独立开发者，主要做量化研究和 Python 自动化。

 量化这边，A 股策略研究库积累了 249

 个策略实现，涵盖筹码分布、困境反转、业绩门控、lead-lag、行业轮动、动量质量等方向。机器学习选股用

 LightGBM Ranker 和 XGBoost，走时序交叉验证而不是 KFold——KFold

 会把未来数据漏进训练集，回测好看实盘就崩。每年的

 IC、ICIR、分层收益都会单独看，不看平均值，因为平均值能盖住某个阶段失效的事实。

 自动化这边，我自己机器上跑着 45 个定时任务，从凌晨两点的复盘到晚上十一点的数据更新。真正花时间的不

 是定时本身，是出错怎么办——任务启动前检查依赖和登录态，关键路径做降级链，重叠任务加锁。这些做下来，

 失败会以告警形式出现，而不是安静地什么都不产出。

 还做 LLM 应用集成，本地跑 27B 模型，按实测速度决定本地还是走云端。之前测出来 14B

 模型会把行情数据里的数字编造成不存在的指数点位，现在加了一层校验：输出里每个数字都要能追溯到输入数

 据，追溯不到就丢弃重试。

 有实际交付的活可以聊。