quantitative-research
- Repo stars 669
- Author repo novalclaw
量化研究(因子与 Alpha 框架)
面向研究流程与方法论,不替代实盘交易执行与合规审查;涉及具体标的或策略时须提示回测与实盘的差异及监管要求。
何时启用
- 设计或评估 因子 / 特征:价值、动量、质量、低波动、另类数据等
- 数据层:复权、停牌、财报发布日、幸存者偏差、前视偏差(lookahead)
- 评估指标:IC、Rank IC、IR、分层收益、换手率、衰减、行业/市值中性化
- 稳健性:样本外、滚动窗口、参数敏感性、不同市场状态(牛/熊/震荡)
- 将 ML / 深度学习 用于量化时的特征工程、标签泄露、交叉验证设计
研究流程
- 问题定义:预测目标(下期收益、风险、排序)、投资域(股票池、期货品种)、频率(日/周/分钟)。
- 数据与对齐:交易日历、财报时点、公告滞后;训练/验证/测试切分须时间有序。
- 因子处理:去极值(winsorize)、标准化、中性化(行业、市值、风格);说明每一步对分布的影响。
- 评估:截面回归或排序分组;报告多空组合、多头、基准超额;成本与换手为 0 的纸面结果须标注。
- 风险:过拟合、数据挖掘(multiple testing)、因子拥挤、结构突变(regime change)。
- 输出:假设 → 数据与样本 → 方法与参数 → 结果与局限 → 需实盘前验证项。
输出要求
- 明确 预测 horizon 与 再平衡频率,避免标签与特征时间错位。
- 对「显著」结果给出经济含义与统计显著性(多重检验校正思路)。
- 不保证收益;强调 过去表现不代表未来。
- 中国大陆市场可提示:T+1、涨跌停、融券与对冲工具限制对「理想回测」的影响(概念层面)。
质量检查清单
- 已排查前视偏差与幸存者偏差
- 训练/验证/测试无信息泄露
- 因子与收益方向、符号在经济上可解释(或明确为纯数据驱动且高风险)
- 报告包含样本期长度与标的数量级
- Fluxly category
- Other
- Author-declared agents
- No explicit declaration found; this is not inferred or tested compatibility
- Static check
- 88 / 100 · heuristic scan, not runtime safety proof
- Author / version / license
- @Superagentsys · no license declared
- Fluxly token estimate
- Lean
- Fluxly setup estimate
- Plug-and-play
- External API key
- No requirement detected
- Detected OS requirements
- Unspecified
- Runtime requirements
- Unspecified
- Detected file/system behavior
-
- Read-only
- Detected network behavior
- Local-only
- Install commands
- None (reference only)
Profile is derived at build time from SKILL.md and install vectors. Subject to drift from author intent.
Heads up: 未限定 allowed-tools,默认拥有全部工具权限。
The current SKILL.md does not define a fixed output example. 设计或评估 因子 / 特征:价值、动量、质量、低波动、另类数据等 数据层:复权、停牌、财报发布日、幸存者偏差、前视偏差(lookahead) 评估指标:IC、Rank IC、IR、分层收益、换手率、衰减、行业/市值中性化
问题定义:预测目标(下期收益、风险、排序)、投资域(股票池、期货品种)、频率(日/周/分钟)。 数据与对齐:交易日历、财报时点、公告滞后;训练/验证/测试切分须时间有序。 因子处理:去极值(winsorize)、标准化、中性化(行业、市值、风格);说明每一步对分布的影响。
明确 预测 horizon 与 再平衡频率,避免标签与特征时间错位。 对「显著」结果给出经济含义与统计显著性(多重检验校正思路)。 不保证收益;强调 过去表现不代表未来。
已排查前视偏差与幸存者偏差 训练/验证/测试无信息泄露 因子与收益方向、符号在经济上可解释(或明确为纯数据驱动且高风险)
# 量化研究(因子与 Alpha 框架)
面向**研究流程与方法论**,不替代实盘交易执行与合规审查;涉及具体标的或策略时须提示回测与实盘的差异及监管要求。
## 何时启用
- 设计或评估 **因子 / 特征**:价值、动量、质量、低波动、另类数据等
- **数据层**:复权、停牌、财报发布日、幸存者偏差、前视偏差(lookahead)
- **评估指标**:IC、Rank IC、IR、分层收益、换手率、衰减、行业/市值中性化
- **稳健性**:样本外、滚动窗口、参数敏感性、不同市场状态(牛/熊/震荡)
- 将 **ML / 深度学习** 用于量化时的特征工程、标签泄露、交叉验证设计
## 研究流程
1. **问题定义**:预测目标(下期收益、风险、排序)、投资域(股票池、期货品种)、频率(日/周/分钟)。
2. **数据与对齐**:交易日历、财报时点、公告滞后;训练/验证/测试切分须**时间有序**。
3. **因子处理**:去极值(winsorize)、标准化、中性化(行业、市值、风格);说明每一步对分布的影响。
4. **评估**:截面回归或排序分组;报告多空组合、多头、基准超额;成本与换手为 0 的**纸面结果**须标注。
5. **风险**:过拟合、数据挖掘(multiple testing)、因子拥挤、结构突变(regime change)。
6. **输出**:假设 → 数据与样本 → 方法与参数 → 结果与局限 → 需实盘前验证项。
## 输出要求
- 明确 **预测 horizon** 与 **再平衡频率**,避免标签与特征时间错位。
- 对「显著」结果给出**经济含义**与**统计显著性**(多重检验校正思路)。
- 不保证收益;强调 **过去表现不代表未来**。
- 中国大陆市场可提示:T+1、涨跌停、融券与对冲工具限制对「理想回测」的影响(概念层面)。
## 质量检查清单
- 已排查前视偏差与幸存者偏差
- 训练/验证/测试无信息泄露
- 因子与收益方向、符号在经济上可解释(或明确为纯数据驱动且高风险)
- 报告包含样本期长度与标的数量级 Author text anchors workflow facts; Fluxly only indexes current sections, terms, files, and commands.
sections -> 何时启用 → 研究流程 → 输出要求 → 质量检查清单
terms -> 研究流程与方法论 · 因子 / 特征 · 数据层 · 评估指标 · 稳健性 · ML / 深度学习 · 问题定义 · 数据与对齐
files/cmd -> no explicit files or commands
body sha256 -> b399e12df544
Decide Fit First
Design Intent
How To Use It
Boundaries And Review