AI 应用、回测、过拟合、数据偏差与风险控制。
先建立认知和风险边界,再进入方法、工具与实践。
识别模式、辅助研究、自动化执行与监测。
特征、标签、训练、验证与评估。
理解历史验证的价值和局限。
为什么漂亮的回测可能无法复现。
技术降低执行成本,但不能消除市场风险。
模型失效、数据异常、延迟与风控阈值。