1. Algorithmic Trading · 算法交易
用计算机程序代替人工，按预设规则自动做出买入、卖出或持仓决策。同一套逻辑可以跑在日线策略上，也可以跑在毫秒级高频交易上——差别主要在执行速度和基础设施，而不是「算不算算法交易」。
例：均线金叉 → 程序自动下单；人工只需写规则和监控异常。
2. AUM · Assets Under Management · 资产管理规模
一家机构当前替客户管理的资金总量。课程用头部量化机构举例：Renaissance Technologies 约 $165B、AQR 约 $61B、Citadel Securities 约 $32B——说明算法交易已是机构级主流玩法，而非小众实验。
注意：AUM 大不代表个人可以复制同样收益，但有助于理解行业格局。
3. Backtest · 回测
把策略规则写进程序，用历史真实价格逐日模拟「如果当时按这个规则交易会怎样」，从而估算收益、回撤和胜率。上线实盘前的标准步骤。
过拟合：规则过度贴合历史噪音，换一段数据就失效。
未来函数：回测中误用了当时尚未公布的数据（相当于作弊）。
幸存者偏差：样本里只有「活到现在」的股票，忽略已退市公司，会系统性高估收益。
4. API · Application Programming Interface
应用程序编程接口——用你的代码去访问别人系统的数据和功能。量化里最常见用途：拉行情、查财务字段、发订单。本课数据源为 IEX Cloud 的 Sandbox（沙箱测试环境）。
GET — 读取数据（本课主要使用）
POST — 新建记录 · PUT — 新建或覆盖 · DELETE — 删除
例：requests.get(url).json() 返回含 latestPrice、peRatio 等字段的 JSON。
5. Python · NumPy · Glue Language · 胶水语言
Python 是算法交易里最流行的语言，但解释器本身偏慢。实践中常作「胶水语言」：Python 负责流程编排，真正耗时的矩阵运算交给 NumPy 等库——接口是 Python，底层由 C/Fortran 实现，兼顾开发效率与计算速度。
6. Screener · 筛选器
从一大池股票中，按量化规则筛出符合条件的标的，并给出持仓建议。典型流程：拉数据 → 算指标 → 排序/过滤 → 输出 Excel 或 CSV。本课三个 Project 都是 Screener，只是筛选逻辑分别为等权、动量、价值。
7. S&P 500 · 标普 500 指数
Standard & Poor's 500，由标准普尔公司维护，包含美国规模最大、流动性最好的约 500 家上市公司，被广泛视为美国股市的「晴雨表」。许多指数基金以它为跟踪目标。
常见 ETF：SPY、IVV、VOO 等均跟踪市值加权版标普 500。
8. Benchmark · 业绩基准
用来衡量基金或策略表现好不好的参照物。若某基金一年涨 12%，同期标普 500 涨 10%，则称跑赢基准 2 个百分点；反之则为跑输。机构常把标普 500 作为美股多头策略的默认 Benchmark。
9. Market Cap Weighted · 市值加权
指数成分股按总市值分配权重——公司越大，占指数比例越高。标普 500 默认即如此：苹果、微软等巨头合计可占指数一成以上，指数涨跌很大程度被 mega-cap 牵动。
10. Equal-Weight · 等权重
每只成分股占相同比例（标普 500 等权即各约 1/500 ≈ 0.2%）。小公司与巨头在指数里「一人一票」，分散更均匀，但需定期再平衡。代表 ETF：RSP。
例：$100,000 等权配置 → 每只约 $200，再按股价换算股数。
11. Index Fund · 指数基金
以复制某一指数表现为目标的基金，通常买入指数内全部（或代表性）成分股，目标不是「打败指数」，而是尽量贴近指数涨跌。Project 1 就是在用代码模拟构建这样一只「等权版标普 500 基金」。
12. Momentum Investing · 动量投资
买入近期价格上涨最多的资产，押注趋势延续（强者恒强）。例：AAPL 近一年涨 35%、MSFT 涨 20%，纯动量逻辑更倾向选 AAPL。需配合 Price Return（价格收益率）等指标排序选股。
风险：趋势反转时，涨最多的股票往往跌得也狠。
13. Value Investing · 价值投资
寻找市场价格低于 Intrinsic Value（内在价值）的股票——你认为它「真正值」的价钱高于现在股价，存在安全边际。思想源自 Benjamin Graham，经 Warren Buffett、Seth Klarman 等发扬光大。
难点：Intrinsic Value 是估计值，不同模型结论可差很远。
14. Multiples · 估值倍数
股价 ÷ 某一基本面指标，用来横向比较「贵不贵」：
P/E（市盈率）= 股价 ÷ 每股收益 — 越低通常越便宜
P/B（市净率）= 股价 ÷ 每股净资产 — 常用于银行、地产
P/FCF（市现率）= 股价 ÷ 每股自由现金流 — 看真实「落袋」现金能力
例：同一公司 P/E=10 比 P/E=20「表面上」更便宜，但可能是盈利即将暴雷（价值陷阱）。
15. Composite · 综合得分 · Value Trap · 价值陷阱
课程价值策略不只看单一 P/E，而是用 5 个价值指标——P/E、P/B、P/S、EV/EBITDA、EV/GP（企业价值÷毛利润）——在股票池内分别算百分位后取平均，合成 Composite 分数（课程中称 RV Score），降低某一倍数失真带来的误判。
价值陷阱：指标显示「便宜」，实则基本面恶化——买了继续跌。价值策略必须结合质量过滤，不能唯倍数论。
10个月宝宝每天需要喝多少奶粉？