量化分析与投资建模 · 因子到回测实战

1.1 量化分析的岗位定位

量化/数据分析岗的求职，看的不是「你知道多少量化名词」，而是「你能不能把一个策略从想法做成可验证的作品」。本课把量化分析拆成四块：数据准备 → 策略逻辑 → 回测验证 → 模型表达，四块做完 = 一份能放进作品集的量化成果。

就业冲刺策略：本课四块各做一章，每章配一条 AI 工作流（数据准备/策略草拟/回测脚本/结果解读）。学完你能走完「想法 → 数据 → 策略 → 回测 → 作品」的闭环，产出求职作品集。

我是量化方向求职学员，请帮我梳理量化分析学习定位：
1. 按四块（数据准备/策略逻辑/回测验证/模型表达）说明各自的核心要点与常见陷阱。
2. 说明「想法 → 数据 → 策略 → 回测 → 作品」闭环中每步该做什么。
3. 结合我的基础，给出学习顺序与求职作品集方向建议。
4. 只依据通用量化方法与教学模拟口径，不得编造，不确定处标「待核」；最终判断归我。
[粘贴你的基础与求职方向]

2.1 量化的数据地基

量化策略建立在数据上：行情（价格/成交量）、财务（营收/利润/比率）、衍生特征（均线/波动率/动量）。数据必须先清洗（缺失/异常/单位）再构造特征——数据质量决定模型上限。

2.2 工作流①：数据准备（AI 清洗、人定口径）

三步走：①把数据源与需求给 AI；②AI 清洗并构造特征（均线/波动率/动量）；③人核口径（期间/复权/缺失）与特征合理性。

你是量化数据助手。请根据我提供的行情数据（教学模拟），完成：①数据清洗（缺失/异常，口径由我定）；②构造特征（N 日均线、波动率、动量）；③每步标注口径与公式。**口径由我先定，你按口径执行并说明。**

3.1 策略的三要素

一个可回测的策略有三要素：①信号（什么时候买/卖，如均线金叉）；②仓位（买多少，如固定比例）；③风控（何时止损/止盈）。三要素都要写成「明确规则」，才能回测。

3.2 工作流②：策略草拟（AI 草拟、人审假设）

三步走：①把你的策略想法给 AI；②AI 写成信号/仓位/风控三段规则；③人审假设与规则是否可回测、是否合理。

你是量化策略助手。请把我的策略想法「XX」写成可回测规则：①信号（买入/卖出条件）；②仓位规则；③风控规则；④标注策略依赖的假设与适用边界。**假设合理性与策略取舍由我，你的草拟只做参考。**

4.1 回测与过拟合

回测 = 用历史数据模拟策略表现（收益、回撤、胜率、夏普）。过拟合 = 策略在历史数据上「背答案」，换一段数据就失效。判断过拟合：样本外测试（留一段数据不参与调参）、参数敏感性（参数小变结论大变就是过拟合信号）。

4.2 工作流③：回测脚本（AI 写脚本、人核逻辑与结论）

三步走：①把你的策略规则与数据给 AI；②AI 写回测脚本并跑出绩效；③人核脚本逻辑（信号/仓位/风控实现是否正确）与结论（样本外/敏感性）。

你是量化回测助手。请根据我提供的策略规则与教学模拟行情数据，写回测脚本：①实现信号/仓位/风控；②输出绩效指标（收益/回撤/胜率/夏普约）；③做样本外测试与参数敏感性分析。**脚本逻辑与回测结论由我核验，你的脚本只做实现。**

5.1 量化成果的表达

量化岗位求职的表达三件套：净值曲线图（收益回撤可视化）、绩效表（指标汇总）、结论段（策略逻辑 + 结果 + 局限）。表达的核心是「让不懂量化的人看懂，让懂量化的人挑不出错」。

5.2 工作流④：结果解读（AI 整理、人下结论）

三步走：①把回测结果给 AI；②AI 整理成图表+指标+要点；③人核图口径、下结论并声明局限。

你是量化表达助手。请根据我的回测结果，整理：①净值曲线（标注口径）；②绩效指标表；③要点总结（含局限提示）。**图口径核验与最终结论由我，你的整理只做草稿。**

6.1 四条量化工作流的内核

本课四条工作流：数据准备（ch2）、策略草拟（ch3）、回测脚本（ch4）、结果解读（ch5）。它们共用同一个内核——AI 清洗、草拟、写脚本、整理，人定口径、审假设、核脚本、下结论。

量化底线：回测好 ≠ 实盘好，假设与结论归人。AI 可以写脚本快、算绩效全，但「策略假设合不合理、结果能不能信、局限有没有声明」是你的事——不代建模决策是底线。

结业指引：完成 ch1~ch5 学习后，进入「量化分析与投资建模作品集」大作业（6 维评分，≥85 分结业）。大作业交付物=量化分析知识树、数据准备记录、策略与回测报告（≥10 题）、量化成果表达（净值/绩效/局限）、岗位 AI 能力自评、钱景卡占位。结业测验 10 题（单选 6 + 多选 4）通过 ≥85 发放结业证书，结业认证会记录到你的学习档案。

我是量化分析学员，请帮我做回测验证：
1. 基于我提供的策略逻辑与教学模拟数据，草拟回测脚本思路并核对绩效指标。
2. 检查过拟合风险（样本外/参数敏感性/数据泄露）。
3. 给出结果解读框架与局限提示。
4. 只给回测与检查，不直接替我下策略结论；最终判断与担责归我。
[粘贴策略逻辑与数据]

7.1 四大量化陷阱

①过拟合：历史背答案；②前视偏差：回测用了未来数据（如用当月的均线在月初决策）；③幸存者偏差：只看活下来的标的；④AI 幻觉：AI 编造行情数据/回测绩效/代码逻辑。

7.2 AI 幻觉防御专项

量化里 AI 最危险的是「编造回测绩效或行情数据」：编一个 40% 年化收益、编一段不存在的行情，让作品集建立在虚假数据上。对 AI 给的任何数字，问「数据源是什么、脚本能复现吗」，核不到就当不存在。

你是量化质检助手。请检查下面这份量化成果：①列出所有绩效数字与数据源，标注来源；②检查前视/幸存者/过拟合风险；③确认脚本可复现性；④列出可能被 AI 编造的数据点。**数据真实性与结论由我核，你的检查只做提醒。**

8.1 全课红线回顾

本课五条红线贯穿：①AI 不代建模决策（策略取舍归人）；②AI 不编造数据（数据/绩效核验归人）；③口径与假设归人；④回测结论与局限声明归人；⑤量化数据标教学模拟、非行业官方统计。

结业指引：完成 ch1~ch7 学习后，进入「量化分析与投资建模作品集」大作业（6 维评分，≥85 分结业）。结业测验 10 题（单选 6 + 多选 4）通过 ≥85 发放结业证书，结业认证会记录到你的学习档案。

我是量化分析学员，已完成求职作品集，请帮我做交付前自检：
1. 按作品集构成（知识树/数据准备/策略回测/成果表达）逐项对照我的产物给出达标自检表。
2. 对每条红线（AI 代写/过拟合美化/编造回测数据）逐项排查并给出自检结论。
3. 输出「待补强」清单与修改建议。
4. 输出为 Markdown 表格，只依据通用量化方法，不确定处标「待核」；最终交付判断归我。
[粘贴你的作品集说明]