01行业实践
Order Book Factor Lab
从毫秒级高频数据还原订单簿与交易行为，构建微观结构字段并自动搜索可解释因子。
- 构建数百个盘口、成交与订单行为字段。
- 使用算子库和遗传优化进行因子组合。
- 建立从信号挖掘到历史回测的半自动流程。
QuantOrder BookGenetic Algorithm
OUTPUT高频因子研究工作流
PROJECTS / LAB02
把想法变成
可以运行的实验。
这里收录研究项目、工程原型与仍在持续推进的长期问题。
02行业实践
Quant RAG Workbench
面向历史策略、回测记录和研究文档的本地知识库，让检索、复盘与反思进入同一研究闭环。
- 本地部署 DeepSeek 系列模型。
- 基于 LangChain 设计多智能体协同架构。
- 通过 RAG 为研究结论补充可追溯上下文。
DeepSeekLangChainRAG
OUTPUT策略研究第二大脑
03行业实践
Multi-factor Alpha Research
围绕价差、买卖力量和市场情绪构建多因子模型，并系统评估信号有效性与风险边界。
- 设计多类价格、力量与情绪因子。
- 使用 IC / IR 完成横截面有效性评估。
- 研究动态因子权重与统计套利组合。
FactorIC / IRBacktest
OUTPUT多因子研究框架
04学术项目
FOMC × FinBERT
采集 FOMC 会议纪要，使用金融语言模型量化文本情绪，研究其与标普 500 表现的联系。
- 使用 Scrapy 构建分布式采集流程。
- 结合 NLTK 清洗和标准化金融文本。
- 使用 FinBERT 提取情绪并进行季度相关性分析。
ScrapyFinBERTS&P 500
OUTPUT金融文本研究
05数据项目
Steam Data Mining
构建游戏平台数据采集和分析流程，从玩家行为与产品数据中识别偏好和市场趋势。
- 结合 Selenium 处理网页动态加载。
- 使用 Hadoop 提升分布式采集效率。
- 分析玩家偏好、游戏特征与市场变化。
PythonSeleniumHadoop
OUTPUT端到端数据分析
06竞赛项目
Standard Question Classifier
结合自然语言处理与文本相似度算法，将用户问题匹配到标准问并返回对应答案。
- 完成语料清洗、文本表示与相似度匹配。
- 构建标准问预测和答案返回流程。
- 在任务中取得约 90% 准确率。
NLPSimilarityKaggle
OUTPUTKaggle 任务第三名
项目页面会持续更新。
后续将补充项目背景、问题定义、技术路线、结果与复盘，而不是只陈列一张截图。