一张选股表只有动量，似乎太单薄。再加质量、低波动、趋势强度，是不是就更稳了？先别急着把三列平均：其中两列可能在重复说“过去涨得多”，第三列还可能把分数方向弄反。
更有意思的是，两项信号都算对了，组合后仍可能一股没换。今天的任务不是给表格加满指标，而是判断新的一列究竟改变了什么，以及这种改变值不值得继续研究。
先说明你准备增加什么
读完这一篇，你应能把两项信号统一方向与尺度，手算一份简单组合；用相同条件比较单信号和组合；保存一条允许“暂未发现增量”的研究记录。复杂模型只建立进入条件，暂不训练模型。
因子策略可使用价格、财务等不同特征，但特征名称不能代替机制和实施过程。CFA公开概要把投资论点、资料处理、检验、评价及风险与交易成本连接起来。[1] 因此，增加信号也应从一个可检验的解释开始。
例如，动量关注过去相对强势是否延续；补充一个“近期日收益变动较小优先”的价格信号，试问它能否在同样强势的股票中提供区别。这只是研究假设：过去安静的股票未来也可能跳空，历史涨幅与短期安静也可能来自同一种行业环境。
G84已经提醒过，处理信号与控制持仓暴露是两件事。本篇保留原始动量，不偷偷换成行业残差；两列合在一起，也不自动得到行业中性或风险分散的持仓。
把一张表上的方向和单位理顺
以下独立C7-85机制练习复用C7-82的A、B、C、E，D仍因动量端点缺失而不合格。动量为m月收盘决策时，用总回报指数m−1除以m−12再减1，跳过最近月m。其他资格、稳定ID、下一可交易时点等沿用原例。
新增输入为决策前最近两个正常交易日、均已可得的合成收盘到收盘总回报率。候选特征取这两个日收益绝对值的平均，记为Q；Q越低，预定偏好越高。两日只为手算，不能当作足够可靠的风险估计窗口，也不是推荐实盘窗口。
| ID | 动量M | 前一日收益 | 最近一日收益 | Q：平均绝对日收益 |
|---|---|---|---|---|
| A | 10% | −1% | 1% | 1% |
| B | 20% | −2% | 2% | 2% |
| C | 20% | −4% | 4% | 4% |
| E | −10% | −3% | 3% | 3% |
Q不是样本标准差。它只计算离零的绝对变化，不能把“平均绝对日收益2%”写成“未来波动率2%”。它没有使用下一持有期收益；若真正研究，应另行预登记足够历史、窗口长度、有效观测和异常价格处理，并取得相应真实资料。
现在如果直接平均M和Q，Q越高反而加分，与“安静优先”相反。即使先改成负Q，尺度仍要说明：把20%写成20还是0.20，会在错误实现里改变两列的相对影响。所谓各占一半，必须先讲清各占的是哪一种得分。
常见标准化会减均值、除以标准差，也可能对异常值敏感；它不是唯一选择。[2] 为方便手算，本例预定使用截面秩得分，先统一“越高越偏好”，再组合，不使用标准差缩放。
排名相同，不要先替它们决定胜负
四只股票中，最不偏好的秩为1，最偏好的秩为4，并列取所占位置的平均秩。动量从低到高是E、A、B/C，因此B与C都得3.5，而不是先按ID拆成3和4。Q方向相反，从高Q到低Q排列是C、E、B、A。
每列得分取“秩减1，再除以3”，范围为0到1。组合分为动量得分的一半加Q得分的一半。这套秩处理会丢掉原始差距大小：20%比10%高多少，不再按10个百分点直接进入组合。这是透明的取舍，不是免费改进。
| ID | 动量秩 | Q偏好秩 | 动量得分 | Q得分 | 各半组合分 |
|---|---|---|---|---|---|
| A | 2 | 4 | 1/3 | 1 | 2/3 |
| B | 3.5 | 3 | 5/6 | 2/3 | 3/4 |
| C | 3.5 | 1 | 5/6 | 0 | 5/12 |
| E | 1 | 2 | 0 | 1/3 | 1/6 |
例如B是(5/6＋2/3)/2＝3/4。两列权重分别50%，是对标准化信号的权重；不是给两项策略各分配一半账户资金。组合先给每只股票算一个分，再据此生成一套持仓，策略组合则要处理两套完整规则、持仓和账户，留待G91。
预定仍取前20%，人数向上取整，四只选一只；组合分并列才按稳定ID升序决定持仓。单独动量选B，单独Q选A，各半组合还是选B。分数改变了，名单未必改变；只看组合分表，容易把这一点漏过去。
新名字会不会只是旧信息又投了一票
再造一列“强化趋势”，定义为2M。它与M数值不同，秩却完全相同；把两个秩得分各占一半，结果逐行等于原动量得分。标签从一个变成两个，信息没有增加。
假如原来打算动量与Q各占50%，后来加入这个复制信号并给三列等权，动量家族实际就占了三分之二，Q只剩三分之一。看似更分散，实为不知不觉加重一个观点。
真实研究不能只找这种完全复制。应在开发期检查信号截面相关的时间变化、缺失覆盖和持仓重合，辨认不同窗口、公式是不是主要表达同一段价格走势。相关高不必一律删，相关低也不能直接称为互补：一种非线性变换可能改变线性相关，但仍携带相近的信息。
更要回到经济风险。两列统计关系不强，最后却都挑中同一行业、规模或流动性条件的股票，风险仍可能一起出现。相关检查帮助定位重复，不能代替G84的暴露检查，也不能凭两列的相关性证明收益分散。
给新增信号一次公平的检验
接下来做消融比较（ablation）：每次去掉一项，观察结果如何变化。本例至少保存动量单独、Q单独、各半组合，以及动量加复制信号四行；不能只挑组合漂亮的那行展示。
未来收益仍用C7-82已公开的同一合成输入：m+1首个正常交易日开盘持有至m+2对应开盘，A为4%、B为−2%、C为6%、E为0%，均含分配、未扣交易费，假设完整成交。同池等权毛收益为2%。这些数字已经在前文出现，因此本次是回顾机制演练，不是未知留出测试。
| 版本 | 选中 | 持有期毛收益 | 相对同池等权差额 |
|---|---|---|---|
| 动量单独 | B | −2% | −4个百分点 |
| Q单独 | A | 4% | 2个百分点 |
| 动量/Q各半 | B | −2% | −4个百分点 |
| 动量/复制动量各半 | B | −2% | −4个百分点 |
各半组合相对动量基线没有本期持仓或毛收益增量，复制列也没有增加信息。Q单独这一期更好，仍不能据此宣告它有稳定预测力，更不能把“最好的一行”追认成预先选好的方案。
真实比较要保持数据版本、共同合格池、执行和收益时间、基准、费用情景与研究尝试预算一致。若第二列缺失，组合只留下资料齐全的股票，就要在这个共同池重跑动量基线，并另外报告被排除范围。否则改善可能来自换了股票池。
本例没有完整跨期成交与现金流水，所以只报告毛收益。真实组合即使排名更好，也可能因名单变化更频繁而付出更多成本；同一种费率不等于各版本成本金额相同。费用后差额、换手、回撤和暴露都要另做对照，不能拿本表直接通过实施验收。
为什么不现在把Q权重调高
看到A涨了4%，读者很自然会问：把Q加到75%会怎样？这个问题可以算，但如果权重由已看到的结果驱动，就已进入开发试验，而非对原冻结方案的独立验证。多次尝试并只报告赢家，是回测过拟合研究关注的问题之一。[3]
权重、方向、窗口、缺失、排序和去极值方法都属于选择。真实流程先划定开发、验证与最终测试角色，给候选数设限；用开发材料形成方案，验证阶段作有限比较并保存全部尝试，再冻结最终版本。最终结果一旦推动修改，就记录已见与污染，不能重新命名为未知。
当规则只用当时共同股票池做截面排名，计算当时的秩本身不需要未来收益。若改成学习历史均值、填补值或模型参数，则只能在允许的训练材料上估计，再按冻结规则应用；不能用完整未来样本算好参数倒回去。[4]
更复杂的模型应有具体进入理由：简单基线遗漏了什么关系，新增模型如何公平检验，数据是否足够、成本是否可承受、解释和维护由谁负责。复杂性只是更多选择机会，不能用算法名称替代增量证据。
换一个条件，自己重建判断
先做解释题：动量加2M为什么不算增加信息？再判断一个错误：B的Q字段缺失，作者在组合里把它当0分，却在动量基线里保留B，然后宣称组合进步。问题出在哪里？
答案要点是两列秩完全相同，平均后不变；复制还可能暗中增加某一信号家族权重。缺失不是低分，给0改变含义。若预定共同完整池政策，应双方都排除B并重算排名、人数和基准，同时报告覆盖变化；若使用其他填补政策，须事先定义并另行验证。
按共同完整池政策实际重算一次：只剩A、C、E，秩得分的分母随人数改成2。三者动量得分依次为1/2、1、0，Q偏好得分为1、0、1/2；各半组合分为3/4、1/2、1/4，选A，动量单独则选C。共同池基准毛收益是(4%＋6%＋0%)/3，约3.3333%。组合本期4%仍低于单动量的6%，所以“排掉一项缺值后组合选得不错”也不足以说明组合提供增量；比较对象必须一起更新。
近迁移任务：在独立权重变式中，保留上表所有得分，动量占25%、Q占75%。先不看未来收益，算A与B的组合分和最终首选；再说明它能否因为本表收益更高，就替代原各半方案成为“已验证最优权重”。
A为1/12＋3/4＝5/6，B为5/24＋1/2＝17/24，C为5/24，E为1/4，因此选A。它在给定持有期赚4%，但权重是在已知结果的材料上演练，只能登记为一个回顾试验。要声称改进，需要另行冻结方案并取得没有参与选择的适当检验，而不是删除原来亏损的一行。
保存一页组合试验卡
请留下两项信号的字段、经济解释、方向、观察窗与可得时间、缺失政策、秩或尺度公式、权重及选择理由。写明哪些材料已经看过，在揭示评估结果前保存方案；现在补写的只能标为回顾重建。
附件保留原始行、各列处理分、组合分、资格、排名与持仓，并附完整消融表、覆盖变化、基准、成本状态及全部尝试。自检时随机挑两行手算，核对复制列是否增加了隐含权重、共同池是否一致，以及没有增量的版本是否仍在档案里。
请AI或CoTrading生成结果时，也要求输出这条计算链。若当前工具不能导出相应字段或实际未运行，就保存手算示范与未验证清单。C9尚未取得真实资料、确定供应商或完成实验，不能把这里的四行合成演练写成真实多因子研究通过。
小结：增加一列之前，先问它改变了哪一个决定
先查机制、方向、尺度和缺失，再查它是不是旧信息的重复表达。分数权重的名字很容易写，真正需要看的是它对资格、排名、持仓和共同暴露的影响。
然后在同一条件下保留单项与组合，连同失败版本一起比较。没有增量可以是有效的研究结论；已经知道结果后调权重，只能开启一条诚实记录的新试验，不能把过去重新包装成独立证据。
参考资料
- CFA Institute：Active Equity Investing—Strategies，2026公开概要。支持因子策略与量化研究流程，不代表已读取付费课程。
- scikit-learn：Preprocessing data。标准化、尺度与异常值；本篇自行定义秩得分，不将工具文档作为金融收益依据。
- Bailey等：The Probability of Backtest Overfitting，2015-02修订稿。多次试验和事后选择风险；本篇未计算论文PBO方法。
- scikit-learn：Common pitfalls and recommended practices。训练与测试隔离、预处理及特征选择的信息泄漏。
资料核查日期2026-10-29。AI辅助编写与检查，待人类金融审校和目标读者试读。C7-85新增收益输入、信号和权重变式为合成机制练习，不证明真实因子或策略有效。