“价格走强就买，走弱就卖。”同一句话交给两个工具，一个当天买，另一个第二天买，最后两条收益线完全不同。哪个算错了？先别挑曲线：这句话没有说清楚“强”是什么意思，也没有说什么时候才能知道它。
量化研究从这里开始：把数值资料、数学或统计方法与决策规则连接起来，让别人能按同样输入重走过程。软件可以负责计算和执行步骤，研究者仍要说明规则为什么值得检验、使用了哪些资料，以及结果支持到哪一步。
这次要走通的过程
- 分清数据、特征、信号、策略、组合与执行各自做什么。
- 手算一个小账户，解释为什么知道信号与完成成交不是同一时点。
- 把一个策略想法改成流程图，留下规则、材料与评价缺口。
先让两个人作出同一个决定
“走强”可以指今天上涨、超过过去均价，或相对其他股票涨得更多。每一种定义回答不同问题，需要的数据也不同。如果不明确，工具会替你选择默认值，后面的精确数字就可能属于一套你从未打算研究的策略。
完整规则还要交代对象、观察时点、目标数量、成交方式和异常处理。信号出现时买一股、固定20股或全部资金，得到的是不同持仓；交易费用、缺失价格与卖不出去时怎么办，也会改变账户。
因此，人工按照清晰规则逐日操作，也可以是系统方法；让软件自动重复一个含糊或错误过程，却不能证明量化有效。CFA的回测教学概要把研究假设、规则、组合形成、再平衡和评价列在同一个流程中。[1] 本篇先把这条链缩小到能够手算的程度。
五天，先不让真实市场替问题增加难度
我们直接使用本书C4-S1-v1的合成小账户，不是ETF真实价格，也不是C2长期策略的回测。五天是依次相邻的交易日，初始现金1000美元，没有持仓、外部资金流、分红、拆股、税费或现金利息；不建模结算延迟。
教学规则先给齐：每天收盘后，若收盘价严格大于11美元，目标持有20股，否则目标为0。已达目标就不交易；需要调整时，在下一列交易日开盘按给定价格成交，每笔成功成交固定收1美元。若现金不足，整笔拒绝且不收费。无杠杆、无小数股，滑点设为0，只为核算方便。
| 交易日 | 开盘价（美元） | 收盘价（美元） |
|---|---|---|
| D1 | 10 | 10 |
| D2 | 10 | 12 |
| D3 | 13 | 11 |
| D4 | 10 | 10 |
| D5 | 10 | 10 |
D1收盘10，不大于11，目标0，账户保持现金1000。D2收盘12，大于11，目标变为20股。此时得到的是收盘后才知道的信号，不能回到当天开盘10补买，也不能默认自己按12完成了普通订单。
D3开盘13，给定能够足额成交。20股价款260，再加1美元费用，现金剩739。D3收盘价11，20股市值220，账户总权益为739加220，等于959。相对原始1000，账面已少41：其中40来自买入后价格下降，1来自买入费。
D3收盘恰好等于11，按“严格大于”条件应为目标0，因此产生下一天卖出20股的订单。D4开盘10卖出，收到200，扣1美元费用，现金从739变为938。D4、D5收盘都为10，不再买入，最终净值对应938美元。
还可以反向核账：两次费用合计2美元，20股从13买入到10卖出损失60，原始1000减62正好是938。逐日权益与整笔交易损益走的是两条检查路径；若二者不相等，应先找漏掉的现金或价格变化，不能平均两个答案。
这一次买卖损失62美元，收益率负6.2%。它只说明这五个合成输入按规则产生了什么，不说明这条规则通常赚钱或亏钱，更不能由此评价真实趋势策略。小账户的任务是让你先检查时点、现金和持仓能否对上。
把这份账拆成六个角色
最先拿到的是数据：这里是逐日开盘价和收盘价。真实研究还需要日期、证券身份、单位、公司行动与数据来源；不能因为屏幕上有一列数字，就假设它已适合研究。
特征是从数据得到的描述。这个最小例子直接取当日收盘价作为输入；更复杂时可以计算过去收益或均价。信号则把输入转成规则判断，例如“大于11”。特征是怎样描述对象，信号是据此满足了什么条件，两者不应混成一句“AI看好”。
策略把信号与持有、调整和退出规则合在一起。本例目标20或0，还规定下一日开盘尝试成交、费用和缺钱政策。组合说明多个对象如何共同占用资金；本例只有一个对象与现金，也仍然需要核对目标是否买得起。
执行把目标转成实际成交与余单，账本再用成交更新现金、股数和权益。研究信号“应该持有20股”，并没有保证真实账户已经有20股。缺价、停牌或数量不足时，账本需要保留实际状态，不替策略补上理想成交。
用一句流程串起来，就是资料进入、形成特征、产生信号、确定目标、尝试成交、更新账户并评价。你可以让AI或应用完成其中某些步骤，但每一步都应能说明输入、输出及核对方法；自己不写代码，不等于不需要理解这些连接。
预测对得多，为什么账户仍会亏
量化研究也可能使用预测模型，但预测正确率与投资结果不是同一个指标。给一个独立合成例子：十笔等规模交易，八笔各赚1美元，两笔各亏6美元，忽略费用。赚钱的交易占80%，合计仍为8减12，亏4美元。
即使这个例子里的预测方向都按每笔赚亏对应，较高正确率也没有抵消错误时的较大损失。若再加费用、不同仓位与成交约束，结果还可能变化。因此要评价收益、回撤、成本和资金路径，不能用一个分类准确率替代账户记录。
反过来，一次赚钱也不能说明模型找到了可靠关系。规则可能恰好适合所挑的区间，或研究者试了很多版本，只留下赢家。投资者教育资料提醒，回测业绩是假设结果，不等于真实投资表现。[2] 用真实历史价格计算，也不会使模拟订单自动变成真实成交。
研究地图，比算法名单更有用
趋势问题问的是变化是否延续，常把某段过去表现转成持有规则；均值回归问的是偏离是否会修复，需要定义偏离和参照，面临趋势继续而不回归的风险。两者都可以简单，也都可能失败，不能只凭名称挑一方更先进。
横截面选股比较同一时点多个对象，例如按公开特征排序；它需要当时的选择范围与信息可得性，不能只使用今天还存在的公司。事件研究围绕公告等事件，尤其要核对实际公开时间与执行时点，避免用后来知道的消息解释先前交易。
这张地图按研究问题、信号、持有期和数据需求定位，不是一份收益排行榜。日内、日频、月频的资料与实施难度不同；个人可从低频、少对象的透明教学任务开始理解流程，但低频也有市场风险与模型错误，不能等同安全。
经济策略还要与预测算法分开。一条趋势或价值思路可以用不同算法研究；回归、树模型和深度学习则是描述或预测关系的工具。文本模型可以提取公告、整理假设或解释结果，本身不是一项已经完整定义的投资策略。
GPU同样只是某些工作负载的计算资源。它不替你提供可靠资料、研究机制或成本优势。先确认任务、用小样本核对流程，后面数学与资源指南再讨论具体需求；本篇五天账本用计算器就够了。
基本面也能成为规则的一部分
“懂公司”与“用数据”并非两条互不相干的路。你可以先研究一种经济机制，再把可观察条件写成筛选规则，例如某个公开指标变化后是否值得继续核验。但指标定义、公告日期和样本范围必须清楚，不能把后来报告的数值提前用进历史选择。
另一方面，很多判断暂时难以可靠量化。没有一致数据，就先保留定性记录，或缩小问题；不能为了得到一个分数，让AI为所有公司编出缺失值。把判断规则化，是让输入和限制更透明，不是强迫每个问题都出现一张排名表。
本书C2另有低频ETF与现金的完整研究规格，需要真实价格、公司行动、交易日历、费用和基准材料。它与这里的固定11美元门槛不同。当前没有在本篇交付完整真实数据包与回测流水，因此本章只完成给定合成账户练习，不能写成已验证C2有效。
先自己走两步
解释题：为什么D2看到12美元后，不能在本例账上记作当天以12买入？应用题：有人把D3收盘权益写成999美元，因为“只扣了买入费”。请找出他漏掉的变化，并给出正确的现金与权益。
第一题要区分观察完成和执行时点：本规则在收盘后形成信号，下一交易日开盘才尝试执行，成交价给定为13。第二题中买入支出261，现金739；收盘持仓价值220，权益959，价格变动造成的40美元账面损失不能省掉。
改一个条件，别直接照抄938
保持原规则和其他输入不变，只把D3开盘价从13改为12，费用仍每笔1。请算买入后现金、D3收盘权益和D4卖出后现金；再解释为什么这不是第二套策略的独立业绩验证。
买入价款240加1，现金759；D3收盘20股仍值220，权益979；D4卖出净收199，最终现金958。比原结果多20，来自给定买入价差1美元乘20股。它是改变一个教学输入的核算测试，不是从新真实样本取得的投资证据。
留下一张规则流程与缺口表
把“走强就买”改成你自己的小任务，先写对象、数据、特征定义与观察时点，再写信号、目标持仓、执行时间、费用和异常政策。允许继续使用本例，不必为了交作业发明盈利策略。
画出每一步的箭头，并为箭头写需要哪些材料才能连接。最后列出如何比较、哪些记录能证明实际算过、何时停止或修订。自检时让别人只按这张表走一遍，看能否得到相同的订单与现金；出现分歧就先补定义，而不是比较哪条曲线更漂亮。
小结：先让规则可复查，再问它是否有用
量化研究先把判断拆成能按相同输入重走的流程，信号、目标与实际持仓各自留下记录。账户对得上，只证明这次计算的条件与结果一致；自动运行、复杂算法和高正确率都不能单独证明投资价值。
接着从问题出发选资料和方法，用合适基准、成本及不同条件检查假设。小账户给了核对入口，真实策略仍需完整证据；发现缺口时保留未知，才能知道下一步究竟该补数据、改定义，还是暂停研究。
参考资料
- CFA Institute：Backtesting & Simulation，2026公开概要。假设、规则、组合和评价流程；未读取付费全文。
- SEC：Performance Claims投资者公告，2022。成本、方法与假设业绩的边界。
C4合成价格与核算材料。资料核查日期2026-10-29。本文由AI辅助编写与检查，尚待人类金融审校或目标读者试读；未交付真实C2完整回测或实际交易验证。