变风险
    • 条件模型与状态依赖(宏观、流动性、波动状态)
  • 策略启示
    • 因子构建与风格预算、宏观驱动的时变权重
    • 可解释与可交易的折中(估计噪声 vs. 实盘约束)
理论基础|资产定价理论(理论)

资产定价(实证)


  • 因子体系
    • Fama–French(市场/规模/价值/盈利/投资)、动量、低波、质量
    • q-factor、流动性与中小市值效应、盈利持续性
  • 实证方法
    • Fama–MacBeth 回归、组合排序、GMM/IV、稳健标准误
    • 数据陷阱:幸存者偏差、前视偏差、数据复用泄露、数据挖掘
  • 投资含义
    • 因子周期与拥挤度管理、风格多元化与组合保险
    • 本土化约束:(T+1)、融券/仓位/行业限制、交易成本
理论基础|资产定价(实证)

期权与衍生品基础


  • 无套利与复制
    • Put–Call Parity、远期/期货–现货关系、基差与 Carry
    • 静态/动态复制、鞅与风险中性定价(换 measure)
  • 定价与风险
    • BSM 与扩展、波动率曲面/微笑;Greeks(含二阶:Vanna/Charm)
    • 方差/相关性风险溢价、IV–RV 差与结构化策略
  • 策略接口
    • 备兑/保护、日历/对角、分散度/相关性交易、VRP/VRM
    • 期权作为组合保险与尾部对冲的工程工具
理论基础|期权与衍生品

有效市场假说(EMH)与行为金融


  • EMH 三形态
    • 弱/半强/强式;信息到价格的传导与限制
    • 限制套利:融资/卖空/跟踪误差/执行成本
  • 行为金融
    • 偏差:过度自信、损失厌恶、代表性、处置效应、羊群
    • 行为—制度—微观结构的交互与可预测性来源
  • 策略含义
    • “风险补偿 vs. 错定价”双视角与稳健性检验
    • 事件驱动/反转/动量/公告解读的行为根基
理论基础|EMH 与行为金融

市场微观结构


  • 价格形成与订单簿
    • 限价/市价、队列动态、集合竞价/连续竞价
    • 做市与库存、费率机制(maker–taker/竞价规则)
  • 信息与冲击
    • 逆向选择(Kyle (\lambda))、冲击函数(临时/永久)、Almgren–Chriss
    • TCA:实施短缺、滑点、成交质量(Fill/Markout)
  • 策略接口
    • 信号–执行映射、持有期与信号半衰期、交易可见性
    • 路径/篮子/暗池/大宗交易与风控联动
理论基础|市场微观结构

金融工程原理


  • 合成与复制
    • 静态复制(现金流匹配、谱分解)、动态复制(Delta/Gamma)
    • 风险暴露转换(利率/汇率/波动/相关性)
  • 无套利与 FTAP
    • 无套利定价、等价鞅测度、风险中性的贴现期望
    • 市场不完备与对冲误差(方差最小对冲)
  • 策略场景
    • 结构化保护与组合保险、跨期限/跨品种基差与 Carry
    • 套保与做市的库存与对冲工程
方法|金融工程原理(合成、无套利、风险中性)

数量方法:统计与计量


  • 时间序列
    • 平稳性/协整、ARIMA/GARCH、状态切换(Regime)
    • 频域/小波、稳健估计与异常值处理
  • 横截面与面板
    • Fama–MacBeth、固定/随机效应、聚类/异方差稳健误
    • 工具变量/控制变量、因果识别的边界
  • 验证与稳健性
    • 走样/滚动前瞻、嵌套 CV/时序 CV、样本外/留存集
    • 多重检验:White RC、SPA、FDR、Deflated Sharpe Ratio
方法|统计与计量

大数据与机器学习


  • 数据管线
    • 另类数据:电商/行为/物流/舆情;数据治理与合规
    • 特征工程:泄露防范、时间戳对齐、标签延迟与归因
  • 学习范式
    • 监督(正则线性/树/Boosting)、表示(PCA/Autoencoder)
    • 序列(RNN/LSTM/Transformer)、图/异构多模态
  • 落地要点
    • 非平稳与漂移:再训练/漂移检测/集成加权
    • 可解释/审计:特征贡献、稳健性;上线门槛与模型治理
方法|大数据与机器学习

策略开发流程


  • 问题—假设—数据
    • 经济直觉与可交易载体;可证伪假设
    • 数据发现/授权/质量评估与版本化
  • 研究—验证
    • EDA→特征与模型→回测设计(规则/成本/约束)
    • IS/OOS/Walk-forward;基准与对照(ablation)
  • 工程—上线
    • 可复现实验(代码/数据指纹)、审批与 MRM
    • 变更管理、灰度/金丝雀与回滚方案
流程|策略开发生命周期(SDLC)

组合构建与执行工程


  • 组合构建
    • 目标函数:IR/TE/风险预算/目标波动/多目标
    • 约束:敞口/行业/体量/换手/衍生品/融资融券
  • 成本与容量
    • 显性/隐性成本(冲击/机会/借贷)、信号半衰期与持有期
    • 容量:冲击函数、拥挤度、成交占比与重合度
  • 执行策略
    • 算法(VWAP/TWAP/POV/IS/篮子)、时段与路径优化
    • 交易可见性、风控联动(熔断/限价/Kill-switch)
流程|组合构建与执行工程

风险管理与运行监控


  • 风险框架
    • 因子/风格、VaR/ES、流动性/相关性、融资与对手方
    • 场景/压力(历史/蒙特卡洛/合成),组合保险联动
  • 运行监控
    • 信号漂移与模型劣化、异常值与容错、预警与阈值
    • 合规监控:敞口/撤单率/频度/异常行为与报告
  • 事故处置
    • 降杠杆/停更/回滚/熔断;应急手册与演练
    • 事后复盘与根因定位(人/机/数/市四象限)
流程|风险管理与运行监控

策略评价与归因


  • 绩效与风险
    • Sharpe/Sortino/Calmar、IR/Alpha/Beta、最大回撤与恢复期
    • 收益分布(偏度/峰度/尾部)、Hit Rate/Payoff、路径依赖
  • 统计显著性
    • (t)/CI、Bootstrap、DSR/Reality Check/SPA
    • 非平稳鲁棒性(子样本、滚动、状态切换)
  • 交易归因与 TCA
    • 实施短缺/滑点/冲击、Markout、机会成本
    • 归因:信号→权重→执行→费用→净值的分层拆解
评估|绩效、统计与 TCA

参考阅读(精选)


  • 经典书目
    • Grinold & Kahn《Active Portfolio Management》;Ang《Asset Management》
    • Cochrane《Asset Pricing》;Campbell, Lo & MacKinlay《Econometrics of Financial Markets》
  • 方法与工程
    • Hastie/Tibshirani/Friedman《The Elements of Statistical Learning》
    • Lopez de Prado《Advances in Financial Machine Learning》《Probability of Backtest Overfitting》
  • 论文与工具
    • Fama–French 系列;Almgren–Chriss;Kyle (1985)
    • White (2000) Reality Check、Hansen SPA;交易所程序化交易规范与 TCA 文献
参考阅读|书与论文(精选)

回测常见陷阱(总览)


  • 三件套
    • 未来信息/数据泄露
    • 生存偏差
    • 执行偏差
  • 相关问题:多重检验/数据挖掘偏差、样本外不足、参数过拟合(PBO/DSR)
  • 原则:时间因果对齐、可执行性/成本入模、稳健性优先
回测常见陷阱|总览

数据清洗与时间对齐


  • 缺失值:前项填充/插值;保持信息集一致
  • 异常值:分位裁剪/Winsorize;记录处理规则
  • 前视偏差:披露滞后;仅用决策时点可得数据
  • 生存偏差:纳入退市样本;成分快照
  • 时间戳:交易时段、开收盘价差、撮合方式
数据清洗与时间对齐

陷阱一:未来信息 / 数据泄露


  • 典型来源:用尚未披露的财务、未来成分/行业;标签污染(用下期收益构造同期特征)
  • 症状:回测收益异常平滑/极高,实盘崩塌
  • 最小处方
    • 披露滞后处理与“冷却窗”
    • 时间序列分块;Purged + Embargo 验证思想
    • 仅使用决策时点可得信息集

陷阱二:生存偏差与样本外不足


  • 生存偏差:用“今天仍存活”的股票/成分回溯历史
  • 治理:历史时点成分快照;退市样本纳入;缺失处理透明
  • 样本外不足:留出近年作真实 OOS;滚动窗口与跨周期稳健性

陷阱三:多重检验与过拟合


  • 症结:反复试参/试因子 → 虚假显著
  • 治理:
    • 多重检验校正(stepwise multiple testing)
    • 研究者自由度最小化、预注册/冻结协议
    • 报告失败实验;稳定性与迁移性测试
  • 指标稳健性:分箱稳定性、横/纵向迁移、滚动再训练稳定度

量化投资策略资源|工具·数据·实务与合规(中国)

  • 开源与工具链(Python 生态)

    • 研究/回测:numpypandasstatsmodelsscikit-learnQlibbacktradervectorbtPyPortfolioOptmlfinlab
    • 波动/定价/期权:arch(GARCH)、QuantLib(定价/曲线)、py_vollib(BS 系列)
    • 绩效与可视化:empyricalpyfolioalphalensmatplotlibplotly
    • 实验与管线(可选):mlflow/wandb(实验追踪)、prefect/airflow(任务编排)
  • 数据与平台(仅中国)

    • 终端与数据库:Wind、东方财富 Choice、同花顺 iFinD;指数与成分:中证指数(CSI)
    • 学术与结构化:CSMAR(国泰安)、RESSET(锐思)、聚源数据(Gildata)
    • 量化与开发平台:TuShare(API)、JoinQuant(聚宽)、RiceQuant(米筐)、通联数据 DataYes、BigQuant
    • 交易所与行情:上交所/深交所 Level-1/Level-2、逐笔成交与委托;中金所(股指/期权)、上期所/大商所/郑商所/能源中心(期货)
    • 另类与场景数据(合规前提):公告/研报文本、招投标/工商、舆情与App 行为、物流/电商高频宏观
  • 实务与合规(落地建议)

    • 监管与规则:上交所/深交所/中金所程序化与算法交易备案、撤单率/频度监测、异常交易行为边界
    • 数据合规:网络安全法、数据安全法、个人信息保护法(PIPL)——来源授权、最小化使用、存储与跨境管理
    • 工程与治理:模型风险管理(MRM)、数据/特征版本化、实验可复现与审计日志、权限与变更管理
    • 交易与容量:自建 TCA(实施短缺/冲击/机会成本)并与券商核对;成交占比/拥挤度监测与容量上限评估

附录

Edward O. Thorp

Ed Thorp portrait
source:http://www.edwardothorp.com/
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
数学家;
加州大学欧文分校教授;
著有《Beat the Dealer》《Beat the Market》《A Man for All Markets》
1960s 首创二十一点“数牌法”;
1970s–80s 开展可转债与期权统计套利;
创立 Princeton/Newport Partners,
对冲与相对价值策略
量化与风险控制先驱;
将 Kelly 准则引入资金管理;
将衍生品定价思想与可转债套利结合,树立“可验证 edge + 风险约束”范式
倡导优势可证与长期生存,
反对过度杠杆与模型崇拜,
偏好简单且可解释并经受稳健性检验

Jim Simons

Jim Simons portrait
source:Investopedia
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
微分几何与密码分析;
Stony Brook 前教授;
1982 年创立 Renaissance Technologies
构建 Medallion 的多模型统计学习体系,强调数据工程、信号组合与交易执行微结构;
打造科学家与工程师协同的工业化研究组织
长期实现行业顶级的风险调整收益;
推动“数据驱动、工程先行”的量化范式;
以 Simons Foundation 大力资助基础科学
强调经验主义与可检验性;
淡化因果叙事,重视数据与成本;
极度重视执行质量与研究保密文化

David E. Shaw

David E. Shaw portrait
source:https://www.deshaw.com/who-we-are/founder
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
计算机科学博士;
哥伦比亚大学任教;
1988 年创立 D. E. Shaw;
后任 D. E. Shaw Research 首席科学家
以“研究组织 + 工程平台”运作的多策略量化先行者,覆盖统计套利、相对价值、量化宏观与结构化交易等;
重视高性能计算
将分布式系统与高性能计算引入量化投资;
开创平台化量化公司模板,培养广泛“校友网络”;
推动计算生物与药物发现
工程先行、流程与治理;
跨学科协作;
强调风险预算与组织学习,敏锐拥抱前沿计算与算法

Cliff Asness

Cliff Asness portrait
source:https://www.forbes.com/
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
芝加哥大学金融学博士(法玛门下);
曾在高盛从事量化策略;
1998 年联合创立 AQR
将价值、动量、质量、低波等“风格因子”规则化、跨资产落地;
推动风险溢价投资的机构化与产品化
学术—实务闭环的代表;
以论文、白皮书与公开研究推动因子投资;
倡导低成本、透明、可复制的系统化产品
强调长期纪律与“因子回撤的常态性”;
反对择时幻想;
注重成本、税负与实现路径;
直言型公共知识传播者

Igor Tulchinsky

Igor Tulchinsky portrait
source:Bloomberg
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
物理/计算机背景;
曾任 Millennium 量化;
2007 年创立 WorldQuant,全球化布局研究网络
搭建分布式 alpha 生产平台(众包研究 + 信号工厂);
主打股票市场中性多因子,并结合 ML 与大规模实验平台
推动“全球化/去中心化”的量化研究组织形态;
通过 WorldQuant University 等培养量化人才生态与管线
崇尚可规模化实验与可追溯管线;
强调数据/研究治理与平台能力,以工具化赋能全球人才、迭代产生 alpha

幻方量化 · 梁文锋(创始人/实控人)

Liang Wenfeng portrait placeholder
source:ifeng.com
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
浙江大学信息与电子工程学士/硕士,工程与计算方向背景;
长期从事全自动量化交易探索
2015 年前后组建/发展幻方量化,主攻 A 股市场中性与多策略;
2017 年起强调 AI 驱动研究与系统化工程;
推动大规模算力与自研基础设施
带动国内量化机构在数据工程、AI 与执行工程的一体化迭代;
以平台化研发与严谨风控成为国内量化代表之一
强调工程化、自动化与可扩展实验;
追求可验证 edge 与研究治理,倡导以技术与算力驱动长期稳健表现

九坤投资 · 王啸(创始人/核心人物)

Wang Xiao portrait placeholder
source:ifeng.com
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
量化与工程背景,长期耕耘 A 股中性与多策略领域 组建多频、多策略的 alpha 生产与执行体系,覆盖中性、指增、CTA 等 以多业务线协同与执行工程著称,推动国内量化在容量与风控上的产业化升级 倡导模型多样化与风险预算纪律,强调交易执行与成本敏感度管理

衍复投资 · 高亢(创始人/首席投资官)

Gao Kang portrait placeholder
source:zhihu.com
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
高中获国际物理奥林匹克竞赛奖项;
本科就读 MIT(物理学、EECS);
曾在 DRW、Two Sigma 等国际量化机构任职
2019 年创立衍复投资,搭建覆盖指数增强、市场中性等的多策略平台,强调数据、研究与执行一体化 创业一年多即跻身百亿规模,指增与多策略表现突出,带动国内量化在高性能工程与策略产业化方面的进展 倡导“工程化、研发驱动”的量化范式,重视高质量数据与交易执行,强调跨学科人才与平台化协作

明汯投资 · 裘慧明(创始人/总经理)

Qiu Huiming portrait placeholder
source:stockstar.com
学术/行业经历 主要经历(量化) 成就与贡献 个人观点/特点
宾夕法尼亚大学物理学博士,复旦大学物理学学士;
曾在海外机构从事系统化投资研究与管理
2014 年创立明汯投资,构建以市场中性、指数增强为代表的多策略体系,强调因子研究、成本控制与工程化落地 早期推动国内因子投资、交易成本建模与风控体系的机构化实践,规模与业绩在头部量化中保持领先 强调长期纪律与稳健性,反对短期择时与过度拟合,重视低成本、可复制与流程治理

_讲者备注:设置预期;强调“理解 → 跑通 → 说清”的三步法。_

- 核心突破:Markowitz 将“风险视为方差”,引出有效前沿;CAPM/EMH 奠定“贝塔与定价”的基线假说;APT 打开“多因子”视角。 - BSM(1973)让期权定价与动态复制可计算;CBOE 的成立让衍生品市场化、规模化。 - 指数化从机构试点到 Vanguard 公募化,确立“低成本、可复制”的被动范式。 - 早期 CTA 与可转债套利体现“规则化交易 + 对冲工程”的雏形,为后续程序化与统计方法铺路。

- 1987 崩盘暴露了“程序化动态对冲”的顺周期性与流动性需求;监管与市场结构随之调整。 - 统计套利工业化:从简单价差到协整模型,强调中性化(市场/行业/因子)与执行质量。 - 因子模型走向主流(FF3/Carhart4/动量),解释收益横截面并指导多空组合。 - 固收与波动率相对价值借助新模型(ARCH/GARCH、Heston、微笑曲面)扩展边界。 - LTCM 的兴衰:杠杆-流动性-相关性聚合的典型案例,催生 VaR/RiskMetrics 的普及。

- 十进制化与 Reg NMS 打散流动性、压缩点差并催生低延迟竞赛;HFT 成为“新做市商”。 - 2007 “Quant Quake” 揭示多空中性与拥挤度的脆弱性;2008–2009 危机强化融资与流动性管理。 - 执行算法从战术走向平台化(预交易/到达价格/冲击模型);ETF 与篮子交易提升价差与对冲的可实现性。 - 风险平价与跨资产风格因子(value/momentum/carry)成为机构化配置的骨架。 - 方差/相关性交易、信用基差交易在波动与压力期提供显著相对价值机会与风险教训。

- Flash Crash 与 Knight 事故推动 LULD、熔断与风控体系升级;MiFID II 重塑欧洲市场数据与透明度。 - 因子 ETF 的普及把“学术因子→可交易指数”打通;Smart Beta/组合优化成为资管标准件。 - 另类数据从“信号演示”走向“数据治理 + 合规 + 可解释性”;ML 在横截面与文本/NLP场景落地。 - 分散度/相关性、VRP 等衍生品策略标准化,风险预算与仓位约束是关键。 - 加密资产形成“可量化”的微观结构(做市、套利、基差),但对手方与技术风险突出。

- 云原生与生成式 AI 进入投研/交易全流程(数据工程→特征→研究→执行),促使 MRM 与 AI 合规加码(EU AI Act 等)。 - 0DTE 的爆发改变了隐波曲面的短端结构与做市风控;T+1 改变库存与资金占用的优化问题。 - 拥挤度/择时与目标波动/尾部对冲结合,形成“稳健化的风格溢价组合”新范式。 - DeFi/AMM 与 MEV 打开新微观结构与套利生态,但链上执行、治理与合规成为新变量。 - 未来趋势:更强的可解释性、实时化基础设施、跨资产一体化 ARP 与 AI 原生执行策略。

制度打地基、策略在期货端先行、监管以稳为主。 - 第一,制度与市场在“打地基” - 这一阶段,交易所规则与指数体系不断完善,股权分置改革基本完成,市场的流动性和定价效率明显改善。 - 但股票端的做空与对冲链条还不完整,融资融券和股指期货都未普及,量化更多停留在理念、框架与研究层面。 - 数据层面,像上交所、深交所、中证指数(CSI)提供基础,Wind、Choice等数据商开始标准化信息,这为可复制的研究创造了条件。 - 第二,策略与方法侧重“可执行就好” - 真正能落地的是商品期货的 CTA:做趋势、做跨期/跨品种基差,因为期货市场在中国更早具备了多空与杠杆的完整工具链。 - 股票侧以指数化和朴素多因子为主,频率低、规则化强,尽量规避执行与对冲缺陷带来的风险。 - 同期卖方量化与风险模型(如风格因子、Barra 体系)开始传播,逐步培育了研究土壤和共同语言。 - 第三,监管与外部冲击塑形“风险观” - 监管主基调是“稳市场、夯基础”,对衍生品采取审慎推进,这使得当时策略容量与稳定性天然受限。 - 2007/2008 的外部风险事件加深了市场对杠杆与流动性的敬畏,促使机构在方法上更偏保守:低杠杆、低换手、重风控。 - 小结与过渡 - 这一时期的关键词是“夯实基础、谨慎落地”。量化的核心价值更多体现在“规则化研究”和期货端的可执行性。 - 为下一阶段的融资融券与股指期货上线铺路。下一页我们会看到 2010–2014 年对冲骨架确立后,市场中性和指数增强开始成为“标准件”。

主线:工具链补齐→策略能落地→机构化起步。 ### 制度与市场:对冲与跨市场通道成型 - **关键里程碑**:2010/04/16 融资融券与沪深300股指期货上线,补齐多空与套保“骨架”。 - **被动与跨市场**:ETF 扩容提升被动资金与对冲的可行性;2014 起沪/深港通框架搭建,资金与标的范围打开。 - **基础设施**:中金所(CFFEX)与两市交易所的制度完善,为标准化回测与实盘对齐提供更清晰边界。 ### 策略与方法:标准件成形与工程化落地 - **“两大标准件”**:市场中性 1.0(因子选股+期指/融券对冲)与指数增强(TE 受控、超额稳健)进入规模化实践。 - **工程三件套**:因子+优化器(风险模型/约束)+交易成本模型,形成可复制研发流程;CTA 从规则走向系统化与风控模板化。 - **执行与接入**:VWAP/TWAP/POV/IS 等算法执行与 DMA 普及,显著降低冲击与偏离,提升信号到收益的传导效率。 ### 生态与监管:机构化启动与合规定调 - **私募量化崛起**:一批机构化团队起步(如幻方、九坤、明汯、灵均等示例),形成“研究—执行—风控”分工。 - **公募与券商**:公募指数增强加速扩线;券商搭建量化交易与风控中台,模型与成本库逐步沉淀。 - **监管导向**:支持套期保值与长期资金入市,强调合规、稳健换手与风险隔离,为后续扩张奠定可持续性。

关键词:先遇强波动与约束,再用产品与工程“补链条”。 ### 制度与市场:波动后的“紧→松”,期权补齐工具 - 2015 年 50ETF 期权上线,紧接着股灾引发对期指的严监管,2016 年熔断试点迅速叫停,直接压缩了对冲与高频空间。 - 2017 年起政策渐进式松绑,到 2019/12/23 沪深300 ETF 期权与股指期权同步上市,期权成为对冲与收益管理的“标配”。 - 含义:股票长短链条阶段性受限,期权与 ETF 工具的可用性大幅提升,给策略提供了替代对冲与结构化空间。 ### 策略与方法:对冲受限下的替代与规范化 - 对冲受限阶段,市场中性转向“现金/行业中性”替代,指数增强强调稳健超额与换手约束。 - 期权策略走向规范化:系统性卖波动(VRP)、备兑/保护、日历/对角,叠加分散度/相关性交易,形成“收益–风险”可控的产品线。 - 跨市场与 ETF–期货套利工程化落地,撮合、成本与风控模型打磨,容量与稳健性明显上台阶。 ### 生态与监管:平台化与做市能力建设 - 私募多策略平台化,公募 Smart Beta/指数增强加速扩线,产品谱系从单一阿尔法走向“多来源、多约束”。 - 券商期权做市与库存对冲工程化,提高了场内期权的流动性与定价稳定性。 - 监管基调:稳市场、审慎杠杆与高频,鼓励指数化/增强化等透明、可审计的产品形态。 ### 小结与过渡 - 一句话总结:从“波动与约束”中走出,通过期权与套利的产品化和工程化,重建可执行的量化工具链。 - 过渡提示:为 2020 年后在多品种期权、两融与衍生品进一步常态化,以及大数据/ML 的扩展应用,打下制度与工程基础。

### 制度与市场:工具更全、交易更“可审计” - **注册制推进**:信息披露与供给侧更市场化;风格与事件轮动更快。 - **风格对冲完善**:中证1000股指期货与期权(2022)补齐中小盘对冲腿。 - **程序化合规常态化**:算法备案、行为监测、撤单率/扰动指标刚性约束。 - **互联互通与做市改进**:ETF/期权品类扩容、做市迭代,流动性与对冲便利度提升。 ### 策略与方法:稳健超额+拥挤度管理+AI 入栈 - **拥挤度与风格择时**:跟踪因子拥挤与资金流;多样化暴露、控制重合度与换手。 - **低换手指增为“基线”**:注重成本与容量,长期胜率优先于短期锋利度。 - **中性策略优化**:融券可得性与费率入优化;库存/对冲腿动态选择;严控净曝。 - **波动/相关性交易**:重视尾部与流动性约束;VRP、分散度、相关性结构化更规范。 - **数据与 AI 入栈**:ML/LLM 用于信号、文本/公告要素抽取、执行调度;加入模型治理与可解释、漂移监测与隐私合规。 ### 生态与监管:平台化分化、合规优先 - **机构分层**:头部平台化(研究—执行—风控一体化),中小机构走细分或服务化。 - **公募量化扩容**:指数化/增强化产品线丰富,

> 注:任务与其他维度正交,可组合。

以下为更新后的分类

- 备注:区分“信号半衰期”与“再平衡频率”,并匹配交易成本与容量

- 信息参考 [ref:5,9,2]()

- 信息参考 [ref:11,10,15]()

- 信息参考 [ref:23,21,25]()

- 信息参考 [ref:20,24,23]()

- 信息参考 [ref:2,5,6]()