传统量化流程涉及的专业术语
本文档整理了量化研究流程中新手可能难以理解的专业术语，按类别进行说明。
1. 研究阶段与流程术语
Mandate (研究授权/任务书)
- 定义：研究的起点阶段，用于冻结研究问题的边界和范围
- 重要性：防止研究过程中悄无声息地改变研究目标
- 核心内容：研究主问题、时间窗、Universe、信号机制、参数边界等
Data Ready (数据就绪)
- 定义：确认原始数据可以被转换为可研究的数据基础层
- 目的：防止把数据问题误认为是alpha信号
- 关键检查：数据对齐、缺失处理、质量控制(QC)、覆盖审计
Signal Ready (信号就绪)
- 定义：将研究对象定义为统一、可复现的信号字段合同
- 核心任务：固定信号字段定义、时间标签、参数身份
- 输出：参数清单(param manifest)、信号时序、字段合同
Train Calibration (训练校准)
- 定义：在不接触未来数据的前提下，“定尺子”的阶段
- 职责：冻结阈值、分位切点、质量过滤标准
- 禁忌：不能根据test结果回头重算train阈值
Test Evidence (测试证据)
- 定义：在独立样本上验证冻结后的信号结构是否成立
- 目的：验证方向和结构，而非收益最大化
- 关键：只能复用Train已冻结的尺子，不能重估
Backtest Ready (回测就绪)
- 定义：验证冻结后的交易规则在独立样本外窗口是否可交易
- 要求：必须完成vectorbt、backtracer双引擎回测
- 异常检查：当收益异常高时，必须触发sanity check
Holdout Validation (留存验证)
- 定义：在完全未参与设计的最终窗口验证方案是否仍然有效
- 价值：提供最后的验证，防止过拟合
- 禁忌：不能用holdout调任何参数
Shadow Admission (影子准入)
- 定义：策略进入模拟实盘环境前的治理准入
- 要求：补充执行语义、撮合假设、容量、成本、监控方案
- 注意：不等于最终投产，只是更高级别的准入
2. 统计与测试术语
In-Sample / Out-of-Sample (样本内/样本外)
- IS：用于训练、参数优化的历史数据
- OOS：未参与训练和参数优化的独立验证数据
- 原则：决不能用OOS数据来调整参数或规则
Formal Gate (正式门禁)
- 定义：阶段必须满足的硬性要求，不满足不能晋级
- 作用：防止因为”看起来不错”就跳过关键检查
- 例子：数据覆盖达标、双引擎一致性、异常收益复核
Audit Gate (审计门禁)
- 定义：补充性检查项，用于解释和记录，但不直接阻断晋级
- 作用：积累经验，识别潜在问题
- 区别：audit-only发现不能偷换成formal gate
Look-ahead Bias (前视偏差)
- 定义：在计算时使用了当时不可获得的未来信息
- 后果：造成虚假的良好表现
- 例子：用当日收盘价做盘中交易决策
Survivorship Bias (幸存者偏差)
- 定义：只保留通过的结果，忽略失败案例
- 后果：高估策略表现
- 防范：必须保留负结果和失败路径
3. 数据与信号术语
Universe (标的集合)
- 定义：研究対象的标的范围，如加密货币交易对
- 冻结原则：研究开始后不得悄无声息地更改
- 准入口径：明确什么条件下可以纳入标的
Time Split (时间切分)
- 定义：将历史数据划分为Train、Test、Backtest、Holdout窗口
- 目的：确保各阶段数据独立性
- 要求：必须在Mandate阶段冻结
Time Alignment (时间对齐)
- 定义：所有标的按统一时间戳对齐，避免时间错位
- 重要性：时间错位会产生虚假信号
- 处理：缺失必须显式保留，不能静默吞掉
Forward-fill (前向填充)
- 定义：用前一个值填充缺失值
- 风险：可能掩盖真实的数据问题
- 规范：在原始层不允许静默forward-fill
QC (Quality Control，质量控制)
- 定义：数据质量检查报告
- 关键指标：缺失率、坏价率、stale率、outlier率
- 目的：快速识别数据质量问题
Signal Field Contract (信号字段合同)
- 定义：信号字段的正式定义规范
- 内容：字段名、类型、含义、时间语义、无前视边界
- 作用：确保不同阶段使用同一个信号定义
Param ID (参数身份)
- 定义：参数组合的唯一标识符
- 重要性：不允许靠文件名猜，也不允许靠人脑记
- 用途：追踪是哪组结果，避免混淆
4. 交易与执行术语
Whitelist (白名单)
- 定义：通过验证、允许进入回测的标的集合
- 冻结原则：在Test阶段冻结，Backtest不能重选
- 作用：防止在回测上重新选币
Best Horizon (最佳预测期)
- 定义：信号预测效果最好的时间周期
- 冻结要求：在Test阶段确定，Backtest不能重估
- 用途：决定持仓周期和交易频率
Spread-unit (价差单位)
- 定义：用价格变动而非资金计算收益的单位
- 限制：不能用于冒充正式回测收益
- 要求：回测收益必须基于正式资金记账口径
Dual Engine (双引擎)
- 定义：使用vectorbt、backtrader两套回测引擎验证
- 目的：确保结果不是某个引擎的bug导致的
- 要求：两套引擎必须都完成且结果一致
Semantic Gap (语义差异)
- 定义：不同回测引擎对同一策略的理解和实现不一致
- 检查要求：必须完成逐笔、逐日spot check
- 后果：如果有语义冲突，不能宣布Backtest Ready
5. 风险与绩效术语
Sharpe Ratio (夏普比率)
- 定义：衡量风险调整后收益的指标
- 计算：(收益率 - 无风险收益率) / 波动率
- 用途：评估单位风险获得的超额回报
Drawdown (回撤)
- 定义：从峰值到谷底的最大跌幅
- 重要性：衡量策略的最大风险暴露
- 监控：必须计算正式资金口径下的回撤
Capacity (容量)
- 定义：策略能够容纳的资金规模上限
- 考虑因素：流动性、滑点、自冲击、参与率
- 瓶颈：某些标的就是容量瓶颈
Self-impact (自冲击)
- 定义：策略自身交易对价格的冲击
- 后果：规模增大后收益会被成本吞噬
- 评估：必须在Backtest阶段评估
Crowding (拥挤度)
- 定义：与已知拥挤策略或风格暴露的重叠程度
- 风险：可能导致同时平仓、收益归零
- 检查：在Test阶段处理，回答alpha与拥挤的关系
Regime (状态/体制)
- 定义：不同市场环境下的分类，如波动率高低状态
- 切点冻结：在Train阶段确定，Test不能重估
- 用途：区分不同环境下的信号表现
6. 技术实现术语
Artifact (产出物/工件)
- 定义：研究过程中生成的文件和结果
- 分类：机器可读配置、机器可读结果、人类可读结论
- 要求：每个阶段必须留下artifact，不能只靠记忆
Field Dictionary (字段字典)
- 定义：解释机器产物里字段的文档
- 最低要求：字段名、类型、含义、单位、是否可空、空值语义
- 用途：让新成员能理解数据结构
Artifact Catalog (产物目录)
- 定义：列出阶段所有关键产物的清单
- 内容：文件名、用途、粒度、主键、消费者、是否机器可读
- 作用：建立产物与字段说明的映射
Frozen Spec (冻结规范)
- 定义：阶段间交接时使用的机器可读规范文件
- 用途：确保下一阶段”照单执行”
- 内容：冻结后的选择结果、阈值、规则
Lineage (谱系)
- 定义：研究线的唯一标识和传承关系
- Primary Line：当前默认消费、比较、汇报的正式基线
- Child Lineage：新条件、新规则、新机制的受控试验线
Coarse-to-fine Search (粗到精搜索)
- 定义：先粗网格搜索，再在局部精细搜索的参数优化策略
- 优势：避免暴力全量grid search的计算浪费
- 要求：必须保留完整参数搜索轨迹
7. 决策与治理术语
Verdict (裁决)
- 定义：阶段门禁的正式结论
- 状态词：PASS、CONDITIONAL PASS、RETRY、NO-GO等
- 要求：必须写清楚凭什么过、冻结了什么、下一步不能改什么
Rollback (回退)
- 定义：失败后返回到前面某个阶段重新处理
- 记录要求：必须写清rollback_stage、allowed_modifications
- 目的：受控重试，而非静默修改
Controlled Retry (受控重试)
- 定义：允许范围内的重试，有明确记录和审计
- 适用情况：实现bug、数据bug、执行层bug
- 禁忌：不能借此改变研究主问题
Child Lineage (子谱系)
- 触发条件：研究主问题、机制、Universe、时间切分发生实质变化
- 与Retry区别：Retry是修bug，Child Lineage是新研究方向
- 治理要求：不能自动替换主线，必须完成正式比较
Abnormal Performance Sanity Check (异常收益复核)
- 触发条件：收益明显好得不正常，超出常识范围
- 检查内容：前视、成本、异常bar、收益集中度、多引擎一致性
- 后果：未完成前不能写PASS或CONDITIONAL PASS
8. 文档与记录术语
Gate Decision (门禁决策)
- 定义：阶段结论的正式文档
- 必需字段：stage、status、decision_basis、frozen_scope等
- 作用：记录为什么通过、失败或需要重试
Run Manifest (运行清单)
- 定义：记录每次执行的元数据
- 最低字段：stage、lineage_id、run_id、timestamp、输入输出等
- 用途：整条研究线的执行账本
Negative Results Retention (负结果保留)
- 定义：保留被拒绝的symbol、淘汰的参数、失败的gate记录
- 重要性：避免幸存者偏差
- 价值：团队积累真实经验，而非只看成功案例
Companion Documentation (配套文档)
- 定义：每个机器可读artifact必须配套的字段说明文档
- 内容：artifact_catalog.md + field_dictionary.md
- 要求：这是formal gate，不是写作建议
9. 其他重要术语
OOS (Out-of-Sample)
- 样本外数据，未参与训练的数据
IS (In-Sample)
- 样本内数据，用于训练的数据
QC (Quality Control)
- 质量控制，数据质量检查
SOP (Standard Operating Procedure)
- 标准作业流程
Ledger (账本)
- 记录所有参数尝试、结果、决策的完整记录
Manifest (清单)
- 列出文件、配置、产物的清单文档
Spec (规范/规格)
- 详细的技术规范说明
Vanilla Implementation (原生实现)
- 最基础、最简单的实现方式
Overfitting (过拟合)
- 过度适应历史数据，导致泛化能力差
Leakage (泄漏)
- 未来信息泄露到过去，造成虚假信号
Stale Data (停滞数据)
- 不再更新的陈旧数据
Outlier (异常值)
- 明显偏离正常范围的数据点
Volatility (波动率)
- 价格变动的剧烈程度
Liquidity (流动性)
- 资产买卖的难易程度
Slippage (滑点)
- 实际成交价与预期价格的差异
Compress (压缩)
- 简化或减少复杂度的过程
学习建议
-
先理解流程：从Mandate到Production的完整流程是基础
-
掌握关键原则：
- Hypothesis before results (先定义问题，再看结果)
- Data contract before evidence (先确认数据，再讨论alpha)
- Freeze first, verify later (先冻结，再验证)
- Separate evidence layers (分离证据层次)
-
重点理解”为什么”：
- 为什么要分阶段？(防止样本污染)
- 为什么要冻结？(防止悄无声息地改规则)
- 为什么要双引擎？(确保不是bug导致的结果)
- 为什么要保留负结果？(避免幸存者偏差)
-
实践建议：
- 新手严格按照SOP执行
- 每个阶段都留下完整artifact
- 遇到异常结果先质疑，再庆祝
- 重视文档和记录，而非只看代码
这些术语构成了量化研究的基础语言，掌握它们是理解整个研究流程的关键。