吴大魔
量化策略开发 · 5 年实盘
广州 · UTC+8
机器学习
高频 / 统计套利
Python · C++
AWS · Docker
专注量化交易 5 年，擅长将行为金融学与深度学习结合，构建低回撤、高夏普的多因子策略体系。坚信「数据驱动决策」。
5+
年实盘
34
策略总数
22.4%
年化收益 (近3年)
0.61
最大回撤
2.6
夏普比率
72%
月度胜率
关于我
曾在头部私募担任量化研究员，后独立创建个人量化工作室。从微观订单流到宏观情绪指标，构建多维度 alpha 信号。
金融工程硕士 · 上海交通大学
前 Citadel Securities · 量化实习
2024 量化比赛 · 策略创新奖
定期输出量化研究文章 & 开源项目
熟悉 A 股 / 期货 / 加密货币
策略理念
以
多因子 + 动态风险预算
为核心，结合另类数据（舆情、卫星、供应链）进行信号增强。
趋势跟踪
均值回归
统计套利
深度学习
高频做市
“回撤是策略的朋友，风险是收益的代价 —— 追求稳健复利。”
量化作品 · 精选
持续迭代
多因子选股框架
基于 LightGBM + 遗传算法，覆盖 300+ 因子，年化超额 18%
Python
Sklearn
XGBoost
高频统计套利
FPGA 加速订单簿重建，跨期套利延迟 < 5μs，夏普 3.2
C++
ZeroMQ
FPGA
另类数据平台
爬取舆情/卫星图像，NLP 情感分析 + 卷积神经网络，信号领先 2 天
PyTorch
Airflow
Docker
风险管理系统
实时 VaR / CVaR 计算，动态仓位调整，最大回撤降低 40%
R
Shiny
SQL
职业历程
2024 – 今
独立量化交易员
· 管理个人基金，开发自动化交易系统，年化收益 22%
2022 – 2024
量化研究员 · 启明私募
· 负责中频策略研发，管理规模 2 亿，夏普 1.8
2021 – 2022
量化实习 · Citadel Securities
· 参与做市策略优化，延迟降低 30%
2020 – 2021
金融工程硕士 · 上海交通大学
· 研究方向：深度学习高频预测
Python / Pandas / NumPy
SQL / ClickHouse
PyTorch / TensorFlow
Backtrader / Zipline
Docker / Kubernetes
AWS / GCP
C++ / Rust
damowu@foxmail.com