Mandate 阶段 - 研究授权与边界冻结
目录
- 阶段定义
- 为什么需要 Mandate 阶段
- 核心内容要素
- 必须冻结的内容清单
- Formal Gate 要求
- Audit Gate 检查项
- 常见错误和反模式
- 实际案例
- 输出 Artifact 规范
- 与下一阶段的交接标准
阶段定义
**Mandate（研究授权）**是量化研究流程的第一个正式阶段，也是最重要的阶段之一。它的核心目的是在开始任何数据分析之前，冻结研究问题的边界和范围。
核心目标
- 明确研究主问题：清楚定义”我们要回答什么问题”
- 防止目标漂移：避免研究过程中悄无声息地改变研究目标
- 建立可验证的假设：确保研究结论可以被客观验证
- 划定研究边界：明确什么在研究范围内，什么不在
阶段定位
研究想法 → Mandate → Data Ready → Signal Ready → ...
↑
在这里冻结
Mandate 是所有后续阶段的宪法——一旦 Mandate 通过，后续阶段的所有工作都必须在 Mandate 定义的框架内进行。
为什么需要 Mandate 阶段
问题场景：研究目标悄无声息地改变
没有 Mandate 阶段时，常见的问题是：
场景 1：目标漂移
初始想法：研究动量信号在加密货币市场的有效性
中途发现：波动率信号看起来更有趣
最终结果：实际上研究的是波动率，但报告仍然说"动量研究"
场景 2：范围膨胀
初始定义：只研究主流币（BTC、ETH、主要稳定币）
中途发现：加入一些山寨币后收益更好
最终结果：无法确定收益是来自信号还是标的筛选
场景 3：假设匹配
先看到数据：发现某个时间段有很好表现
后定义假设：宣称"早就知道这个时间窗口有效"
最终结果：实际上是在过拟合历史数据
Mandate 的解决方案
通过 Mandate 阶段，我们：
- 提前写清楚：在看到任何结果之前，把研究问题写下来
- 冻结边界：Universe、时间窗、信号机制在开始前就固定
- 建立基线：后续所有结果都相对于这个冻结的基线来评估
- 防止作弊：无法事后修改研究问题来匹配结果
量化研究中的类比
Mandate 就像临床试验中的试验注册：
- 你必须在开始试验前注册你要测试的假设
- 不能在看到结果后修改主要终点
- 所有次要分析都必须明确标记为探索性
核心内容要素
一个完整的 Mandate 必须包含以下五个核心要素：
1. 研究主问题（Research Question）
定义：研究要回答的单一、明确的问题。
规范格式：
在 [Universe] 中，使用 [信号机制]，
在 [时间窗] 上，是否能够获得 [预期方向] 的收益？
示例：
"在 Top 50 加密货币交易对中，
使用 20 日动量信号，
在 2020-2024 年期间，
是否能够获得正风险调整收益？"
质量标准：
- ✅ 具体可测：能够明确判断”是”或”否”
- ✅ 单一问题：一个 Mandate 只回答一个问题
- ✅ 可证伪：存在可能证明假设不成立的证据
- ❌ 模糊表达：“研究各种信号的效果”
- ❌ 多重问题：“动量和均值回归哪个更好”
2. 时间窗（Time Window）
定义：研究的起止时间，以及如何切分 Train/Test/Backtest/Holdout。
必须指定：
整体研究窗:
开始: 2020-01-01
结束: 2024-12-31
时间切分:
Train: 2020-01-01 → 2022-12-31
Test: 2023-01-01 → 2023-12-31
Backtest: 2024-01-01 → 2024-06-30
Holdout: 2024-07-01 → 2024-12-31
切分原则:
- 按日历时间切分，不允许随机切分
- Train 不得少于 2 年数据
- Test 必须是完整的日历年
- Holdout 必须完全未参与任何设计为什么重要：
- 时间序列数据不能随机切分
- 必须保证未来数据不会泄漏到过去
- Holdout 提供最终的真实性检验
3. Universe（标的集合）
定义：研究对象的具体范围。
规范格式：
Universe 定义:
准入口径:
- CoinMarketCap Top 50 by 24h volume
- 稳定币排除
- 必须有至少 1 年历史数据
更新频率:
Mandate 冻结后不再更新
基线集合:
BTC, ETH, BNB, SOL, ADA, XRP, DOT, ...
(完整列表见附件 universe_manifest.csv)
明确排除:
- 稳定币（USDT, USDC, ...）
- 杠杆代币（BTCUP, ETHDOWN, ...）
- 缺乏流动性的长尾币常见错误：
- ❌ “主要加密货币”（太模糊）
- ❌ 研究中途悄悄添加新币
- ❌ 根据结果筛选标的
4. 信号机制（Signal Mechanism）
定义：要研究的具体信号或策略逻辑。
规范描述：
信号名称: 20 日动量信号
计算方法:
1. 获取过去 20 天的收盘价序列
2. 计算 momentum = (今日价格 - 20 日前价格) / 20 日前价格
3. 按 momentum 分为 5 个分位组
信号逻辑:
- Long: momentum 最高分位
- Short: momentum 最低分位（可选）
- Rebalance: 每周调整
参数:
- 回看窗口: 20 天
- 分位组数: 5
- 调整频率: 每周
边界条件:
- 最少历史天数: 20 天
- 缺失处理: 排除当日关键要求：
- 完全可复现：不同人实现应得到相同结果
- 明确边界：处理异常情况的规则
- 参数明确：所有参数值在 Mandate 中固定
5. 参数边界（Parameter Boundaries）
定义：允许探索的参数范围，以及不允许触碰的边界。
示例：
可探索参数:
回看窗口: [10, 20, 40, 60] 天
分位组数: [3, 5, 10]
调整频率: [每日, 每周, 每月]
冻结参数:
- 信号类型：动量（不允许改用其他信号）
- 基础价格：收盘价（不允许用 OHLC 其他价格）
- Universe：不允许事后筛选
禁止修改:
- 研究主问题
- Universe 定义
- 时间切分
- 信号的基本逻辑区别说明：
- 可探索参数：在 Train 阶段可以优化的参数
- 冻结参数：Mandate 通过后不能修改的参数
- 禁止修改：任何阶段都不能改的核心设定
必须冻结的内容清单
冻结原则
什么是冻结？冻结意味着在 Mandate 通过后，这些内容不能以任何理由修改，除非：
- 发现了实现 bug（需要 Rollback 流程）
- 开启新的 Child Lineage（新的研究方向）
完整冻结清单
| 类别 | 冻结内容 | 冻结后可以做什么 |
|---|---|---|
| 研究问题 | 研究主问题的准确表述 | 可以添加次要分析，但不能改主问题 |
| Universe | 准入口径和基线集合 | 可以在 Test 阶段淘汰坏标的，不能添加新标的 |
| 时间窗 | 整体研究窗和切分点 | 不允许修改任何时间边界 |
| 信号逻辑 | 信号的基本定义和计算方法 | 可以优化参数，不能改变信号类型 |
| 假设方向 | 预期的收益方向（正/负） | 不能看到负收益后改说”我们早就知道” |
| 评估指标 | 主要评估指标（如 Sharpe） | 可以添加辅助指标，不能换主要指标 |
| 数据源 | 使用的数据源和版本 | 不能在研究中途换数据源 |
冻结时间点
Mandate 阶段开始 → 撰写 Mandate 文档 → 团队评审 → Mandate 通过
↑
所有内容在此冻结
解冻的唯一途径
如果发现必须修改冻结内容，只有两条路径：
路径 1：Rollback（回退）
适用场景: 发现实现 bug、数据 bug
流程:
1. 记录 rollback_stage
2. 明确 allowed_modifications
3. 重新执行受影响的阶段
4. 不能改变研究主问题路径 2：Child Lineage（子谱系）
适用场景: 研究方向发生实质变化
流程:
1. 创建新的 lineage_id
2. 从 Mandate 开始新研究线
3. 两条谱系独立运行
4. 不能自动替换主线Formal Gate 要求
Formal Gate 是硬性要求，不满足不能宣布 Mandate 完成。
Gate 必需项
FG-1: 研究主问题清晰可测
检查标准:
- 问题表述符合规范格式
- 可以明确判断假设是否成立
- 单一问题，非多重问题
- 包含 Universe、信号、时间窗三要素
验收方式:
- 文档审查
- 必须通过 5 分钟可理解性测试FG-2: 时间窗完整冻结
检查标准:
- 明确指定整体研究窗起止时间
- 完成 Train/Test/Backtest/Holdout 切分
- 切分符合规范（时间顺序、长度要求）
- 没有预留"待定"时间边界
验收方式:
- machine-readable 时间窗配置文件
- 人工审查切分合理性FG-3: Universe 明确定义
检查标准:
- 准入口径清晰无歧义
- 基线集合完整列出
- 明确排除项目说明
- 提供可验证的标的清单文件
验收方式:
- universe_manifest.csv
- 准入口径的算法实现（如脚本）FG-4: 信号机制完整描述
检查标准:
- 计算方法分步骤描述
- 所有参数明确指定或给出边界
- 边界条件处理规则清晰
- 不同人实现应得到相同结果
验收方式:
- 信号逻辑的伪代码或公式
- 参数边界表FG-5: 输出 Artifact 完整
检查标准:
- mandate.yml（机器可读配置）
- mandate_summary.md（人类可读总结）
- universe_manifest.csv（标的清单）
- time_window_config.json（时间窗配置）
验收方式:
- 文件存在性检查
- 配置文件格式验证Gate 决策术语
PASS:
所有 FG 满足，可以进入 Data Ready 阶段
CONDITIONAL PASS:
核心要素满足，次要问题可以后续补充
必须明确列出条件
RETRY:
存在可以修复的问题，需要修改后重新提交
NO-GO:
研究问题本身存在缺陷，不建议继续Audit Gate 检查项
Audit Gate 是补充性检查，用于记录和解释，但不直接阻断晋级。
Audit 检查项
AG-1: 研究动机记录
目的: 记录为什么选择这个研究问题
记录内容:
- 研究背景和市场观察
- 预期贡献或应用场景
- 与现有研究的关系
价值: 帮助未来回顾研究动机AG-2: 风险评估
目的: 提前识别可能的研究风险
评估维度:
- 数据可用性风险
- 信号可计算性风险
- 过拟合风险
- 执行可行性风险
价值: 提前准备应对方案AG-3: 资源需求评估
目的: 估算研究所需资源
评估内容:
- 计算资源需求
- 数据存储需求
- 预期耗时
- 人力投入
价值: 帮助排期和优先级排序AG-4: 文献/先例参考
目的: 站在前人肩膀上
记录内容:
- 相关学术论文
- 团队历史研究
- 业界最佳实践
价值: 避免重复已知失败的方向Audit 记录原则
必需性:
- 可以回答"不知道"，但不能不记录
用途:
- 积累团队经验
- 识别潜在问题
- 不是晋级障碍
禁止:
- 不能用 audit-only 发现偷换 formal gate常见错误和反模式
错误 1：模糊的研究问题
反模式：
❌ "研究各种技术指标在加密货币市场的表现"
❌ "探索动量策略的优化空间"
❌ "寻找有效的交易信号"
为什么错误：
- 无法判断假设是否成立
- 范围太大，无法执行
- 容易在研究中途改变目标
正确做法：
✅ "在 Top 50 加密货币中，20 日动量信号
在 2020-2024 年期间是否能够产生正风险调整收益？"
错误 2：Universe 悄悄改变
反模式：
# Mandate 阶段
universe = top_50_by_volume()
# 研究中途发现
universe = top_100_by_volume() # 俏俏扩大了
# 或者
universe = [c for c in top_50 if c.sharpe > 0] # 按结果筛选后果：
- 无法确定收益来自信号还是标的筛选
- 违反了 Mandate 冻结原则
正确做法：
- 在 Mandate 中明确 Universe
- 研究中途只可以淘汰坏标的，不能添加
- 如果确实需要改 Universe，开启 Child Lineage
错误 3：时间窗随意调整
反模式：
# Mandate 定义
Train: 2020-2021
Test: 2022
# 发现 Test 效果不好
Train: 2020-2022 # 悄悄把 Test 并入 Train
Test: 2023 # 重新选择 Test 窗口
后果：
- 样本外验证失效
- 本质上是在过拟合
正确做法：
- Mandate 冻结时间窗
- 如果时间窗确实有问题，Rollback 到 Mandate
- 重新定义后再继续
错误 4：信号逻辑中途改变
反模式：
Mandate: 研究"简单动量"信号
研究过程: 加入均值回归、波动率加权、
自适应参数...
实际结果: 变成了"混合信号"，
但仍然报告为"动量研究"
后果：
- 无法分离各种成分的贡献
- 失去了研究的清晰性
正确做法：
- Mandate 明确信号边界
- 如果发现需要新信号，创建新的 Mandate
- 可以在 Mandate 中预设”扩展方向”
错误 5：缺少参数边界
反模式：
Mandate: "研究动量信号"
实现: 随意尝试各种参数组合
10天、20天、50天、100天...
每日、每周、每月调整...
加入各种过滤条件...
后果：
- 参数搜索空间无限
- 容易陷入过拟合
- 无法界定研究范围
正确做法：
Mandate 明确:
可探索参数:
回看窗口: [10, 20, 40, 60]
分位数: [3, 5, 10]
调整频率: [每日, 每周]
禁止:
- 添加新的过滤条件
- 引入其他信号
- 改变信号基本逻辑实际案例
案例 1：加密货币动量策略研究
Mandate 文档示例
研究主问题:
文本: 在 CoinMarketCap Top 50 加密货币中，
基于 20 日动量信号构建的多空组合，
在 2020-2024 年期间是否能够获得
显著为正的风险调整收益？
假设方向: 动量溢价为正
主要评估指标: Sharpe Ratio
时间窗:
研究范围: 2020-01-01 至 2024-12-31
Train: 2020-01-01 至 2022-12-31 (3年)
Test: 2023-01-01 至 2023-12-31 (1年)
Backtest: 2024-01-01 至 2024-06-30 (6个月)
Holdout: 2024-07-01 至 2024-12-31 (6个月)
Universe:
准入口径:
- CoinMarketCap 24h 交易量 Top 50
- 排除稳定币（USDT, USDC, DAI, ...）
- 排除杠杆代币（UP/DOWN 系列）
- 至少 1 年历史数据
基线数量: 42 个交易对
完整列表: 见 universe_manifest.csv
明确排除:
- 所有稳定币
- 杠杆代币
- 2023 年后上市的新币
信号机制:
信号名称: 20 日动量分位数
计算步骤:
1. 获取每个标的过去 20 天收盘价
2. 计算动量: (P_t - P_{t-20}) / P_{t-20}
3. 跨所有标的计算动量分位数（5 分位）
4. Long 组: 分位数 Q5（动量最高）
5. Short 组: 分位数 Q1（动量最低）
构建规则:
- 等权重组合
- 每周 rebalance
- 使用当日收盘价执行
边界条件:
- 数据不足 20 天: 排除当日该标的
- 价格异常: 如果当日价格变动 > 50%，标记为异常
- 退市处理: 最后一个交易日退出，不再计入
参数边界:
可探索参数 (Train 阶段):
- 回看窗口: [10, 20, 40, 60] 天
- 分位组数: [3, 5, 10]
- 调整频率: [每日, 每周, 每月]
冻结参数:
- 信号类型: 动量（不改用其他信号）
- 基础价格: 收盘价
- 组合构建: 等权重
禁止修改:
- 研究主问题
- Universe 定义
- 时间切分
- 动量信号的基本逻辑
数据源:
价格数据: Binance Spot OHLCV
参考数据: CoinMarketCap (用于 Universe 构建)
数据版本: v1.0 (2025-01-15 导出)
预期贡献:
学术: 验证实证资产动量溢价在加密货币市场存在
实践: 为多空策略提供基础信号
风险评估:
- 动量崩溃风险: 市场反转时可能大幅回撤
- 流动性风险: 部分 Top 50 标的流动性可能不足
- 执行风险: 每周 rebalance 的滑点成本
资源需求:
计算资源: 中等（单机可完成）
预期耗时: 2-3 周
人力: 1 名研究员
Gate Decision: [待 Data Ready 完成后评审]Gate 评审记录
评审人: 团队 Lead
评审时间: 2025-01-20
评审结论: CONDITIONAL PASS
通过项:
✅ FG-1: 研究主问题清晰可测
✅ FG-2: 时间窗完整冻结
✅ FG-3: Universe 明确定义
✅ FG-4: 信号机制完整描述
✅ FG-5: 输出 Artifact 完整
条件:
⚠️ 需要补充:
1. 明确"风险调整收益"的具体计算方法
2. 补充执行成本的初步估计
3. 明确 Sharpe 计算的频率（日/周/月）
下次评审: Data Ready Gate案例 2：失败的 Mandate（反面教材）
问题分析
原 Mandate:
研究问题: "研究加密市场的各种技术指标"
问题:
❌ 太宽泛，无法判断假设是否成立
❌ "各种指标"没有具体化
❌ 缺少时间窗定义
❌ Universe 模糊（"加密市场"）
Gate 结果: NO-GO
原因:
- 无法从研究结果判断假设是否成立
- 范围太大，实际无法执行
- 容易在研究中途改变目标
建议:
缩小研究范围，选择一个具体信号
重新撰写 Mandate输出 Artifact 规范
必需的输出文件
1. mandate.yml（机器可读配置）
# Mandate 配置文件
mandate:
version: "1.0"
created_at: "2025-01-20"
lineage_id: "momentum_top50_v1"
research_question:
text: "在 CoinMarketCap Top 50 加密货币中，基于 20 日动量信号..."
hypothesis_direction: "positive"
primary_metric: "sharpe_ratio"
time_window:
study_start: "2020-01-01"
study_end: "2024-12-31"
splits:
train:
start: "2020-01-01"
end: "2022-12-31"
test:
start: "2023-01-01"
end: "2023-12-31"
backtest:
start: "2024-01-01"
end: "2024-06-30"
holdout:
start: "2024-07-01"
end: "2024-12-31"
universe:
eligibility_criteria:
- "CMC Top 50 by 24h volume"
- "Exclude stablecoins"
- "Exclude leveraged tokens"
- "Min 1 year history"
baseline_count: 42
manifest_file: "universe_manifest.csv"
signal:
name: "momentum_20d_decile"
type: "momentum"
description: "20-day return cross-sectional ranking"
calculation:
lookback_window: 20
quantiles: 5
rebalance_frequency: "weekly"
parameters:
exploratory:
lookback_window: [10, 20, 40, 60]
n_quantiles: [3, 5, 10]
rebalance_frequency: ["daily", "weekly", "monthly"]
frozen:
signal_type: "momentum"
price_type: "close"
weighting: "equal"
data_source:
price_data: "binance_spot_ohlcv"
reference_data: "coinmarketcap"
version: "v1.0"
export_date: "2025-01-15"2. mandate_summary.md（人类可读总结）
# Mandate: 加密货币动量策略研究
## 研究问题
在 Top 50 加密货币中，20 日动量信号在 2020-2024 年是否产生正风险调整收益？
## 核心假设
动量溢价在加密货币市场存在，即过去表现好的资产会继续表现好。
## 研究范围
- **Universe**: CMC Top 50（排除稳定币和杠杆代币）
- **时间**: 2020-2024，按 Train/Test/Backtest/Holdout 切分
- **信号**: 20 日动量，5 分位数，等权重组合
## 预期贡献
- 学术：验证加密市场动量溢价
- 实践：提供基础多空信号
## 风险评估
- 动量崩溃风险
- 流动性风险
- 执行成本风险
## Gate 决策
待 Data Ready 完成后评审3. universe_manifest.csv（标的清单）
symbol,included,reason,listing_date
BTC,TRUE,Baseline,2010-01-01
ETH,TRUE,Baseline,2015-08-07
BNB,TRUE,Baseline,2017-09-01
...
USDT,FALSE,Stablecoin,2014-10-06
BTCUP,FALSE,Leveraged token,2020-05-194. time_window_config.json（时间窗配置）
{
"study_window": {
"start": "2020-01-01",
"end": "2024-12-31"
},
"splits": {
"train": {
"start": "2020-01-01",
"end": "2022-12-31",
"duration_days": 1096
},
"test": {
"start": "2023-01-01",
"end": "2023-12-31",
"duration_days": 365
},
"backtest": {
"start": "2024-01-01",
"end": "2024-06-30",
"duration_days": 182
},
"holdout": {
"start": "2024-07-01",
"end": "2024-12-31",
"duration_days": 184
}
},
"split_principle": "chronological_no_overlap",
"holdout_purpose": "final_validation_no_design_leakage"
}Artifact 目录结构
project_root/
├── mandates/
│ └── momentum_top50_v1/
│ ├── mandate.yml # 机器可读配置
│ ├── mandate_summary.md # 人类可读总结
│ ├── universe_manifest.csv # 标的清单
│ ├── time_window_config.json # 时间窗配置
│ ├── field_dictionary.md # 字段说明
│ └── artifact_catalog.md # 产物目录
与下一阶段的交接标准
Data Ready 阶段的输入要求
Mandate 完成后，Data Ready 阶段需要明确的输入：
交接清单
| 项目 | 交付物 | 格式 | 用途 |
|---|---|---|---|
| 研究范围 | mandate.yml | YAML | 指导数据需求 |
| 标的列表 | universe_manifest.csv | CSV | 数据提取范围 |
| 时间范围 | time_window_config.json | JSON | 数据提取时间 |
| 数据源 | mandate.yml 中定义 | 文本 | 数据源选择 |
| 字段需求 | 信号描述 | 文本 | 确定需要的字段 |
交接验收标准
Data Ready 可以开始的条件:
✅ mandate.yml 通过格式验证
✅ universe_manifest.csv 包含所有必需字段
✅ time_window_config.json 时间范围合理
✅ 数据源明确且可访问
✅ 字段需求清晰可理解
验收方式:
- 自动化脚本验证配置文件格式
- 人工审查研究范围合理性
- 数据源可用性检查
Gate 决策:
Mandate PASS → 可以开始 Data Ready
Mandate CONDITIONAL PASS → 满足条件后开始
Mandate RETRY → 修改后重新提交
Mandate NO-GO → 终止当前研究方向Frozen Spec 的传递
Mandate Frozen Spec:
包含内容:
- 研究主问题（不可修改）
- Universe 定义（不可扩展）
- 时间切分（不可调整）
- 信号基本逻辑（不可改变）
传递方式:
- mandate.yml 作为 Data Ready 的输入
- Data Ready 只能验证，不能修改
违反后果:
- 如果 Data Ready 修改了冻结内容
- 整条研究线失效
- 需要从 Mandate 重新开始版本控制
Mandate 版本:
命名规范: {研究类型}_{主要特征}_v{版本号}
示例: momentum_top50_v1, reversal_stablecoins_v2
版本锁定:
- 一旦通过 Gate，版本锁定
- 任何修改需要新版本号
- 旧版本归档保留
Lineage 追踪:
- 每个 Mandate 分配唯一 lineage_id
- 后续所有阶段标记相同 lineage_id
- Child Lineage 使用新的 lineage_id总结：Mandate 的核心价值
防止什么
- 目标漂移：研究中途悄无声息地改变目标
- 范围膨胀：不断添加新的标的、信号、参数
- 假设匹配：根据结果修改假设
- 样本污染：未来数据泄漏到过去
- 过拟合：在历史数据上找规律
确保什么
- 清晰的研究问题：知道要回答什么
- 固定的研究边界：知道什么能做、什么不能做
- 可验证的假设：能够判断假设是否成立
- 可复现的过程：不同人能重现研究结果
- 诚实的验证：样本外验证真正有效
成功的 Mandate 特征
一个成功的 Mandate 应该:
清晰:
- 5 分钟能向新人解释清楚
- 研究问题可以用一句话说明
可测:
- 能够明确判断假设是否成立
- 评估指标客观可计算
冻结:
- 核心要素不预留模糊空间
- 后续阶段"照单执行"即可
诚实:
- 不预设结论
- 允许假设被证伪
可行:
- 数据可获得
- 计算可实现
- 资源可满足最后的提醒
Mandate 花费的时间：1-2 天
节省的时间：后续阶段避免走弯路
偷懒 Mandate 的代价：
- 中途发现方向不对
- 结果无法解释
- 整条研究线推倒重来
好的 Mandate 是成功研究的一半
附录：Mandate 模板
快速开始模板
# Mandate 模板
# 复制此文件并填写具体内容
mandate:
version: "1.0"
created_at: "YYYY-MM-DD"
lineage_id: "{研究类型}_{主要特征}_v1"
research_question:
text: "在 [Universe] 中，使用 [信号机制]，在 [时间窗] 上，是否能够获得 [预期方向] 的收益？"
hypothesis_direction: "positive/negative"
primary_metric: "sharpe_ratio/returns/drawdown/..."
time_window:
study_start: "YYYY-MM-DD"
study_end: "YYYY-MM-DD"
splits:
train: {start: "...", end: "..."}
test: {start: "...", end: "..."}
backtest: {start: "...", end: "..."}
holdout: {start: "...", end: "..."}
universe:
eligibility_criteria:
- "准入口径 1"
- "准入口径 2"
baseline_count: N
manifest_file: "universe_manifest.csv"
explicit_exclusions:
- "排除项目 1"
- "排除项目 2"
signal:
name: "{信号名称}"
type: "{信号类型}"
description: "{信号描述}"
calculation:
parameter_1: value_1
parameter_2: value_2
parameters:
exploratory:
parameter_1: [value1, value2, ...]
frozen:
parameter_2: "固定值"
data_source:
primary_data: "{数据源}"
version: "{版本}"文档版本: v1.0 最后更新: 2025-01-20 维护者: 量化研究团队 反馈: 请在团队会议中提出改进建议