◆ THE PEOPLE'S QUANT · SINCE DECEMBER

把机构用来收割的武器
交还到散户手里

我们不洗白量化,我们把它交还给你。8 模型异构融合 · 134 因子 · 全 A 覆盖——把机构用了十几年的算法能力,交给每一个普通人。证据驱动,不承诺收益,只把判断权还给你自己。

加入 Decquant →进论坛聊聊
# 不一样# 散户优先# 开源可审计# 不杀熟
ANTI-QUANT 主视觉
8
异构模型融合
Kronos / LightGBM / GNN…
134
量化因子
量价、技术、基本面、另类
≈4000
全 A 评分
全 A 可交易池每日评分
3
风险档位
稳健 / 均衡 / 主信号

// 为什么有我们

OLD WORLD · 旧世界
  • 机构量化 = 黑盒,你不知道它买了什么
  • 高频抢跑,散户看到行情时已经晚了
  • 靠信息差与认知差收割普通人
  • 收益归机构,风险归你
ANTI-QUANT · 新立场
  • 可解释:因子 / 评分 / 权重全部透明可查
  • 证据驱动:只给历史口径,不承诺收益
  • 军师免费问答,站在散户这边
  • 模拟盘先练兵,风险自己说了算
◆ QUANT ARSENAL · 小白也能看懂

// 量化弹药库

不用懂术语,先看看行情、玩玩模拟盘。这里只讲人话:是涨、绿是跌,数字都是模拟的,不是实盘。

📡今日行情延迟快照
行情加载中…
指数涨跌一览 · 来自腾讯延迟公开行情
💰模拟组合纸面练兵
组合数据加载中…
🛠️创意工坊即将开放

选模型、选因子,自己组装一套量化玩法。不用写代码,结果看得懂:加鸡腿还是吃泡面,一目了然。

先去论坛围观 →
🧠军师问答只讲证据

为什么涨、该不该动、T+1 是什么?用大白话问,军师用大白话答,不喊单、不荐股。

演示入口(邀请制)→

弹药库所有数字均为历史样本 / 延迟快照演示,不构成投资建议;专业数据与证据台账在投资人演示台(邀请制)查看。

// 队伍介绍

WHY DECEMBRIST

创始人叫 Decembrist

「十二月党人,是当年最该维护旧秩序的一群人,却选择站在理性与普通人一边。」

Decembrist 是 Anti-Quant 的创始人代号,以「不盲从」为信条。他相信:讲证据、站散户这边,才是普通人面对信息差的唯一姿势。这个项目不洗白量化,只把机构用了十几年的算法能力,交还到散户手里。

# 不盲从# 讲证据# 站散户这边
ANTI-QUANT 散户对比漫画

// 系统架构

前端应用
Next.js · 响应式 · PWA
移动端优先
入队体系
证据可视化
后端服务
Next.js API · 延迟快照
组合重构
研究问答
市场行情代理
ML 服务
Python · 8 模型融合
因子计算
评分流水线
信号定时刷新
数据存储
ClickHouse + 本地快照
历史行情库
延迟组合快照
自动降级

// 8 模型异构融合

Kronos
PyTorch 时序
频域注意力
Informer
长序列预测
ProbSparse 注意力
LightGBM
树模型
快速泛化
XGBoost
树模型
稳健特征
LSTM
RNN
序列记忆
CNN
卷积
局部模式
Transformer
注意力
全局依赖
GNN
图神经网络
关联学习

// 分市场状态最佳策略

历史策略版本 · 样本内 Rank-IC 诊断 · 非收益承诺

牛市最佳策略版本
V7 R1 · Bull 专训
Rank-IC 0.1150
历史牛市 IC 最高
震荡市最佳策略版本
V7 R14c · 最新全模型
Rank-IC 0.1061
全 5 体制正 IC · 样本 747,456
熊市最佳策略版本
V7 R13 · Bear 专训
Rank-IC 0.1592
历史熊市 IC 最高 · 样本 14,892

// 证据口径与合规声明

◆ HONEST DISCLOSURE
证据驱动,不承诺收益。 本站所有收益、Sharpe、Rank-IC 均为历史估计或规划中枢,不代表未来表现,不构成投资建议。 当前有模拟盘(¥10 万、2026-08-04 建仓、中证 1000 基准)与交易日盯盘观测并行运行,样本积累中; 分市场状态指标来自历史策略版本的样本内评估(训练期),用于模型诊断。 本站不交付实时信号、模型权重或训练代码;演示采用延迟快照模式,不连接实盘账户

// 量化基础知识

从入门到高级的系统学习路径,理解我们如何构建这套系统

入门3 节 · 2 小时
量化交易基础
量化交易的核心概念、历史发展与基本原理
进阶2 节 · 3 小时
特征工程和因子设计
如何设计有效的交易因子与特征工程技巧
进阶2 节 · 4 小时
机器学习在交易中的应用
机器学习算法在量化交易中的实际应用
高级1 节 · 3 小时
模型融合和集成学习
8 模型融合架构与集成学习方法

// 交易建议

风险管理
设置合理的止损、止盈和仓位大小,保护资金
避免过度拟合
历史表现好不代表未来好,用交叉验证与独立测试集评估真实性能
市场心理学
市场参与者行为往往不理性,理解心理可预判极端行为与转折点
市场微观结构
理解买卖盘口、流动性与大单成交,降低滑点、改善执行

// 学习路径

1
入门基础
从「量化交易基础」开始,理解核心概念与历史发展
2
进阶技能
学习特征工程、机器学习等进阶方法
3
高级应用
深入学习模型融合、风险管理,建立完整交易系统
◆ THE PEOPLE'S QUANT

把量化交还给散户

加入队伍,围观也行;队员三档(围观群众 / 新兵 / 老兵)无需邀请码即可注册,投资人邀请码由管理员发放。证据驱动,不承诺收益。

加入 Decquant逛逛论坛