PATZTD Quant
Systematic Investment Research

量化投资研究

在不确定市场中
建立可复盘的投资系统

用规则、数据和流程组织研究过程,把宏观观察、组合决策与风险复盘沉淀为长期资产。

Rules Data Review

愿景与路径

把投资判断沉淀成组织能力

系统化构建投资研究体系,把理念、模块、标准与工具沉淀为可复用的组织资产,持续提升研究效率与投资确定性,最终形成长期可积累的核心能力。

系统构建

把研究、交易、风控和信评拆成边界清晰的模块,用稳定接口降低复杂度。

确定性转化

不确定性来自市场,确定性来自规则、清单和复盘,把经验转化为可执行能力。

角色升级

从依赖个人经验,转向用系统视角设计和优化投资过程。

Old Pattern 情绪化动作
  • 信念依赖预测时机
  • 依据跟随情绪、新闻和消息
  • 执行追涨杀跌,临场改变动作
  • 风险事后才处理亏损和波动
  • 归因把结果归结为运气或个人状态
Target Pattern 系统化投资
  • 信念相信概率与应对
  • 依据遵循规则清单与量化数据
  • 执行围绕资产配置目标再平衡纪律
  • 风险风险前置到规则和仓位约束
  • 归因把错误视为系统漏洞反馈

理念

明确研究范式与投资哲学,统一组织的认知起点和行动方向。

模块

拆解核心能力模块,形成可复用、可组合、可扩展的研究单元。

标准

建立指标、口径与流程标准,把经验固化为一致的执行基线。

工具

沉淀模型、框架与工程工具,提升研究效率与可验证性。

长期资产

形成可复盘、可迭代、可传承的组织资产,持续积累复利效应。

AI资源库

将高频研究动作沉淀为模板、脚本、知识库、AI Skills 和复盘清单,服务长期研究生产。

Templates

研究模板

沉淀日报、专题、策略复盘和发布验收的固定结构。

Wind API KB

Wind API 知识库

沉淀函数、指标、参数、WSET 字段和 Excel/WindPy 映射,供 AI 检索引用。

查看 GitHub
AI Skills

AI Skills

沉淀可复用的技能说明、工具调用和投研任务链路。

Checklist

复盘清单

把资料整理、图表解读、结论撰写和代码检查拆成可复用流程。

规则预设口径和纪律
数据量化度量和验证
流程标准化执行链路
复盘反馈驱动迭代
回到顶部