我自己记的台账 · 演示股票池 8 只 · 数据截至 2026-11-04 15:30 北京时间

量化研究

这一页是我自己的研究台账。回测扣掉成本，涨停买不到，跌停和停牌卖不掉；试过的每组参数都留在这儿，包括失败的。样本内最好看的那一组，样本外常常不行——所以失败的记录和成功的一样重要。

样本内 2023-12-01 至 2025-10-31样本外 2025-11-01 至 2026-10-30初始资金 100.0 万元（模拟组合）历史回测演示

§ 01判断

三条量化判断

每一条都标明类型、概率、最大风险与推翻条件。

模型估计演示需要重新检验信心：高模型校准

区间预测在高波动阶段系统性偏窄：CUSUM 已越过事先登记的门槛，校准版本正在影子运行

「80% 的把握落在这个范围」现在不到 80% 了，原因是市场突然变得更颠簸，而模型还按以前的颠簸程度画范围。

为什么: 截至 2026-09-29，共 117 条区间验收，CUSUM 统计量越过 3。单次越界不会触发任何改动，持续越界才会。
最大的风险: 校准过头会让平静期的区间过宽，信息量下降。
什么会让我改变看法: 影子期覆盖率没有回到 75%–85%。
推翻条件与验收: 1.5.0-rc.1 影子期覆盖率不在 75%–85%（2026-11-25 16:00 北京时间检查）；由 Agent B 用「80% 区间覆盖率、区间分数」验收

变化：CUSUM 报警（2026-09-29 16:36 北京时间）

出处与披露 L3

所用模型版本 1.3.1 · 数据快照 ds_20261104_1500

更新时间 2026-11-04 15:00 北京时间 · 利益冲突与持仓：演示内容，无持仓信息

模型估计演示维持不变信心：中模型比较

四因子逻辑回归与「历史频率」基准在样本外没有显著差异（Diebold–Mariano p = 0.85）

复杂一点的模型并没有比「过去多常发生就猜多常发生」更准，至少在这段时间里是这样。

为什么: 测试期 2025-10-31 至 2026-09-30，共 96 条月度判断：模型 Brier 0.2598，基准 0.2610；方向检验 Pesaran–Timmermann p = 0.36。
最大的风险: 样本较小，检验力不足：「没有显著差异」不等于「没有差异」。
什么会让我改变看法: 再积累 12 个月后差异显著（p < 0.05）。
推翻条件与验收: Diebold–Mariano 检验（滚动扩展样本） p < 0.05（2027-10-31 16:00 北京时间检查）；由 Agent B 用「Diebold–Mariano（HLN 修正）」验收

变化：月度更新（2026-10-31 16:00 北京时间）

出处与披露 L3

所用模型版本 1.3.1 · 数据快照 ds_20261104_1500

更新时间 2026-11-04 15:00 北京时间 · 利益冲突与持仓：演示内容，无持仓信息

模型估计演示新判断信心：高回测偏误

修复前复权偏误后，历史回测的样本内夏普由 0.45 变为 0.30：差出来的部分本来就不该算

以前的回测偷偷用了「未来才知道的价格」，修好之后成绩变了，变的那部分是假的。

为什么: 前复权价格会在每次分红送转后改写历史；用它判断「当时是否低价」等于用了未来信息。
最大的风险: 只修了低价股过滤一处；其他用到价格水平的地方需要逐一检查。
什么会让我改变看法: 时点回放发现新的差异来源。
推翻条件与验收: 时点回放差异 > 0 处（修复后）（2026-11-11 16:00 北京时间检查）；由 Agent B 用「回放差异计数」验收

变化：dg_sys_fwdadj（2026-10-20 18:00 北京时间）

证据、反证与竞争假设 L2 · 1 条证据

证据	立场	区分力	来源等级	首次可得	版本
演示·青禾乳业送股实施公告（除权除息日 2025-06-20）每股送 0.3 股。10 送 3（演示）	支持	高	A1	2025-06-13 18:03 北京时间	v1

出处与披露 L3

所用模型版本 1.3.2-rc.1 · 数据快照 ds_20261104_1500

更新时间 2026-11-04 15:00 北京时间 · 利益冲突与持仓：演示内容，无持仓信息

§ 02因子

因子快照

按公告日对齐，只用当时能看到的数据。盈利收益率（E/P）与 ROE 按财报公告日生效，而不是报告期末；动量跳过最近 20 个交易日。百分位在股票池内计算，综合分 = 价值 + 质量 + 动量 − 波动。

股票	价格	E/P	ROE	动量 120/20	波动 60 日	相对 MA200	综合分	往返成本	标记
DEMO-A08 澄江水务	5.73	8.6%	10.6%	+6.4%	22%	−10.8%	3.14	20.7 bp
DEMO-A04 衡石银行	8.04	10.4%	8.8%	−2.0%	24%	+2.7%	2.31	20.3 bp
DEMO-A02 青禾乳业	8.26	4.9%	8.6%	+6.1%	27%	−11.5%	0.28	20.6 bp
DEMO-A01 星河储能	28.82	4.7%	12.6%	−24.2%	48%	−17.4%	-0.13	20.7 bp
DEMO-A06 云栖软件	35.77	3.1%	13.5%	−16.0%	60%	−35.0%	-0.52	20.8 bp
DEMO-A03 远帆航运	7.76	7.5%	13.3%	−49.9%	64%	−31.3%	-0.75	21.2 bp
DEMO-A07 金穗农机	21.42	6.4%	11.5%	−56.9%	52%	−29.7%	-1.73	23.1 bp	停牌
DEMO-A05 微光芯片	132.08	2.1%	12.0%	−28.0%	65%	−10.8%	-2.59	20.7 bp

往返成本 = 佣金 + 印花税（仅卖出）+ 半价差 × 2 + 平方根冲击成本，按 100.0 万元的模拟组合规模估算。佣金按万分之 2.5（演示参数）；印花税按 0.05% 仅卖出征收（2023-08-28 起的现行税率）；冲击成本用平方根模型。

§ 03回测

净值没有延续样本内的优势

每月最后一个交易日按综合分（盈利收益率 + ROE + 动量 − 波动）选前 3 只等权持有；涨停买不到、跌停与停牌卖不掉；佣金、印花税、价差与冲击成本全部扣除。成本后样本外年化 −5.0%，基准 −5.5%。

净值：样本外没有延续样本内的优势

模拟组合净值（起点 = 1）· 2023-12-01 至 2026-10-30 · 竖线为样本外起点

样本内成本后夏普 0.30，样本外 -0.15；样本外相对基准年化超额 +0.8%，信息比率 0.06。修复前复权偏误之前，样本内夏普是 0.45。

来源：演示行情与演示财报（虚构）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据 · 历史回测

查看数据表（6 行）

区间	指标	成本后	成本前	修复前（有偏误）	基准
样本内	年化收益	3.9%	4.1%	6.9%	6.9%
样本内	夏普	0.30	0.31	0.45	0.46
样本内	最大回撤	−24.0%	−24.0%	−24.0%	−24.1%
样本外	年化收益	−5.0%	−4.5%	−5.0%	−5.5%
样本外	夏普	-0.15	-0.13	-0.15	-0.21
样本外	最大回撤	−24.4%	−24.3%	−24.4%	−24.3%

样本外月均换手样本内 9.3%

样本外累计交易成本（占资金）样本内 0.45%

因涨跌停或停牌未能成交的调仓演示区间内的成交限制

前复权偏误影响的调仓日全部发生在 2024 年；修复提案待审批

成本翻 3 倍，样本外超额就变成负数

样本外年化超额收益对交易成本倍数的敏感性

在 1 倍成本下样本外超额只有不到 1 个百分点，这点优势经不起成本估计误差。

来源：回测引擎（演示）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据 · 历史回测

查看数据表（7 行）

成本倍数	样本外年化超额
0×	+1.35%
0.5×	+1.09%
1×	+0.83%
1.5×	+0.56%
2×	+0.30%
3×	−0.23%
4×	−0.76%

§ 04试验登记

试了 36 组参数，样本内最好的那组在样本外排第 9

每一组试过的设定都登记，包括失败的。试得越多越容易撞上一组「看起来很行」的参数，所以光看样本内夏普会高估自己。我用两个办法扣掉这份运气：一是 Deflated Sharpe，把「试了这么多组」本身算进门槛；二是过拟合概率 PBO，看样本内最好的那组换几个切分还能不能站住。

样本内最优夏普（S-120-4-EW-N）样本外 0.01

扣掉试验次数后的夏普门槛要 ≥ 0.95 才算过；Deflated Sharpe，多重试验下的基准夏普 0.62（年化）

过拟合概率 PBOCSCV：10 块、252 种组合；门槛 20%

现行参数 S-120-3-EW-V 的夏普（样本内 → 样本外）

样本内越好，样本外不一定越好

36 组参数的年化夏普 · 横轴样本内，纵轴样本外 · 虚线为两者相等

如果参数真的有能力，点会沿着虚线分布；实际上样本内最好的 S-120-4-EW-N 在样本外几乎为零。PBO 81% 表示：在大多数切分下，样本内最优的组合在样本外排名落到后一半。

来源：试验登记表（演示）数据截至：2026-11-04 15:30 北京时间数据状态：演示数据 · 历史回测

查看数据表（36 行）

参数组	回看	持股	权重	扣波动	样本内夏普	样本外夏普
S-120-4-EW-N	120	4	等权	否	1.24	0.01
S-120-4-IV-N	120	4	波动倒数	否	1.04	0.28
S-60-2-IV-N	60	2	波动倒数	否	1.01	0.63
S-60-4-EW-N	60	4	等权	否	1.00	-0.12
S-120-2-IV-N	120	2	波动倒数	否	0.97	0.29
S-120-4-EW-V	120	4	等权	是	0.97	-0.60
S-60-4-IV-N	60	4	波动倒数	否	0.93	0.18
S-250-4-EW-V	250	4	等权	是	0.91	-0.25
S-60-4-EW-V	60	4	等权	是	0.91	0.17
S-60-3-IV-N	60	3	波动倒数	否	0.91	0.90
S-250-4-EW-N	250	4	等权	否	0.89	0.13
S-120-4-IV-V	120	4	波动倒数	是	0.87	-0.00
S-60-4-IV-V	60	4	波动倒数	是	0.85	0.32
S-250-4-IV-V	250	4	波动倒数	是	0.85	0.32
S-250-2-IV-N	250	2	波动倒数	否	0.83	0.48
S-120-3-EW-N	120	3	等权	否	0.83	0.11
S-60-3-EW-N	60	3	等权	否	0.79	0.78
S-60-2-EW-N	60	2	等权	否	0.79	0.50
S-120-2-IV-V	120	2	波动倒数	是	0.78	0.97
S-250-3-IV-N	250	3	波动倒数	否	0.78	0.46
S-120-2-EW-N	120	2	等权	否	0.76	-0.06
S-120-3-IV-N	120	3	波动倒数	否	0.75	0.34
S-250-4-IV-N	250	4	波动倒数	否	0.72	0.48
S-250-3-EW-N	250	3	等权	否	0.69	0.07
S-60-3-IV-V	60	3	波动倒数	是	0.63	0.13
S-250-2-EW-N	250	2	等权	否	0.60	0.07
S-60-2-IV-V	60	2	波动倒数	是	0.55	0.97
S-120-2-EW-V	120	2	等权	是	0.55	0.92
S-60-3-EW-V	60	3	等权	是	0.54	-0.25
S-60-2-EW-V	60	2	等权	是	0.45	0.92
S-120-3-IV-V	120	3	波动倒数	是	0.41	0.42
S-250-2-IV-V	250	2	波动倒数	是	0.38	0.94
S-120-3-EW-V	120	3	等权	是	0.30	-0.15
S-250-2-EW-V	250	2	等权	是	0.19	0.90
S-250-3-IV-V	250	3	波动倒数	是	0.05	0.17
S-250-3-EW-V	250	3	等权	是	-0.08	-0.43

这组结果直接让「把选股参数换成网格搜索中样本内最优的组合」这个想法被否决，现行参数保持不变。这一条我记在记分卡里。

§ 05模型比较

逻辑回归没有显著胜过历史频率

题目：下一个月相对演示·A股综合指数的超额收益 > 0。训练 2023-12-29 至 2025-09-30，测试 2025-10-31 至 2026-09-30（n = 96）。事件的历史发生率 45.8%。这里问的是：模型有没有比「历史上发生过多少次」更会说人话。两个检验——Diebold–Mariano 比平均预测误差，Pesaran–Timmermann 比方向准不准。

模型	Brier	命中率	Wilson 95%
历史频率（拉普拉斯平滑）	0.2610	50.0%	40%–60%
逻辑回归（四因子，L2）	0.2598	49.0%	39%–59%

Diebold–Mariano 检验（HLN 修正）：平均损失差 -0.0012，统计量 -0.20，双尾 p = 0.845。Pesaran–Timmermann 方向检验 p = 0.357。结论：在 96 个样本上，看不出模型比「历史频率」更好。系数：截距 0.138，价值 0.103，动量 0.119，波动 0.064，质量 -0.122。

历史频率

可靠度图 · 测试期 · 分箱宽 0.2

93/96 个概率落在 0.4–0.6：基准几乎不区分题目，分辨力很低。

来源：演示数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

逻辑回归

可靠度图 · 测试期 · 分箱宽 0.2

模型也有 91/96 个概率挤在 0.4–0.6：四个因子带来的信息很少，所以 Brier 分数与基准几乎相同。

来源：演示数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

§ 06风险

模拟组合年化波动 16.7%，4 只股票的风险贡献接近均分

模拟组合（演示）：综合分前 4 名，按波动倒数加权。相关矩阵用近 250 个交易日估计，协方差做了收缩（Ledoit–Wolf，收缩强度 0.055）——直接用样本协方差在几十只股票这种小样本上会算出一堆假相关。

股票池相关系数

近 250 个交易日日收益 · 收缩后

紫色为正相关，赭色为负相关；每格写出数值。相关越高，分散的效果越差。

来源：演示行情数据截至：2026-11-04 15:00 北京时间数据状态：演示数据（虚构）

权重与风险贡献（HHI 0.267）
股票	权重	风险贡献	清仓天数
DEMO-A01	14.4%	24.3%	0.002
DEMO-A02	25.5%	27.0%	0.007
DEMO-A04	28.8%	24.5%	0.002
DEMO-A08	31.3%	24.2%	0.020

清仓天数 = 持仓金额 ÷（20 日平均成交额 × 10% 参与率）。演示组合只有 100.0 万元，流动性不是约束；规模放大一千倍时才需要认真对待。

行业主动暴露：超配公用事业与银行，4 个行业零配置

组合权重 − 等权基准权重 · 单位：百分点

主动暴露集中在两三个行业，组合的表现很大程度上取决于这些行业的相对走势，而不是选股。

来源：演示行业分类数据截至：2026-11-04 15:30 北京时间数据状态：演示数据（虚构）

查看数据表（8 行）

行业	组合	基准	主动
电力设备	14.4%	12.5%	+1.9%
食品饮料	25.5%	12.5%	+13.0%
交通运输	0.0%	12.5%	−12.5%
银行	28.8%	12.5%	+16.3%
电子	0.0%	12.5%	−12.5%
计算机	0.0%	12.5%	−12.5%
机械设备	0.0%	12.5%	−12.5%
公用事业	31.3%	12.5%	+18.8%

压力情景

012015 年股市异常波动式的流动性冲击
连续多日大面积跌停、融资盘被动平仓；关注可成交性与跌停无法卖出仅定义
022016 年初熔断式的交易中断
指数触发熔断提前收盘；关注当日无法调仓仅定义
032024 年初小微盘流动性冲击
小市值与量化拥挤持仓集中下跌；关注拥挤度与容量仅定义
04利率快速上行 50bp
平行上移 50bp 对高股息与成长股的估值冲击仅定义

压力情景只给出定义，没有给出数字演示行情是模拟出来的，用它「重放」2015 年或 2016 年的冲击没有意义。接入真实历史行情后，按定义逐日重放，并报告每一天的可成交性。

§ 07跨市场

A 股当日与美股前一日的相关，比同日相关高得多

两个市场的收盘时间不同：A 股收盘时，美股还没开盘。比较「同一天」会把不同时点的信息混在一起。

同日相关（A 股指数 vs 美股科技指数）n = 243

A 股当日 vs 美股前一交易日n = 250；这条信息已在独立检验中验证

股票	市场 β	美股前日 β	原油前日 β	年化波动	近一年最大回撤	Amihud 非流动性	拥挤度 z
DEMO-A01	1.30	0.38	0.08	48%	−39%	0.0052	-0.05
DEMO-A02	0.77	0.29	0.03	27%	−27%	0.0054	0.45
DEMO-A03	1.09	0.26	-0.20	64%	−59%	0.0099	-0.24
DEMO-A04	0.64	0.29	0.04	24%	−16%	0.0014	0.49
DEMO-A05	1.57	0.77	0.07	65%	−57%	0.0025	0.39
DEMO-A06	1.30	0.31	0.09	60%	−56%	0.0041	0.16
DEMO-A07	0.94	0.11	0.12	52%	−57%	0.0468	-0.57
DEMO-A08	0.44	-0.02	0.00	22%	−17%	0.0113	-0.03