詹尧尧 · Yaoyao Zhan Quantitative Research · A-Shares · Statistical Validation 把市场问题拆成可验证的假设，把研究过程写成可复核的代码。 Research Portfolio · A-Share Quant Lab

About me

我关注 A 股量化研究、风险建模与数值方法。这里不是一张只展示漂亮结果的成绩单，而是一份持续更新的研究航海日志：提出问题、明确假设、实现代码、检查偏差，也如实保留没有通过检验的方向。

• 🔭 研究兴趣：因子检验、事件驱动、组合构建、尾部风险
• 🧭 方法偏好：时点一致、口径透明、结果可复核
• 🧪 研究态度：先证伪，再解释；区分回测表现与可交易结论
• 🌊 当前航线：A 股策略原型与稳健性验证

Featured work

航海日志	研究问题	入口
A-Share Quant Lab	聚宽环境下的估值可视化、收益相关性与事件策略原型	Repository →
Residual Momentum	残差动量与防御叠加的组合研究	Case study →
T-Board Reseal	二连板流动性断裂与再封闭事件研究	Case study →
Tail Geometry	三指数期权尾部几何与失败假设复盘	Case study →
RBICM 2026	序贯决策与数值计算方法手稿	Manuscript →

Research compass

Question → Point-in-time data → Reproducible code → Robustness checks → Honest limits

1. 时间一致性 — 尽量只使用决策时点真正可获得的信息。
2. 成本意识 — 把手续费、滑点、流动性和成交约束视为模型的一部分。
3. 稳健性优先 — 关注样本外表现、参数敏感性与替代口径。
4. 保留失败 — 负结果同样能界定方法的适用边界。

Toolkit

Python · pandas · NumPy · Matplotlib · seaborn · JoinQuant

_{Research code and notes are for learning and discussion only — not investment advice.}