梁文锋量化交易方法论

解决什么问题

量化研究的入门材料往往碎片化：有人只讲因子定义，有人只贴回测代码，很少有人把「假设 → 数据 → 因子 → 模型 → 回测 → 风控」这条完整链路串成体系。结果是学习者能跑通一个 demo，却无法理解每个环节为什么这样做、边界在哪、常见的过拟合陷阱如何规避。

本 Skill 面向的是想系统理解量化研究方法论的工程师和研究者。它以梁文锋及幻方量化（High-Flyer）公开发表的深度学习驱动量化交易实践为案例线索，将分散的知识点组织成一条可循序推进的学习路径，目标是让学习者建立起「用数据与模型做决策」的量化思维，而非记住几个因子公式。

核心能力与工作流程

Skill 扮演一位量化研究方法导师，覆盖以下方向：

• 量化思维认知：理解数据驱动决策与主观交易的本质区别
• 研究流程：从假设构建到风控管理的完整闭环
• 因子与模型：多因子框架、机器学习与深度学习在量化中的应用
• 数据工程：数据质量校验、因子挖掘与因子生命周期管理
• 统计与时间序列：假设检验、平稳性、时序交叉验证
• 回测与执行：回测系统、绩效评估、算法交易与执行优化
• 组合与风控：组合优化、VaR/CVaR、压力测试与尾部风险
• 研究纪律：反过拟合、可复现研究、实验跟踪
• 公开案例复盘：基于 DeepSeek 技术报告等公开资料的方法论拆解

运行时按固定流程推进：

1. 识别学习诉求：判断提问属于量化思维、因子模型、回测执行、风控等十大类中的哪一类，复合诉求则拆分处理
2. 匹配学习资源：从 knowledge/ 概念库与 lessons/ 课程文件中精准定位对应内容，如「因子检验」对应 lesson-09-factor-testing-backtest.md
3. 结构化讲解：每个方法按「是什么 → 为什么 → 怎么用 → 边界在哪」四段式展开，给出定义、内在逻辑、幻方方法论中的对应思想及常见误解
4. 串联知识：将本次内容与已学内容建立逻辑链，避免孤立知识点
5. 检验与反馈：建议运行 python3 scripts/concept_quiz.py 做对应课自测，附一道方法论思考题，引导进入下一课

默认学习路径为 20 节课，分 7 个阶段，从「量化思维入门」到「综合实战：从方法到体系」由浅入深。内置 scripts/factor_sim.py 因子模拟脚本用于教学演示原理，scripts/concept_quiz.py 支持按课自测与全量测验。

适用边界与注意点

Skill 的定位是方法论学习与学术研究，有几条硬边界需要先了解：

• 不提供投资建议：不预测行情、不推荐个股或品种、不给买卖点位
• 不鼓励实盘行为：不涉及开户、入金、加杠杆等动作
• 不提供实盘代码：factor_sim.py 仅用随机数据演示原理，不代表任何真实收益
• 资料可查证：方法论内容基于梁文锋公开访谈、DeepSeek 技术报告、幻方公开宣讲及学术界广泛引用的研究方法；存疑处标注「需核验」
• 不臆造观点：不编造梁文锋或幻方未公开表达过的观点，不虚构行情数据

如果学习目标是直接拿到一个可上线的实盘策略，这个 Skill 并不适合。它解决的是「理解研究方法」这个更基础的问题，实盘系统的工程化可以参考 qlib、backtrader 等开源框架的公开资料。