【量化研究框架 系列 第1讲】入门第1讲：市场周期识别与研究目标锚定的双轨启动法

一、为什么量化研究最先要定的，不是模型，而是市场周期和研究目标

很多刚开始做量化的人，一上来最关心的是工具和模型。用什么因子库、什么回测框架、什么机器学习算法，仿佛只要技术栈选对了，研究就会自然往前推进。真正做一段时间后通常会发现，最容易让研究失焦的，并不是技术本身，而是开题时没有把两个问题说清楚：当前市场究竟处在怎样的可研究状态里，这次研究到底要解决哪一种明确问题。

如果这两个问题不先定下来，后面很多努力都会变成一种看起来很忙、实际上没有锚点的推进。你可能在样本内把指标调得很好看，却不知道那套逻辑只适用于某个特殊阶段；你可能拿到一组不错的回测结果，却发现根本落不到真实调仓频率和容量约束上；你也可能在团队里和别人讨论半天，最后才发现彼此讲的根本不是同一个研究目标。第 1 讲之所以要先定市场周期和目标，核心作用不在增加流程感，而在避免后面所有工作都建立在模糊前提上。

真正像样的量化研究，起点不是“我想试个什么模型”，而是“我现在面对的是哪种市场状态，我想回答的是哪一个可验证问题”。只要这两个锚点先立住，后面的数据、信号、回测和风控讨论才会有共同语言。

二、市场周期不能只用牛熊震荡三分法糊过去

很多入门资料讲市场周期，喜欢直接用牛市、熊市、震荡市三类去概括。对聊天和概念理解来说，这么说没问题；但对真正要落进研究框架的量化任务而言，这种分类太粗了。因为它不能告诉你当前市场到底是趋势强但波动大，还是趋势弱但个股分化强；也不能告诉你流动性是紧还是松，行业是一起动还是个股各走各路。

更有用的做法，是把周期理解成一个多维状态，而不是一个单一标签。至少有几层是研究里很难绕开的。第一层是趋势强弱，也就是市场到底有没有比较清楚的方向性。第二层是波动结构，是短时脉冲式放大，还是低波动慢磨。第三层是流动性状态，它直接影响换手、滑点和小市值策略能不能做。第四层是相关性格局，即当前是行业主导还是个股分化主导。

只要把周期拆到这个程度，你就会发现很多原本混在一起的研究场景开始分开了。比如“趋势强、波动高、行业联动强”和“趋势弱、波动低、个股分化明显”看上去都可以被叫成某种市场阶段，但它们对策略类型、样本构造和验证标准的要求完全不同。量化研究真正需要的，不是一个方便说出口的周期标签，而是一个足够支撑方法选择的状态描述。

三、研究目标必须缩成一个主问题，而不是写成泛泛的收益口号

研究目标同样最容易被写得太大。很多人会说“想提高收益”“想降低回撤”“想做一个稳健策略”。这些表述并不是完全没意义，但它们无法指导具体研究设计。因为几乎所有研究都能声称自己在做这些事，而这些目标之间本身也经常存在冲突。你若不先选一个主问题，后面很容易一边想追求短期信号，一边又要求低换手和低波动，最后什么都想兼顾，反而什么都没讲清。

更可用的办法，是把目标压成一类清楚的问题。比如这次研究的主问题是生成信号，还是控制风险，还是验证一种机制，还是做组合分配。信号生成型问题关心的是：在某类周期里，能不能稳定识别出未来方向或强弱。风险控制型问题更关心：在波动和流动性压力下，能不能守住某个风险边界。组合构建型问题关注的是：几个子策略怎么在不同市场状态下分权。机制验证型问题则不一定直接产出交易动作，它更像是在问：某种市场现象到底是不是统计上稳、经济上也说得通。

只要目标类型先定清楚，后面很多混乱会自动消失。你不会再一边做机制验证，一边又急着用它去做日频信号；也不会把风险控制研究硬包装成收益增强研究。真正好的研究开题，不是把目标写得多雄心勃勃，而是把主问题缩得足够清楚。

四、市场周期和研究目标不是两张独立表，而是要匹配在一起

周期和目标一旦都定义出来，下一步不是分别存档，而是看它们能不能匹配。因为不是任何目标都适合在任何周期里展开。

比如在趋势很强、方向很清楚的阶段，最自然的问题通常是信号生成或趋势延续判断，因为市场本身提供了可以跟踪的结构。这时如果你硬做短周期反转，往往会陷入不断逆势试错。反过来，在趋势弱、波动收敛、个股分化明显的阶段，做行业级趋势追踪通常效果有限，反而更适合做横截面筛选、事件驱动或机制验证。流动性收缩时，研究重点也往往会从“我能抓多少 Alpha”转成“我还能不能在不明显放大冲击成本的情况下稳定执行”。

这就是为什么周期和目标一定要一起写。你不能只说“我要研究行业轮动”，还得说是在什么样的周期背景下研究行业轮动；也不能只说“我要做风险控制”，还得说主要是为哪一种压力场景设计。只要这层匹配关系没建立，后面的研究很容易出现一种表面勤奋、底层错位的情况：方法是认真的，问题却选错了。

五、开题时真正有用的，不是长篇大论，而是一张最小检查表

量化研究开题最容易出问题的地方，不是没有想法，而是想法太散、太虚。更稳的做法，往往不是写一大段背景分析，而是强制自己先填一张最小检查表。内容不需要花哨，但至少应包含几项核心信息：当前周期状态怎么定义，主目标是哪一类，可验证标准是什么，用什么数据，核心假设有哪些，失败时什么情况下要主动暂停。

这张表的价值在于，它能把模糊表述逼成明确句子。比如你不能只写“当前市场波动较大”，而要说是短期脉冲式高波动，还是持续型高波动；也不能只写“目标是提升策略表现”，而要写清楚到底想提升信号命中率、降低回撤，还是验证某个因子关系。再比如你若写不出失败条件，往往意味着你还没真正想清楚研究的边界。

很多初学者会觉得这种表格化很僵硬，但实务里恰恰是这种看似保守的动作，最能节省后面大量返工。因为一旦目标、周期、验证标准和数据源先锁定，后续不论研究成败，都能知道问题出在哪一层，而不会陷进“感觉方向没错，只是结果不理想”的含糊状态里。

六、最常见的误区，不是算错，而是开题时就把问题问歪了

量化研究起步阶段，最容易出现的错误其实不是数学错误，而是问题定义错误。常见情况有几类。第一，把周期判断写成主观感受，比如“最近市场情绪一般”“感觉板块轮动快”，这类描述既不可验证，也无法映射到后面的方法选择。第二，把目标写成泛口号，如“提升收益”“兼顾收益和回撤”，听起来全面，实际上没有研究指向。第三，把多个目标混在一起，既想生成择时信号，又想做风险控制，又想顺便解释市场机制，最后导致验证标准互相打架。第四，是回测跑完后再倒着修改目标，把本来定高的标准往下调，把本来模糊的目标补成看起来合理的故事。

这些误区共同的问题在于，它们让研究失去了可证伪性。你总能事后解释为什么结果不理想，却很难在研究开始前说清楚怎样算成功、怎样算失败。可没有失败标准的研究，往往也没有真正的成功标准。第 1 讲最该守住的，就是不允许自己把研究起点写成“反正先试试看”。

七、一个更现实的起步顺序：先判状态，再定问题，再选方法

如果你想让量化研究起步更稳，一个更现实的顺序通常是这样的。先判当前市场状态，至少把趋势、波动、流动性和相关性格局大致讲清楚。再定本次研究的唯一主问题，例如信号生成、风险控制、组合分配或机制验证。只有这两步都完成了，才开始选数据、选因子、选模型和设计回测。

这个顺序的意义很大。因为它会强迫你把“方法”放在“问题”之后，而不是倒过来。很多研究失败，本质上不是方法不够强，而是研究者先爱上了某个模型或某套框架，然后才去倒找一个适合它的问题。这样的研究往往会越做越复杂，却越来越偏离真实场景。相反，若先把状态和问题定清楚，方法选择会自然得多。你会更容易知道当前是该做趋势型信号，还是做风险防守；是该看行业层面，还是看个股层面；是该追求灵敏，还是追求稳健。

八、为什么这一步对团队协作尤其重要

对个人研究者来说，先定周期和目标可以减少返工；对团队来说，这一步的价值更大。因为团队里最常见的低效，不是没人会写代码，而是每个人默认的前提不同。有人觉得当前是趋势市，有人觉得是轮动市；有人以为这次研究的任务是增强收益，有人却按风险控制去设计验证。表面上大家都在推进，实际上却是在不同语境里同时工作。

把周期和目标写成明文，最大的好处就是让前提显性化。你不需要指望每个人“自然理解一致”，而是让每个人都能看到这轮研究到底基于什么市场判断、服务什么主问题、用什么标准验收。只要这一层共识先建立，后面的数据清洗、特征工程、回测设定和风控嵌入都会顺得多。

量化研究说到底不是一个人和电脑的游戏，它经常是一个团队围绕同一问题做不同分工。前提不清时，最耗时间的往往不是技术实现，而是反复对齐语义。第 1 讲把这件事先做了，后面很多无形摩擦都会少很多。

九、为什么开题时还要顺手写出“不做什么”

很多研究开题文档会认真写“要做什么”，却很少写“这轮明确不做什么”。看起来像个小缺口，实际上非常影响执行效率。因为量化研究一旦开始，新的想法会不断冒出来：要不要顺便加个行业中性，要不要再试一个高频版本，要不要把期货样本也一起带上。若开题时没有把边界写清楚，团队很容易在这些“顺便做一下”的请求里不断扩张范围，最后把本来可以很快验证的问题拖成一个庞大而模糊的工程。

因此，真正稳的研究起点，除了写清当前周期判断和主目标，还应该顺手列出这轮暂时不做的内容。比如不做跨市场迁移、不做分钟级频率、不讨论生产部署、不兼顾组合分配。只要这些边界先写出来，后面每次有人提出扩展方向时，就能先判断它是不是当前轮次的问题，而不是默认一切都该并进。

这件事对研究质量也有好处。因为目标越窄，可验证性越强。你越明确地知道这轮不解决什么，就越容易把有限精力压到真正关键的问题上，而不是被各种“听起来也重要”的旁支拖散。

十、为什么这一步最好连同验证窗口一起先写出来

市场周期和研究目标说清楚之后，最好不要停在抽象层，还要把验证窗口也顺手先写出来。也就是你打算用哪一段时间验证这次研究结论，样本内和样本外大致怎么分，哪些时间段被视为关键压力窗口。这个动作看起来更像回测设计，但其实它与开题紧密相连。因为如果验证窗口一直不写，后面很容易在结果出来后再倒着挑时间段，让研究失去约束。

提前写验证窗口的意义，在于把“周期判断”真正落到数据层。你既然说当前关注的是高波动阶段，那验证里就应该能看到高波动窗口；你既然说目标是风险控制，那就不该只拿最顺的上涨段来证明策略有效。换句话说，周期和目标不是嘴上说清楚就够了，它们还必须在验证窗口选择上留下痕迹。

对入门研究者来说，这一点尤其重要。因为很多人不是没有研究意识，而是容易在数据选择上临时随意。只要第 1 讲就把“验证窗口必须跟着主问题走”的意识建立起来，后面很多偏题都会自然减少。

十一、总结

量化研究真正稳的起点，不是先找模型、先跑回测，而是先把市场周期和研究目标讲清楚。周期决定你面对的是怎样的市场结构，目标决定你究竟要解决什么问题。只有这两个锚点先立住，后面的数据、信号、验证和风控才有共同坐标。否则，无论技术细节多完整，最终都可能只是围绕一个模糊问题做出的精密幻觉。

十二、系列衔接

本讲是《量化研究入门框架》的第 1/8 讲，当前主题是《先定市场周期和目标》。这一讲的任务，是把整个系列后面会反复用到的研究起点先校准好。下一讲将进入《把题目缩成最小策略》，继续把“大方向上的研究想法”压缩成可以实际验证和迭代的最小策略问题。

十三、风险揭示与免责声明