Almanak 上線：一句話就 vibecode 一個能上鏈跑的量化策略——但我更在意它怎麼「不炸掉你的錢」
Almanak 上線 Agentic DeFi 平臺，用自然語言就能讓 18 個 AI agent 分工生出可審計、可回測、能部署上鏈的量化策略，資金留在使用者自己的 Safe 錢包中。但作者提醒，Zodiac Role 許可權機制只能防止 agent 亂動資金，無法保證策略本身正確；回測數字再漂亮，也可能只是過度擬合歷史行情的假象。
回測
AI 量化交易入門：從零開始打造你的第一個智能交易系統
本文從零開始教學AI量化交易的五大建構流程：資料收集與清洗、策略設計、回測驗證、樣本外驗證(OOS)、部署與監控。說明AI相比手動交易的情緒穩定、處理速度與一致性三大優勢，並分享避免回測與實盤落差的關鍵技巧。
從交易想法到上線跑單：AI 輔助策略開發的真實流程
從一個 RSI 想法到真金跑單，AI 加速了哪些環節、又在哪裡完全幫不上忙？分享我們 5 線架構實際走過的開發流程與心理關卡。
從回測天堂到實盤地獄 — 我們量化系統上線第一個月的 5 個血淚教訓
回測年化 87%、勝率 53%？恭喜你，但這跟實盤完全是兩個世界。這篇文章記錄我們的量化系統從 Paper Trading 到真實交易的第一個月，以及那些回測永遠不會告訴你的事。
你的策略勝率 87%？Z-score 說：那是幻覺
帳面勝率 87.5% 的 Paper Trading 策略，經 Z-score 統計檢驗後 p 值高達 0.24，與猜硬幣無顯著差異。透過 Bayesian 調整與過擬合指數（OFI），建立 33 筆真實交易數據的策略判定邏輯，避免小樣本高勝率的幻覺陷阱。
量化交易系統建置全紀錄：從第一行回測程式碼到 Paper Trading
本文詳細記錄從第一行 Python 回測程式碼到 Paper Trading 系統建置的完整過程，涵蓋四個策略設計（Pipeline、BB Squeeze、MACD Divergence、Mean Reversion）與八段 Walk-Forward 驗證方法，並分享如何利用 Z-score 統計檢驗避免過擬合問題。