研究者的信息素养——找论文、辨论文、选工具
前面二十章有一个隐藏前提：你学到的「标准做法」本身是可靠的——论文是真的，工具是对的。这一章把这个前提本身变成研究对象。量化研究的原料只有两样：论文（别人的结论）与工具（别人的代码）。原料里有真金，也有镀金和纯假货；而 AI 时代的假货生产成本已降到接近零。这是第三编的收尾章，也是你离开本教程后每天都会用到的清单。
找：三个入口的分工
Section titled “找：三个入口的分工”量化研究的公开文献主要分布在三个入口，它们不是替代关系，而是流水线关系：
第一站：arXiv（预印本库）。最新研究的一手来源，免费全文。两个使用要点：
- 按分类过滤。量化金融有自己的分类家族
q-fin.*（统计金融、交易与市场微观结构、组合管理），机器学习方法类在cs.LG/stat.ML——限定分类比全库裸搜的信噪比高一个量级。 - 关键词要用行话，不用母语。A 股主题的国际论文几乎全部用英文写作：「China A-share」「limit-up」「T+1」「multi-factor」——用「A股 量化」去搜，你会误以为这个领域不存在。
第二站：Semantic Scholar（语义检索 + 引文网络）。它的杀手锏是滚雪球法：找到一篇对口的种子论文，然后向两个方向滚——它引用的文献（滚向过去，找理论基础）和引用它的文献（滚向未来，找最新进展）。滚两轮，一个领域的主干脉络基本就齐了，这比任何关键词搜索都接近「内行的书单」。
第三站：alphaXiv 等增强站点。单篇论文的 AI 摘要、讨论区、相关代码——定位是「读」，不是「搜」。找到候选论文后用它精读，别用它做系统检索。
最后是一个边界提醒：预印本库天然偏向 ML/CS 风格的研究。正式期刊、业界研报、中文学位论文各有自己的渠道，没有任何单一入口覆盖全部——在 arXiv 上搜不到，只说明它不在 arXiv 上。
辨：三问与红旗清单
Section titled “辨：三问与红旗清单”找到的论文，先过三问——30 秒就能完成：
- 作者是谁？ 实名、单位、可查的发表历史。匿名或查无此人，默认降权到底。
- 发在哪？ 可核验的期刊/会议/预印本编号（有编号就能查到原文页面）。查不到出版信息的「期刊」，等同于没有。
- 实证给了吗？ 原始数字、代码、数据至少给一样。只有结论表、阈值表、对比表，没有一条可核验的原始结果的，不是研究，是宣称。
三问之外，还有一份红旗清单——营销文与 AI 水文的标准解剖特征，命中两条以上基本可以直接关掉：
- 通篇没有作者署名，或作者没有任何公开轨迹；
- 排版是标准论文格式，但载体查无此物（无 DOI、无卷期、无预印本编号）；
- 宣称巨大（「护城河崩塌」「一个人取代一个团队」），全文却没有一条可核验的原始结果——没有策略清单、没有收益曲线、没有成交记录，只有自制的整数成本表和阈值表；
- 引用了经典文献，而经典文献的结论恰好反对它的做法（比如引用多重检验的论文，自己却用裸阈值下结论）——说明引用只是装饰；
- 语气是广告：缩写、感叹号、「AGI 级能力」，顺手附上产品价格表。
一个脱敏案例：近期流传过一篇「用 AI 大模型打造一人对冲基金」的「论文」——IEEE 格式、有摘要、有参考文献，卖相十足。但用三问一过：无作者、期刊查无此物、全文没有一条真实回测结果（只有一张「机构成本 370 万 vs 我的成本 7 千」的自制表格），且它引用多重检验经典文献的同时，用固定裸阈值做「统计验证」。30 秒出局。它的全部价值，是当本章的反面标本。
选：开源工具的四步尽调
Section titled “选：开源工具的四步尽调”论文给结论，工具给执行。选一个量化库（回测框架、因子分析、数据接口），用四步：
第一步：看维护。最近提交时间、issue 响应速度、star 增长曲线。一个年轻且已停更的项目，无论 README 写得多好，都按「无人负责」处理。
第二步：看测试。这是最能区分质量的一步。测试分两种：冒烟测试（喂随机数据，跑通不报错就算过）和正确性 oracle（喂已知答案的用例，输出必须等于答案）。前者只证明「能跑」，后者才证明「算得对」——一个只有冒烟测试的回测库，它的 IC 和收益数字没有任何东西担保。
第三步：上手先对拍。正式依赖之前，拿一个你能手算的小例子喂给它——本教程每一章的「手算」恰好就是你的对拍资产：手算的分层收益、手算的 IC、手算的转移概率。工具的输出和手算对上了，再谈信任；对不上，先怀疑工具，再怀疑自己，顺序不要反。
第四步：读 README 的对比表当广告读。「比 X 库快 10 倍」「功能碾压 Y」——没有第三方复现的对比表，全部是自评营销口径。License 与依赖树的维护状态也在这一步一并核对。
- 引用数崇拜。高被引 ≠ 可复现 ≠ 适用于你的市场。一篇美股高频的高被引论文，对 A 股日频的指导意义可能为零——引用数度量的是影响力，不是你问题的答案。
- 把「有代码」当「有人复现过」。仓库存在只证明作者上传过；跑通它的只有你一个人时，你和作者之间没有任何第三者验证。
- 把博客当一手来源。二手转述会系统性丢失限定条件（「样本内」「未扣费」「特定年份」）。任何关键结论，回溯到原始论文核对原文。
- 在截图里做研究。社交媒体流传的收益截图，没有口径、没有成本、没有尝试次数——按第 6 章的标准，它甚至不构成一条假设，只构成一条线索。
- 工具更新盲目跟进。升级依赖库后结果变了，先别庆祝或恐慌——用指纹对拍（同一份输入，新旧版本输出是否一致）确认是「修对了」还是「改坏了」。
伪代码：原料质检流程
Section titled “伪代码：原料质检流程”输入：一篇论文或一个工具输出：采信等级（忽略 / 线索 / 可引用 / 可依赖）
论文流程： 三问（作者 / 载体 / 实证）→ 任一 FAIL：忽略 红旗清单扫描 → 命中 ≥2 条：忽略；命中 1 条：降级为线索 关键数字回溯原文核对 → 通过：可引用 （要据此建仓：先过本教程的完整研究流程，论文只算假设来源）
工具流程： 维护状态检查 → 停更：仅作参考实现阅读 测试类型检查 → 无正确性 oracle：不作生产依赖 手算小例子对拍 → 不一致：定位分歧前不采信任何输出 全部通过 → 可依赖（仍保留对拍用例，每次升级重跑）第三编到此收官。八章走完了一条完整的链：状态机与转移检验、环境门禁、排序与指标错配、无偏验证重武器、信息审计与微观规则——这是「研究者亲手做研究」的武器；自动因子挖掘、AI 研究员、信息素养——这是「机器介入研究之后」的新纪律。它们的底色从第 1 章起就没有变过：每一个结论都要能被数据证伪，每一分回测利润都要能扛住摩擦与规则再落地，每一条外来的知识都要先过质检再入库。机器可以替你猜想，但证伪、落地与质检，永远是你的职责。最后一篇是路线图：这些知识接下来往哪里长。