量化研究全流程
上一篇说了，量化交易的核心是「先验证，再下单」。这一篇把「验证」展开成一条完整的研究流水线。后面第一编的七章，就是沿着这条流水线逐环节展开的。
注意图里那条往回指的箭头：研究不是一条道走到黑，而是一个循环。绝大多数假设在回测或评估环节就会被打回，回到「提出假设」重来——这是常态，不是失败。一个成熟的量化研究者，可能验证几十个假设才留下一个能用的。
每个环节在做什么
Section titled “每个环节在做什么”1. 数据认知
Section titled “1. 数据认知”巧妇难为无米之炊。动手之前先搞清楚你手里的数据是什么：一根 K 线上的开、高、低、收、成交量分别意味着什么；除权除息日股价「腰斩」为什么不是暴跌（复权）；停牌和涨跌停会怎样影响「假设你能成交」这件事。详见 第 1 章 · 数据认知。
2. 提出假设
Section titled “2. 提出假设”假设是一个可以检验的因果猜想，不是模糊的感觉。「小盘股最近涨得好」不是假设；「每月末买入全市场市值最小的 20% 的股票，持有一个月，其平均收益显著高于其余股票」才是。详见 第 3 章 · 假设与信号 的前半部分。
3. 构建信号
Section titled “3. 构建信号”把假设翻译成机器能执行的指令：对每个交易日，明确输出「买入 / 持有 / 卖出」。这一步逼着你说清楚所有模糊地带——「突破」是收盘价突破还是盘中触及？「近期」是 5 天还是 20 天？详见 第 3 章 · 假设与信号 的后半部分。
4. 仓位与资金管理
Section titled “4. 仓位与资金管理”除了决定「什么时候买」，更要决定「买多少」。全仓梭哈是业余者的习惯；通过固定风险比例、凯利公式或目标波动率倒推建仓股数，才能将最大亏损牢牢锁死在安全线内。详见 第 7 章 · 仓位与资金管理。
拿着信号和仓位规则回到历史数据里「假装交易」：逐日模拟成交，扣除手续费和滑点，记下每一天的账户净值。A 股的 T+1 规则（今天买入明天才能卖）、佣金、印花税都要在模拟里如实体现，否则回测结果会好看得不真实。详见 第 4 章 · 回测方法。
6. 绩效评估
Section titled “6. 绩效评估”回测跑出一条净值曲线，然后呢？用几个指标回答三个问题：赚了多少（年化收益）、最惨的时候有多惨（最大回撤）、赚得稳不稳（夏普比率、胜率与盈亏比、跑赢大盘的信息比率）。只看收益率做决策，就像只看最高时速买车。详见 第 5 章 · 绩效评估。
7. 不满意？回到假设
Section titled “7. 不满意？回到假设”评估不通过，就回到第 2 步改假设——但这里埋着量化研究最大的陷阱：改来改去，总有一版参数在历史数据上好看，可那只是「背下了答案」，不是「学会了」。这就是过拟合。统计学基础（第 2 章）给你判断「好看是真本事还是运气」的工具，第 6 章 · 过拟合与陷阱 则专门讲怎么系统地防它。
常见坑：跳过验证直接实盘
Section titled “常见坑：跳过验证直接实盘”既然流程这么清楚，为什么多数人不照着走？因为每一步验证都要花时间，而「感觉来了」只需要一秒钟。典型的翻车路径是：
- 听说或想到一个「规律」（比如「每年春节前红包行情」）；
- 翻出最近一两个例子，发现「果然如此」；
- 直接真金白银实盘；
- 亏钱后归因于「运气不好」，而不是「规律可能根本不存在」。
对照上面的流程图，这条路从「提出假设」直接跳到了「实盘」，中间的数据检验、信号定义、回测、评估全部缺席。用一两个例子代替全历史数据的检验，正是本教程反复强调要反对的做法：第 2 章会告诉你两个例子在统计上几乎什么都不能证明，第 6 章会告诉你为什么「我亲眼见过它灵验」恰恰是最不可靠的证据。
走完一遍流程可能花掉你一个周末，但它帮你挡掉的，往往是几个月工资级别的亏损。
流程图里的每个方框，对应第一编的一章。准备好就进入 第 1 章 · 数据认知。