策略研究模块 (Strategy Research)
从 Alpha 信号到可交易策略的完整链路
模块简介
策略研究是量化交易的核心环节。如果说 alpha 研究是发现”预测信号”，那么策略研究就是将这些信号转化为可执行的交易方案。
本模块聚焦于：
- 主流策略类型：系统梳理量化界经典策略框架
- 统计套利：深入解析最经典的量化策略之一
- 信号到组合：如何从 alpha 信号构建实际可交易的投资组合
学习目标
完成本模块后，你将能够：
- 识别主流策略类型：理解动量、均值回归、统计套利、多因子等策略的核心逻辑
- 掌握协整分析：从数学原理到 Python 实现，完整掌握配对交易的基础
- 构建完整策略：从数据获取到回测评估，形成可执行的策略代码
- 理解策略风险：知道每种策略的适用场景、容量限制和潜在风险
- ML 增强策略：了解机器学习如何提升传统策略表现
前置知识
- 概率与统计基础
- 时间序列分析
- Alpha 研究基础（建议）
学习路径
graph TD A[模块概述] --> B[01-主流策略类型] B --> C[02-统计套利详解] C --> D[03-信号到组合]
文件导航
| 文件 | 内容 | 预计时间 | 难度 |
|---|---|---|---|
| 01-主流策略类型.md | 系统梳理量化主流策略类型 | 2-3h | ⭐⭐ |
| 02-统计套利详解.md | 配对交易原理、协整检验、完整代码 | 3-4h | ⭐⭐⭐ |
| 03-信号到组合.md | 组合构建、风险管理、回测框架 | 2-3h | ⭐⭐⭐ |
总预计学习时间：6-8 小时
核心概念图谱
mindmap root((策略研究)) 动量策略 时间序列动量 截面动量 均值回归 价格回归 配对交易 统计套利 协整关系 价差交易 多因子选股 因子合成 多空组合 CTA趋势 通道突破 均线系统 波动率策略 做空波动率 期限结构套利
策略研究流程
一个完整的策略研究通常包含以下步骤：
┌─────────────────────────────────────────────────────────────┐
│ 策略研究流程 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 1. 策略构思 → 挖掘市场规律，形成交易假设 │
│ (动量、均值回归、套利...) │
│ │
│ 2. 信号设计 → 将规律转化为可计算的信号 │
│ (Z-score、排名、交叉...) │
│ │
│ 3. 组合构建 → 将信号转化为持仓 │
│ (权重分配、多头/空头组合) │
│ │
│ 4. 风险管理 → 控制暴露、止损、仓位 │
│ (行业中性、市值中性、波动率控制) │
│ │
│ 5. 回测评估 → 历史数据验证策略 │
│ (收益、回撤、夏普、换手) │
│ │
│ 6. 实盘验证 → 模拟交易、逐步放大 │
│ (滑点、冲击成本、市场微观结构) │
│ │
└─────────────────────────────────────────────────────────────┘
本模块特色
- 纯 Python 实现：不依赖 qlib 或商业平台，使用 pandas/numpy/scipy
- 模拟数据驱动：每个策略都配有可运行的模拟数据代码
- 从原理到代码：先讲策略逻辑和数学原理，再给完整实现
- 实用导向：聚焦实际可执行的策略，而非纯理论
开始学习
建议按顺序学习：
- 先读 01-主流策略类型.md 了解全貌
- 再深入 02-统计套利详解.md 掌握经典策略
- 最后通过 03-信号到组合.md 学会构建完整系统
让我们开始吧！