新手路线图：从想法到可跟踪策略

本指南适合第一次使用胜可知，希望把主观交易经验、经典量价策略或金工研报转化为可复核量化策略的用户。

你将完成什么

形成一条可解释的因子路线，设定一个研究问题，执行因子挖掘与策略探索，审核候选策略并保存入库；随后用样本外表现决定是否开启实盘跟踪。

当前范围

胜可知当前聚焦时序量价择时 / CTA。你可以围绕股票、ETF、期货等品种做择时研究；暂不支持股票截面选股或截面多空策略。

1. 先看全流程

把每一步看成一个小交付物：先明确自己相信的市场逻辑，再把它沉淀为因子资产；之后用指定的研究问题寻找策略，最后进入样本外观察与实盘决策。

阶段	本步产物	关键判断
研究想法	可解释的市场现象或交易逻辑	为什么可能赚钱？什么情况下失效？
因子路线与挖掘	一组相对独立、经过筛选的因子	新增有效因子是否仍值得继续挖掘？
研究问题与探索	一批候选策略	路线与标的、频率是否匹配？
审核与入库	策略库中的暂停策略	成本、超额、回撤与逻辑是否一致？
样本外与实盘	持续更新的可跟踪策略	后续表现是否支持开启或继续实盘？

2. 从哪里获得研究想法

好的起点不是“找一个历史收益最高的公式”，而是一个能说明收益来源的假设。常见来源有三类：

• 主观交易经验：例如某类趋势启动时，量能与价格结构同时改善，趋势可能更易延续。
• 经典量价策略：例如趋势跟踪、突破、均值回归、RSRS 等。优先理解底层逻辑，而不是机械复现旧样本曲线。
• 金工研报与公开研究：把研报中的市场机制、观察变量与失效情形提炼出来，作为新的研究路线。

无论想法来自哪一类，把它沉淀为一条研究路线之前，先说清楚三个问题：

• 看什么：价格、成交量、波动、结构或其他可计算的市场现象。
• 为什么可能有效：例如趋势延续、行为偏差、流动性或信息扩散，而不是“历史上看起来赚钱”。
• 什么时候会失效：例如震荡市、流动性骤降、市场制度或参与者结构变化。

提示

可以使用大模型或 Agent 从研报中提出多条候选路线，但最终选择前，应由你确认收益来源和失效情形。这样在后续审核策略时，才有依据判断一段收益或回撤是否合理。

3. 设定研究问题：决定策略在哪个场景接受检验

研究问题定义了交易什么、用什么频率、在哪些时间段训练和验证。它与因子路线是两件事：路线描述你相信的市场逻辑；研究问题定义这条逻辑在哪个交易场景里使用。

选择品种与标的池

使用情形	标的选择方式	适合解决的问题
单品种择时	一个股票、ETF 或期货品种	围绕单一品种做进出场判断。需要多条低相关路线共同验证，避免只用一个因子下结论。
高相关标的组合	将走势和风险特征相近的品种放入同一问题，例如相关性较高的股指期货	让策略在同类市场环境中验证与复用。
风险分散组合	按事先可解释、可复现的规则选择标的	研究多资产的择时与风险分散。不要根据后来的涨跌回头挑选标的，否则会引入未来信息。

创建时请先确认市场分类。平台将股票与 ETF 分开处理：如果要搜索 ETF，请先切换到 ETF 市场，否则可能找不到目标标的。

选择频率与时间段

频率应匹配想法的作用周期：短周期信号可选择分钟级，趋势或中期逻辑可从日线开始。研究时间建议拆为：

1. 训练集 A/B/C：用于训练和交叉验证，降低只在单一历史阶段表现好的过拟合风险。
2. 后置验证：不参与策略建模的历史区间，用于检验策略在未见数据上的表现。
3. 入库后的后续区间：研究阶段不可见；保存入库后才能查看并持续跟踪，非常接近真实实盘运行条件。

避免未来信息

标的池、训练区间和验证区间应在研究开始前确定。不要根据后置验证或后来行情反复调参、重选品种，再把结果当作独立验证。

4. 生成因子路线并重复执行因子挖掘

因子路线是对底层市场逻辑的简洁描述。它不必是一条精确公式，而是一条让系统围绕同一逻辑持续发散的研究方向。 例如，RSRS 案例的重点不是复刻某个旧指标，而是围绕价格结构、斜率与残差关系，寻找能表达该逻辑的一组因子。

执行步骤

1. 进入因子管理，选择已有路线，或把经过梳理的研究想法创建为新路线。
2. 阅读路线的核心观察、有效性依据和失效场景，确认它与你准备研究的标的与频率相容。
3. 点击启动因子挖掘，确认本次费用后提交任务。
4. 任务完成后，查看本次漏斗结果、入库数量和代表因子；优先读中文说明，必要时再查看公式定义。
5. 若路线仍能持续产生足够的新增、相对独立因子，可以再次执行；若每次只留下很少新增因子，或首轮产出就很差，应停下来复核路线逻辑。

怎么看挖掘结果

• 去重：高相关的冗余因子会被过滤，避免用大量相似表达制造“很多因子”的错觉。
• 体检：异常、缺失严重、无波动或包含未来信息的因子会被排除。
• 正向检验与入库：只有在多个评估场景下具备正收益预期的因子，才会进入因子资产库。

提示

因子挖掘会消耗额度。重复执行前，先看本次的新增产出和路线质量；“挖得更多”不是目标，“积累更多相对独立、可复核的有效因子”才是目标。

创建路线与重复挖掘清单

要写清的内容	示例问题	目的
路线名称	这条路线用市场现成的名字怎么称呼？	便于检索、比较和避免重复创建。
核心观察	具体观察价格、量能、波动或结构中的什么关系？	让因子生成围绕同一市场逻辑发散。
有效性依据	收益可能来自趋势延续、行为偏差、流动性，还是信息扩散？	为后续收益和回撤复盘提供判断依据。
失效场景	震荡、假突破、流动性骤降或市场结构变化时会怎样？	避免把任何历史曲线都解释成“有效”。

观察到的结果	下一步
仍有较多新增、相对独立且通过检验的因子	可以再次执行挖掘，继续积累该路线的因子库。
新增入库因子明显减少，且大多与既有因子相似	停止追加，把额度转向其他有差异的研究路线。
首轮产出很差，或表现无法用原先逻辑解释	先修订或放弃路线假设，不要只靠增加挖掘次数解决。

因子库是可复用资产

一次挖掘沉淀下来的因子库，不绑定某一个研究问题。之后可以在不同标的池、频率或同类交易场景的研究问题中重复用于策略探索；新建研究问题时，不需要从零再挖同一批因子。

5. 用指定路线在指定研究问题上探索策略

策略探索把两个输入组合起来：研究问题决定交易场景，因子路线提供可用因子。从研究问题发起一次探索：

1. 从研究问题进入：在“策略管理 → 研究问题”中选定目标问题，点击“启动探索”。
2. 选择因子路线：选择已完成挖掘、且与你的标的与频率相匹配的路线；确认本次费用后提交。
3. 等待任务完成：完成后回到“策略审核”，按研究问题和本次执行记录找到候选策略。
4. 确认候选已生成：列表应显示候选策略、使用的因子路线、频率、模型及关键绩效字段；从这里逐条打开进入审核。

一次探索通常会产出多条候选策略。它们可能因建模算法、入选因子和权重不同而呈现不同收益路径。不要因为候选数量多就全部入库，而应逐条审核。

复用方式

同一条因子路线挖出的因子库，可被多个研究问题重复调用。例如，同一条量价趋势路线可以分别用于不同 ETF 组合、单品种或相关品种组合的择时探索。

6. 审核候选策略：先成本，后超额，再看回撤

审核候选策略不是挑出历史总收益最高的一条，而是确认其收益能否覆盖成本、是否具备独立超额，以及盈亏是否符合路线逻辑。建议按以下顺序逐条审核：

1. 单笔收益是否覆盖成本：不同市场的手续费、滑点与冲击成本不同。会议案例中，ETF 单边约 2 BP、股票单边至少约 10 BP、股指期货双边约 5 BP；这些是经验量级，实际应按你的标的、账户和执行方式复核。
2. 看多头与空头的超额：不要只看绝对净值。多头超额反映多头相对基准是否有优势；空头超额反映空头在相应市场环境下是否提供对冲或独立收益。
3. 看验证期与回撤：训练期表现好不代表验证期也好。查看最大回撤、修复时间、年度或月度表现，并结合当时行情解释它是否符合路线逻辑。
4. 复核交易点：有主观交易经验的用户，可以查看最赚钱和最亏钱交易的开平仓点，判断方向与时点是否合理。

关于归一化曲线

因子择时会动态调权，绝对年化收益不一定能直接代表可配置后的结果。20% 年化波动率归一化曲线用于更直观地比较策略、多头、空头和基准；夏普、卡玛、超额和回撤仍是审核重点。

7. 保存入库、样本外观察与开启实盘

审核通过后，点击保存入库。这一步会把策略放进策略库，初始状态为暂停；它不是开启实盘。

阶段	你能做什么	应重点观察什么
保存入库（暂停）	在策略库中查看研究期之后的历史表现；不更新实盘信号。	多头、空头超额是否延续，回撤是否在可解释范围内。
样本外观察	基于未参与建模的后续历史区间，验证策略是否出现衰减。	若多头超额出现显著回撤，例如约 20% 以上，应作为人工复核预警线，而非自动淘汰规则。
开启实盘	策略持续更新持仓与净值，可通过通知或开放平台衔接执行。	实际成本、信号更新、持仓风险与后续表现；不适合时可以暂停。

完成标准

你已经能用自己的话说明这条策略的路线逻辑、适用标的、训练与验证边界、收益与回撤来源，并能说清为什么当前选择继续观察、开启实盘或暂停。