天驭学院 · 教学材料 · 量化策略开发
课程讲义
因子开发要保存所有尝试，避免只公布最优公式。数据清洗、标签延迟和可交易性限制会改变样本，不应事后调整分母。
写因子卡→冻结参数→分训练/验证→生成缺值与样本流失表→计算关系→列反例与费用。
为3步动量交因子卡，包含输入、公式、可用时点、标签、失败场景和未来样本计划。
卡片明确用已收盘close，前3项缺失；标签与特征隔离；震荡可能反转且频繁周转产生成本。未做检验就写待验证。
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。
因子开发要保存所有尝试，避免只公布最优公式。数据清洗、标签延迟和可交易性限制会改变样本，不应事后调整分母。
按题设保存成果、核对参考结果后填写自评记录。勾选仅为个人记录，不是自动批改或能力认证。
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。