胜可知投研平台的优势
把研究想法变成可检验、可积累的研究资产。
胜可知是一个使用大模型构建的智能策略研究平台。平台将自然语言协作与因子挖掘、评估、建模、回测和策略审核连接起来，让研究员把更多时间用在提出好问题、理解收益来源和审核风险上。
更快形成可检验的候选策略，用分层筛选约束研究质量，再把有效成果沉淀为可以复用、比较和持续跟踪的研究资产。效率优势不等于收益保证，自动研究也不等于自动决策。
研究效率
从手工研究到批量探索
把研究逻辑、问题边界和建模方法分开组织，在多个问题上复用同一条因子路线，缩短反馈周期。
过程质量
从回测收益到分层审核
连接因子 质检、训练期筛选、后置验证与人工评审，不把“生成成功”当作“可用”。
资产积累
从一次性结果到研究资产
问题、路线、因子、探索记录、策略和组合各有入口，让后续研究不必每次从零开始。
01 高效产出候选策略
研究由三项分别组织、相互衔接的要素展开：
为什么可能有效
因子路线
定义市场观察、有效性依据与失效场景，把研究想法组织成可以反复执行的因子挖掘方向。
在什么范围检验
研究问题
明确市场与标的、数据频率和时间分段，让策略面对有边界、可比较的研究任务。
如何使用因子
建模算法
定义因子的使用方式，将因子的研究价值落实为可检验的候选策略。
三要素分别组织后，因子挖掘不再只是为某一次回测临时准备指标。一条路线积累的因子可以在不同研究问题中重新评估和探索，并与不同建模方式配合。研究规模的扩展来自资产复用和标准化执行，而不是重复堆人力。
STEP 01
提出研究想法用自然语言说明市场逻辑，由智能体协助整理路线和问题边界。
STEP 02
挖掘并筛选因子生成候选、执行质检与评估，将通过筛选的结果用于后续研究。
STEP 03
执行策略探索结合研究问题和建模方式，形成候选策略与回测报告。
STEP 04
研究员审核检查收益来源、验证期表现、成本与风险，再决定是否入库。
平台连接重复执行环节，让反馈更快到达研究员。产出的是需要审核的候选策略，不是保证可实盘的策略。三要素如何协作，可继续阅读投研方法论概述。
执行效率
缩短研究反馈周期
以更低的操作负担推进多轮实验，尽早看到“这个逻辑是否值得继续研究”的证据。已有路线可直接复用，减少从因子开发开始的等待。
候选产出
形成可审核的结果
完成数量与审核通过情况受问题难度、数据规模、研究配置和计算资源影响。候选数量、有效策略数量与实盘收益是不同的事。
效率价值在于减少重复操作，不是承诺固定耗时、固定产量或固定审核通过 率。
02 严格控制研究过程
大模型擅长生成想法和候选表达式，但表达式能够运行，不代表它能够用于策略。平台从因子与策略两个层面组织检查：先关注计算与统计性质，再检查建模后的收益、持仓与分段表现。
| 检查维度 | 解决的问题 | 对研究的价值 |
|---|---|---|
| 未来信息使用 | 历史因子值是否依赖后来才出现的数据 | 帮助发现未来信息依赖，避免把不可用的历史优势带入研究。 |
| 有限性与方差 | 计算异常、无穷值、因子退化为常量 | 减少计算不可用或缺乏区分能力的结果。 |
| 分布与增量一致性 | 数据更新后历史值异常变化、分布不稳定 | 检查计算一致性与稳定性，帮助识别异常变化。 |
| 多空平衡 | 所谓择时收益实际来自单侧方向暴露 | 关注多空持仓分布，帮助识别方向偏置。 |
| 正收益记录与去重 | 历史有效性不足、重复成果膨胀 | 结合历史收益评估与去重，筛选值得进一步检验的因子。 |
质检是风险筛查，不是未来必然盈利的证明。多空平衡不能直接等同于交易胜率，历史正收益也不能代替后续检验。
训练阶段
评估与构建在训练阶段评估因子、筛选结果并构建候选策略。
后置验证
检查表现衰减分析后置验证期的风险收益，识别历史适配与明显衰减。
人工审核
判断是否合理核对收益与原始逻辑，检查回撤、成本和异常交易，再决定是否入库。
后续区间
持续观察观察研究期之后的样本外表现，再决定是否开启跟踪或纳入组合。
标准研究路径在训练阶段评估因子、构建策略，再通过后置验证分析表现衰减，随后由研究员人工审核。审核不仅看回测收益，还关注交易成本、回撤、持仓节奏与执行假设。
质量优势在于降低问题结果进入下一阶段的机会。研究期之后继续观察样本外表现，但分层检验不能消除过拟合，也不能保证因子未来有效。多轮尝试和反复查看验证结果，仍可能产生选择偏差。
交易成本与执行假设应始终纳入审核：不能把一条漂亮的净值曲线当作实际成交的证明。手续费、滑点、市场冲击与容量需要结合自己的执行方案核验，不能假 设历史回测已经覆盖全部真实成本。
03 内置时序建模算法：让优质因子发挥价值
优质因子需要合适的使用方式。胜可知内置多种时序建模算法，帮助研究员将因子转化为策略，并以统一流程检验其表现。
规范使用
从因子到策略
提供规范的建模方式，让因子的研究价值落实为可检验的策略。
多尺度分析
拓展因子应用
支持在不同时间尺度上分析同一因子，探索适合的使用场景。
提升效率
减少重复开发
复用内置算法，让研究员更专注于策略逻辑与结果审核。
04 研究资产持续复用
研究问题、因子路线、因子、探索记录、策略配置与回测结果分别积累，连接起为什么研究、在哪里检验、用了什么、得到什么。
| 沉淀的资产 | 复用与追溯价值 |
|---|---|
| 研究问题 | 保留标的、频率和时间分段边界，为不同路线提供一致的比较环境；已有定义可复用。 |
| 因子路线与因子 | 保留市场逻辑、失效场景和筛选结果，同一路线可继续挖掘，也可在其他问题上重新评估。 |
| 探索记录 | 保留实验与候选的对应关系，减少只留下胜出结果、忘记研究过程的情况。 |
| 策略配置与产物 | 保留策略配置、持仓来源与回测结果，支持回查收益和风险结构。 |
| 策略库与组合 | 将通过审核的策略作为独立资产管理，再从组合维度观察整体风险收益。 |
长期价值不是“因子越多越好”，而是可用研究资产与研究经验不断积累。已有路线可以节省重复开发时间，统一问题可以提高比较效率，失败记录与失效场景同样值得保留。
已有成果可复用、可回查、可比较，减少重复研究。产物留档有助于复盘，但不意味着所有数据、依赖 与源码版本已完全冻结为不可变复现。
05 让研究员聚焦判断
智能体与工程流程承担重复执行、进度组织与候选信息整理；研究员确认市场机制、研究边界、收益来源、失效场景、成本与风险，并掌握是否入库、加入组合或开启跟踪的决策。
交给智能体与计算流程
重复执行与信息组织
- 将想法整理为路线与研究问题草案。
- 推进因子挖掘、评估、策略探索与回测。
- 组织执行进度、候选清单与分段指标。
- 关联路线、因子、建模方式和策略配置。
由研究员掌握
研究边界与最终判断
- 市场机制是否成立，什么条件下会失效？
- 收益来自择时能力，还是方向、杠杆与偶然样本？
- 成本、回撤与交易节奏是否适合实际执行？
- 是否入库、加入组合、开启跟踪或停止使用？
候选审核支持查看年度、月度、多空、超额与回撤等表现。重点是查证据，而不是只选择最高历史收益。具体操作参见策略探索与审核。
06 从研究到持续跟踪
审核 → 入库 → 组合 → 持续跟踪与再评估，让研究成果进入长期观察，而不是止步于一次回测。
候选
比较与审核检查历史和验证表现，确认策略是否符合原始研究逻辑。
入库
默认暂停保存成果，保留是否继续使用的决策空间。
跟踪
持续更新信号按研究员的决定开启跟踪，观察持仓、净值、回撤与近期表现；加入组合需另行决定。
再评估
管理生命周期以实盘、暂停、废弃状态表达使用决策，并从组合维度继续观察。
新入库策略默认暂停。入库、加入组合、开启实盘跟踪是不同动作，由研究员分别决定。持续跟踪时观察净值、持仓、回撤与近期表现，按实盘、暂停、废弃状态管理策略生命周期。
是否保留策略，不应只由研究时的最高收益决定，还应结合后续表现、风险变化，以及与其他策略的重复程度共同判断。
适用场景与边界
当前重点是时序量价择时 / CTA，面向股票、ETF、期货等品种的择时研究；暂不支持股票截面选股或截面多空策略。
适合的研究需求
时序量价择时 / CTA
围绕股票、ETF、期货等品种的价格与成交量，研究市场机制、因子有效性与持仓择时；适合持续验证交易想法、积累路线并管理多策略的研究者。
明确的产品边界
不把工具能力写成投资承诺
结果质量受数据、问题定义、成本假设与市场环境影响。候选通过筛选与人工审核，仍不能保证未来有效。
| 常见理解 | 平台提供的价值 | 使用边界 |
|---|---|---|
| 研究效率 | 连接重复执行环节 ，缩短研究反馈周期。 | 不承诺固定耗时；效率受研究任务与资源影响。 |
| 候选产出 | 形成可以比较和审核的候选策略。 | 不承诺固定数量；候选不等于可用实盘策略。 |
| 因子质检 | 从计算可用性、历史表现与稳定性等角度筛查风险。 | 通过质检不等于没有风险或未来盈利。 |
| 训练与验证 | 标准研究路径分开构建与后置验证，并由研究员审核。 | 分层检验不能消除过拟合与选择偏差。 |
| 样本外观察 | 研究期之后继续观察策略表现。 | 后续表现仍需检验，不承诺固定观察期限或未来有效。 |
| 时序建模 | 提供规范建模方式，探索因子在不同时间尺度上的应用。 | 不意味着某种方法适合所有市场与研究问题。 |
| 算法复用 | 减少重复开发，让研究员聚焦策略逻辑与结果审核。 | 内置工具不代替研究者判断，也不构成收益保证。 |
平台围绕因子路线、研究问题与建模算法组织研究，把自然语言协作、因子挖掘、分层检查、训练期筛选、后置验证和人工审核连接起来。研究问题、因子与策略可以持续积累和复用，审核后的成果可以进入策略库、组合管理与持续跟踪流程。
平台提升研究效率、过程规范性和资产复用 能力，不替代研究者判断，不承诺收益；历史表现不代表未来表现。
准备开始研究？沿新手路线图体验从想法到可跟踪策略的完整流程。