HeyQuant
量化与机器学习入门
课程
自检
关于
HeyQuant 官网
第 14、15 节使用
研究自检清单
前面所有单元的坑都会在毕业研究里再出现一次。交报告之前，逐条确认；检查别人的报告，也用这一份。勾选只保存在你的浏览器里。
已勾选
0
项 ·
全部清空
报告里必须写清楚
基准
净值
回撤
分年
换手
成本假设
尝试次数
样本外区间
逐节的坑，我都避开了吗
一
第一单元 · 全景
01
机器学习量化全景
没有：把这个最小研究的结果当结论
02
研究对象：股票 × 时间的面板
没有：把用到下月信息的列当特征
没有：以为五万多个样本彼此独立——同一个月的股票受同一场行情影响，有效样本远少于表面数字
03
微小优势，怎样积少成多
没有：期待高准确率
没有：把一次漂亮的结果当成实力
二
第二单元 · 信号
04
什么驱动股票收益？
没有：把“驱动收益”理解成预测大盘
没有：动量窗口包含最近一个月
没有：只看平均 IC，不看难熬的年份
05
检验一个信号：分组与 IC
没有：只看多空收益，不看各组是否单调
没有：以为多空组合和大盘无关
没有：把 IC 显著当成扣成本后能赚钱
没有：持有期重叠让显著性虚高
06
过拟合与多重检验
没有：反复看测试集调参
没有：只报告最好的结果
三
第三单元 · 模型
07
把选股变成学习任务
没有：随机打乱切分
没有：用原始收益做标签，模型大部分力气花在猜大盘上
08
线性模型与正则化
没有：用测试段选参数
没有：把权重大小直接当成信号的重要性（信号之间彼此相关）
09
树模型与非线性
没有：用测试段早停
没有：把重要性当成因果
10
按时间验证
没有：重训时把还没到期的标签放进训练集
没有：每次重训都在整个样本上调参
11
评估预测
没有：把概率当成收益
没有：只看平均表现，不看区间宽度
四
第四单元 · 策略
12
从分数到组合
没有：试了很多组参数，只报告最好的一组
没有：不写清成本假设
13
风险与基准
没有：用全样本波动设定仓位目标
没有：只看超额收益，不看绝对回撤。课程面板暂无行业分类，本节不做行业中性，视频中说明这一限制
14
读懂回测报告
没有：只放净值图
没有：隐藏样本内外的分界
没有：不写成本假设
五
第五单元 · 毕业
15
独立完成一项研究
没有：前面所有单元的坑都会再出现一次，自检清单就是为此准备的
