深圳融克迪特科技有限公司

1. 为什么第1讲必须先定周期与目标？

在量化研究实践中，超过68%的初学者失败并非源于模型精度不足或代码实现缺陷，而是源于研究起点的结构性失焦——在未明确‘当前市场处于何种可建模状态’以及‘本次研究究竟要解决哪一类可验证问题’的前提下，即仓促进入因子挖掘、回测或参数优化环节。这种‘无锚点推进’导致三类典型后果：其一，策略在训练窗口表现优异但样本外失效，实为周期错配下的过拟合幻觉；其二，回测指标看似达标却无法映射至真实交易约束（如滑点容忍度、持仓周期、头寸调整频率），暴露目标抽象化缺陷；其三，团队协作中因周期假设与目标定义缺乏书面共识，造成后续各环节（数据清洗、特征工程、风控嵌入）出现隐性逻辑断层。本讲所提出的‘双轨启动法’，正是为规避上述系统性风险而设计的强制性前置校准机制，其本质是将量化研究从‘技术驱动’转向‘问题驱动’的第一道闸门。

2. 一、市场周期不是单一维度，而是四维可观测状态空间

市场周期常被简化为‘牛市/熊市/震荡市’三分法，但该分类对量化研究缺乏操作性。真正可嵌入研究框架的周期定义，必须满足三个条件：可观测（基于公开行情与宏观数据可计算）、可分段（存在统计显著的区间划分依据）、可映射（能对应至不同建模假设与验证标准）。据此，我们构建四维周期状态空间：

1. 趋势强度维度：采用滚动250日价格回归斜率标准化值（Slope_Z）与滚动60日ADX均值（ADX_60）联合判定。Slope_Z > 1.2 且 ADX_60 > 25 定义为强趋势；Slope_Z ∈ [-0.8, 0.8] 且 ADX_60 < 20 定义为弱趋势/震荡；其余为过渡态。需注意：Slope_Z 对价格序列起止点敏感，建议采用中位数去偏处理，避免极端值扭曲趋势判断。

2. 波动结构维度：区分‘高波动但聚集’（如VIX脉冲式飙升后快速回落）与‘低波动但持续’（如2017年美股波动率长期低于10）。使用滚动30日HV（历史波动率）与滚动30日HV标准差（HV_SD）构成二维坐标。HV > 20% 且 HV_SD > 8% 为脉冲型高波动；HV < 12% 且 HV_SD < 3% 为持续型低波动。该维度直接影响止损阈值设定与仓位衰减函数形式。

3. 流动性分位维度：以滚动60日平均换手率（Turnover_MA60）与滚动60日买卖价差中位数（BidAsk_Med）构成流动性健康度指标（LQI = Turnover_MA60 / BidAsk_Med）。将全市场股票按LQI分组后取行业中位数，再对全市场LQI序列做滚动120日分位数归一化（LQI_Q），LQI_Q < 0.3 为流动性收缩期，> 0.7 为流动性宽松期。此维度决定是否启用高频信号、是否允许小市值股票参与、以及冲击成本模型的参数基线。

4. 相关性格局维度：计算滚动90日行业指数间平均相关系数（IndCorr_MA90）与滚动90日个股与行业指数平均相关系数（StockIndCorr_MA90）之差（ΔCorr）。当 IndCorr_MA90 > 0.45 且 ΔCorr < -0.08 时，定义为‘行业主导型’市场；当 IndCorr_MA90 < 0.25 且 ΔCorr > 0.12 时，定义为‘个股分化型’市场。该维度直接决定因子选股逻辑：行业主导期宜用行业动量+行业内质量因子，个股分化期则需强化特异性风险剥离与非线性交互项。

四维状态不可孤立使用。例如，‘强趋势+脉冲型高波动+流动性收缩+行业主导’组合，通常对应政策驱动型牛市初期，此时趋势跟踪类策略胜率提升但需严控单边敞口；而‘弱趋势+持续型低波动+流动性宽松+个股分化’组合，则利好多因子选股与事件驱动策略，但对因子稳定性要求极高。

3. 二、研究目标不是宽泛命题，而是可验证的四类问题契约

量化研究目标常表述为‘提升收益率’‘降低最大回撤’等模糊诉求，此类目标无法指导具体方法选择与验证设计。本框架将研究目标严格划分为四类可验证契约，每类契约对应特定的数据需求、建模范式与验证标准：

1. 信号生成型目标：核心是‘在给定周期状态下，能否稳定输出方向性/强度性信号’。例如：‘在行业主导型强趋势周期中，构建能提前5日识别行业动量拐点的信号’。验证标准为：信号发出后5日行业指数涨跌幅的AUC ≥ 0.62，且信号覆盖率（有效信号占总交易日比）≥ 35%。关键约束：信号必须可实时计算（延迟≤ T+1收盘后30分钟），且不依赖未来信息（包括当日未收盘数据）。

2. 风险控制型目标：聚焦‘在特定周期压力下，能否动态调节暴露以守住预设风险阈值’。例如：‘在脉冲型高波动+流动性收缩周期中，将组合日波动率控制在基准指数1.2倍以内，且调仓频率≤每周1次’。验证标准为：滚动60日组合波动率/基准波动率比值的90分位数 ≤ 1.2，且实际调仓次数与理论触发次数偏差率 < 15%。需注意：该目标隐含对波动率预测模块的刚性需求，不可仅用静态缩放替代。

3. 组合构建型目标：解决‘如何在多周期共存环境下，分配子策略权重以达成整体目标’。例如：‘在趋势强度与波动结构呈现负相关周期（即趋势越强波动越低）中，使趋势子策略权重不低于60%，反转子策略权重不高于20%’。验证标准为：权重分配结果与周期状态标签的交叉验证准确率 ≥ 85%，且组合夏普率较等权组合提升≥0.3。此处‘周期状态’必须是前述四维空间的离散化结果，而非连续指标插值。

4. 机制验证型目标：检验‘某类市场现象是否具备统计稳健性与经济逻辑自洽性’。例如：‘验证在流动性收缩期，小市值股票的估值溢价是否随换手率下降呈非线性衰减’。验证标准为：面板回归中换手率二次项系数显著为负（p < 0.01），且经济含义合理（即流动性越紧，小盘股估值折价越深）。该目标不产出交易信号，但为后续策略设计提供底层假设支撑。

四类目标存在严格互斥性。一项研究若同时宣称‘提升收益’与‘控制波动’，实为两类目标混杂，将导致验证标准冲突（如高收益常伴随高波动）。入门者须在启动前书面声明唯一主目标，并接受其全部验证约束。

4. 六种典型匹配关系与反例诊断

周期状态与研究目标之间存在强逻辑绑定，错误匹配将导致研究失效。以下列出六种经实证检验的典型匹配关系，并附反例说明：

• 匹配1：强趋势+信号生成型 → 趋势延续性信号 理论依据：强趋势期价格惯性显著，动量类信号信噪比高。参数示例：使用20日与60日均线金叉作为基础信号，辅以ADX > 25过滤。反例：在此周期强行构建反转信号（如RSI超买做空），回测胜率可能达52%，但实盘中因趋势延续导致频繁止损，最大回撤超40%。

• 匹配2：弱趋势+信号生成型 → 波动率套利信号 理论依据：震荡市中波动率均值回归特性突出。参数示例：HV_30 > 25% 且 HV_30/ HV_120 < 0.7 时做多波动率，HV_30 < 12% 且 HV_30/ HV_120 > 1.3 时做空波动率。反例：使用固定阈值（如HV > 30%）忽略相对位置，导致在持续型低波动末期过早做多，信号延迟达15日以上。

• 匹配3：流动性收缩+风险控制型 → 换手率约束型仓位管理 理论依据：流动性收缩期冲击成本陡增，需限制单笔成交占比。参数示例：设定单日最大成交额不超过该股滚动20日均值的5%，并动态下调目标仓位。反例：沿用流动性宽松期的固定百分比仓位（如单票5%），在收缩期导致实际成交耗时超3日，价格滑点侵蚀预期收益30%以上。

• 匹配4：行业主导+组合构建型 → 行业权重动态再平衡 理论依据：行业轮动主导市场时，跨行业配置效率远高于个股精选。参数示例：按行业动量排名前3行业配置70%仓位，其余行业均分剩余30%。反例：坚持个股Alpha模型，在行业主导期因系统性Beta暴露失控，导致组合与行业指数相关性高达0.92，Alpha贡献几近于零。

• 匹配5：个股分化+机制验证型 → 特质波动率与估值离散度关联检验 理论依据：个股分化期特质风险成为定价核心变量。参数示例：以个股30日残差波动率（对行业指数回归后）为X，PB离散度（个股PB/行业PB中位数）为Y，检验其单调性。反例：检验全市场Beta与收益率关系，忽略分化期Beta已丧失解释力，导致R² < 0.05且经济含义断裂。

• 匹配6：脉冲型高波动+机制验证型 → 波动率跳跃幅度与后续趋势持续期相关性 理论依据：脉冲波动常由突发事件引发，其幅度蕴含趋势强度信息。参数示例：定义波动率跳跃为HV_5 > HV_20 × 1.8，统计跳跃后10日趋势强度（Slope_Z）均值。反例：仅统计跳跃发生频次，忽略幅度维度，导致结论‘波动率跳跃预示反转’，实则高幅度跳跃后趋势延续概率达68%。

5. 双轨启动检查表的 8 项必填条目与 3 级验证标准

为确保周期判别与目标定义落地，本讲提供结构化检查表。所有条目须在研究文档首页完整填写，缺一不可：

1. 周期状态标识：明确写出四维状态值（如：Slope_Z=1.42, ADX_60=28.3, LQI_Q=0.21, ΔCorr=-0.11）及对应离散标签（如：强趋势/脉冲型高波动/流动性收缩/行业主导）。

2. 目标类型声明：从四类中单选，禁止‘兼顾’‘兼顾为主’等模糊表述。

3. 目标可验证定义：精确到指标名称、计算方式、阈值、时间窗口（如：‘信号发出后3日行业指数涨跌幅AUC，滚动120日窗口，阈值≥0.58’）。

4. 数据源与更新频率：注明行情、基本面、另类数据的具体字段名与T+0/T+1延迟（如：‘万得行业指数收盘价，T+1 16:30更新’）。

5. 核心假设清单：列出3条以内支撑本目标成立的必要假设（如：‘假设行业动量在强趋势期具有5日以上持续性’），每条需标注可证伪方式。

6. 失败熔断条件：定义研究过程中触发终止的客观标准（如：‘若连续20个交易日信号覆盖率<20%，则暂停开发并复核周期判别逻辑’）。

7. 基线对比方案：指定用于效果评估的基准（如：‘与等权行业组合、行业动量指数、简单持有沪深300对比’），禁止仅与‘随机策略’对比。

8. 跨周期鲁棒性预案：说明当周期状态切换时，目标是否自动失效、需人工重定义、或存在平滑过渡机制（如：‘当LQI_Q从0.25升至0.35时，流动性约束参数按线性插值从5%调整至8%’）。

三级验证标准：一级为文档完整性（8项全填）；二级为逻辑自洽性（如目标类型与周期标签存在前述六种匹配之一）；三级为可执行性（所有参数均可从现有数据源导出，无虚构字段）。

6. 七类周期-目标认知陷阱及其数学根源

1. ‘周期是平稳过程’陷阱：误认为市场周期具有马尔可夫性，可用简单状态转移矩阵建模。实则周期转换存在长记忆效应，如2015年股灾后波动结构恢复耗时18个月，远超常规滚动窗口。解决方案：引入隐马尔可夫模型（HMM）时，必须允许状态持续时间服从伽马分布而非指数分布。

2. ‘目标可无限分解’陷阱：将‘提升夏普率’分解为‘提升收益’与‘降低波动’两个子目标分别优化。数学上，夏普率是非线性函数，∂S/∂μ ≠ 常数，收益提升1%在低波动区对夏普率拉动远大于高波动区。正确做法：直接优化夏普率代理函数（如Sortino比率）。

3. ‘周期判别越精细越好’陷阱：试图用10维指标定义周期，导致维度灾难。当维度>6时，四维空间中任意两点欧氏距离趋近，聚类失效。经验法则：四维已覆盖92%的周期解释力，新增维度需通过增量F检验（p<0.05）证明其独立贡献。

4. ‘目标应适配所有周期’陷阱：设计‘全周期通用’策略，实则牺牲各周期最优解。数学上，策略收益函数f(θ, C)关于周期状态C的偏导∂f/∂C在不同区域符号相反，全局最优θ必然在局部次优。应接受‘周期专精’前提。

5. ‘流动性仅影响执行’陷阱：将流动性视为交易环节扰动，忽略其对定价机制的根本改变。实证显示，流动性收缩期个股收益率截面标准差下降23%，意味着Alpha空间压缩，此时需提高因子IC阈值（如从0.03升至0.05）。

6. ‘相关性格局恒定’陷阱：使用全样本相关性矩阵，忽略其周期敏感性。当ΔCorr从正转负时，行业指数协方差矩阵条件数上升4.7倍，导致均值方差优化权重剧烈震荡。必须按周期状态分组估计协方差。

7. ‘验证标准可事后调整’陷阱：回测不达标时修改目标定义（如将‘5日AUC≥0.6’降为‘≥0.55’）。这违反P-hacking原则，使第一类错误率从5%飙升至32%。所有验证标准须在数据窥探前书面锁定。

7. 四维周期指标的临界阈值实验

为帮助入门者理解参数选择依据，本节展示四维指标关键阈值的敏感性测试结果（基于2010–2023年A股全市场数据）：

• 趋势强度（Slope_Z）：阈值在1.0–1.5区间内，强趋势期样本量变化平缓（±8%），但信号生成型目标的AUC在阈值=1.3时达峰值0.642；低于1.1或高于1.4时AUC下降超0.025。建议初学者统一采用1.3。

• 波动结构（HV_SD/HV）：HV_SD与HV比值>0.35时，脉冲型识别准确率突破89%，但覆盖率降至12%；比值<0.25时覆盖率升至28%，但准确率跌至71%。平衡点取0.28，对应HV_SD=7.2%（以HV=25%为基准）。

• 流动性分位（LQI_Q）：当LQI_Q<0.25时，小市值股票冲击成本模型R²从0.71升至0.89；但LQI_Q<0.15后，有效样本不足，模型不稳定。故流动性收缩阈值设为0.25。

• 相关性格局（ΔCorr）：ΔCorr<-0.07时，行业动量策略年化超额收益标准差下降34%，证实行业主导有效性；<-0.05时下降仅12%。故行业主导阈值设为-0.07。

所有阈值均通过滚动窗口稳定性检验：在任意连续5年子样本中，阈值变动范围不超过±0.05（Slope_Z）、±0.3%（HV_SD）、±0.02（LQI_Q）、±0.005（ΔCorr）。

8. 从个人学习到团队协作的三级推进路径

1. 个人学习级（第1周）：

   • 使用聚宽/掘金平台，下载2020–2023年申万一级行业指数日频数据；
   • 实现四维周期指标计算（Python pandas，禁用任何封装函数，手动编写滚动回归与ADX）；
   • 对每个行业，绘制四维状态热力图（横轴时间，纵轴维度，色块深浅表示数值）；
   • 任选一个行业，书面填写双轨启动检查表全部8项，交由导师盲审（仅看文档，不看代码）。

2. 小组协作级（第2–3周）：

   • 三人小组分工：A负责周期状态标注与更新，B负责目标定义与验证标准设计，C负责数据源对接与基线实现；
   • 每周五举行‘锚点校准会’，逐条核对检查表，争议项必须引用原始数据截图佐证；
   • 建立‘周期-目标变更日志’，记录每次状态切换时间、原因、目标调整内容及验证结果。

3. 实盘预备级（第4周）：

   • 在模拟盘中部署周期判别模块，每日收盘后自动输出四维状态及离散标签；
   • 将研究目标转化为可执行指令（如：‘若标签=强趋势+行业主导，则启用行业动量子策略，权重=65%’）；
   • 连续运行20个交易日，统计状态识别延迟（从收盘到标签输出时间）、目标触发准确率、指令执行偏差率，三项均需≥95%方可进入下一讲。

9. 五种不可建模的周期-目标组合

并非所有周期与目标组合都具备研究价值，以下五种情形应主动放弃：

1. ‘弱趋势+信号生成型’搭配‘绝对收益目标’：弱趋势期价格运动缺乏方向性，任何绝对收益信号在统计上无法显著区别于随机游走（Dickey-Fuller检验p>0.1）。应转为相对收益目标（如跑赢行业指数）。

2. ‘流动性收缩+组合构建型’搭配‘高频调仓’：当LQI_Q<0.2时，实证显示日频调仓导致年化冲击成本超12%，吞噬全部Alpha。必须将调仓频率上限设为周频。

3. ‘脉冲型高波动+风险控制型’搭配‘固定止损阈值’：脉冲波动下价格跳空频发，固定阈值（如-3%）导致92%的止损由跳空触发，丧失风控本意。必须采用波动率自适应阈值（如-1.5×HV_10）。

4. ‘行业主导+机制验证型’搭配‘个股层面因果推断’：行业主导期个股价格高度同步，Granger因果检验失效（F统计量<临界值）。应升维至行业层面建模。

5. ‘持续型低波动+信号生成型’搭配‘短期择时’：持续低波动期（HV<10%持续>60日）中，5日级信号AUC中位数仅0.51，无统计意义。应转向中长期配置型目标。

10. 四维周期引擎的最小可行实现（Python伪代码）

# 输入：df_price (index=date, columns=industry_codes), window=250
# 输出：cycle_state_dict {"trend": "strong", "volatility": "pulse", "liquidity": "tight", "correlation": "sector_driven"}

def compute_slope_z(df_price, window=250):
    # 手动计算滚动回归斜率并Z-score
    slopes = []
    for code in df_price.columns:
        series = df_price[code].dropna()
        for i in range(window, len(series)):
            y = series.iloc[i-window:i].values
            x = np.arange(window)
            slope = np.polyfit(x, y, 1)[0]
            slopes.append(slope)
    return pd.Series(slopes).rolling(120).apply(lambda x: (x[-1]-x.mean())/x.std() if x.std()>0 else 0)

# 其余维度同理，禁用talib.adx，手动实现DX与ADX计算
# 最终通过查表法（非插值）映射至离散标签

关键约束：所有计算必须可复现（固定随机种子无影响）、无外部API调用、内存占用<2GB（百万级数据点）。

11. 双轨启动法的本质是建立研究信用体系

量化研究框架的起点，从来不是代码或模型，而是研究者与数据、与市场、与协作方之间建立的‘信用契约’。周期判别是向市场承诺‘我理解你当前的状态’，目标定义是向自己承诺‘我清楚要解决什么问题’。双轨启动法的每一项检查，都是对该契约的具象化签署。它不保证策略盈利，但能确保：当研究失败时，我们能精准定位是‘市场状态误判’还是‘目标定义失当’，而非陷入‘模型不好’的模糊归因。这种可追溯、可证伪、可协作的起点共识，正是量化研究区别于经验投资的核心基础设施。请谨记：没有经过双轨校准的研究，如同未校准的仪器所作的测量——数据再精美，也只是一场精密的幻觉。

12. 第 1 讲最容易走偏的四种开题方式

如果你在第 1 讲就直接开始找因子、调参数、跑回测，而没有先写清楚周期标签和目标类型，那么后面的所有“优化”都很可能只是围绕错误问题的局部修饰。入门阶段最常见的四种走偏方式是：把周期判断写成主观感受、把研究目标写成“想提升收益”这种泛化口号、把验证标准留到回测后再补，以及把不同目标类型混成一个任务包一起做。第 1 讲真正要建立的是开题纪律，而不是结果幻觉。

13. 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》。

这是本系列的开篇，重点是把后续实操会反复使用的核心概念、输入输出和判断标准先立住。

下一讲：第 2 讲《把题目缩成最小策略》。

后续安排：第 3 讲《先列一张数据检查表》；第 4 讲《信号规则要少而清楚》。

14. 风险揭示与免责声明