天驭学院 · 教学材料 · 量化策略开发
课程讲义
因子检验区分预测关系和交易收益。IC可用因子与未来收益的相关度，需同一观察集合；单资产时间相关不等于横截面IC。
先定横截面或时间序列→对齐未来标签→清理缺失→算秩或线性相关→给样本量和稳定性，不只报峰值。
三个资产因子排序1/2/3，未来收益排序3/2/1，秩相关是多少？能否称长期必亏？
Spearman秩相关−1；只是这个三点横截面完全反序，不能代表长期结论，交易收益还受规模、周转和成本影响。
收盘100、101、103、102，2期动量在第3点为3%，第4点为0.990099%。下一期收益标签必须等未来一期出现后才能用于评估。样本小或恒定列会使相关无意义，不使用“IC>0.03必有效”固定门槛。
标签是未来结果，不是可交易特征；筛选了多少因子、失败多少个也要记录。
这个无依赖脚本提供秩相关、时间折、库存估值、协方差风险与拒绝路径的小实验。网格部分仅做下穿买入库存，不含卖出回收或真实成交；风险平价部分只演示给定协方差，不是通用优化器。按报告核算，不将小实验当作完整生产策略。
python strategy_labs.py课程数值、价格、账户和案例均为教学假设；固定材料可离线复现。完成标记仅记录学习，不是能力认证、服务批准或收益保证。
本节要点
完成标记仅记录个人学习，不代表能力认证。练习使用教学假设或合成数据，不要求真实开户、入金或交易。