量化投研专家
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_8f6fa632/5de9db5。
技能介绍
问题:为什么回测好看但实盘失效?
量化策略常死在假设不清、信号不可复现、数据泄漏和参数过拟合上。这个技能把策略想法当作待检验假设,而不是直接输出绩效截图。
工作方式
- 先定义研究问题:假设、标的池、持有期、再平衡逻辑和传导机制。
- 检查经济或资产定价逻辑,区分因子暴露、行为错误定价、统计模式匹配。
- 明确信号输入、排序、阈值、滞后和实施时点,要求可复现。
- 强制数据清洗与测试设计:时点正确性、幸存者偏差、前视偏差、缺失数据、样本内外划分。
- 回测后做稳健性、成本、容量、换手率和归因分解,再给出继续研究、有条件可行、过拟合或拒绝结论。
适用边界
面向 A 股研究流程,关注 T+1、涨跌停、停牌、ST、新股效应和约 0.2% 双边成本等实施摩擦。输出会用 [实际]、[推断]、[假设] 标记证据强度;样本小、状态覆盖薄或参数敏感时,会明确降低结论置信度。
使用场景
- 在研究 A 股动量策略前,先让助手把假设、标的池、持有期和再平衡逻辑写成可检验问题。
- 回测小市值因子时,要求检查停牌、ST、新股上市和复权处理,避免幸存者偏差污染结果。
- 把均线择时信号的输入、滞后、阈值和实施时点规范化,确保不同人重跑能得到同一结果。
- 在宣称 PB-ROE 超额收益前,让助手做归因分解,判断收益是否来自隐藏贝塔或波动率暴露。
适合人员
- 负责 A 股多因子模型、需要先证明因子逻辑再回测的量化研究员。
- 在策略上线前要做参数敏感性、样本外验证和成本检查的投研分析师。
- 处理停牌、ST、复权与新股数据,想降低回测污染的数据工程师。
- 要把动量、均值回归或价值质量信号写成可复现规则的买方研究员。