公开课公开课因子评估统计审计Alpha管理

交易研究员的蜕变：从漂亮回测到科学证据

11月8日20:00—21:30，AI量化邹老师带你走过三次研究认知蜕变：证明预测能力，审计可信与独立性，再走向动态Alpha管理。

本文要点

直播时间：2026年11月8日20:00—21:30。

从预测证据到统计审计、独立性与可交易性。

你手里是否也有这样的因子：净值曲线漂亮，Sharpe不低，换一个时间窗口却表现平平；公式又改了几个版本，结果越来越好，却说不清改善来自有效信息，还是反复尝试后的运气。

研究最难的时刻，往往发生在回测结束之后。面对一条好看的曲线，下一步究竟应该继续投入、送进因子库，还是先暂停判断？

2026年11月8日20:00—21:30，AI量化邹老师将带来公开课《交易研究员的蜕变——从漂亮回测到科学证据》。这堂课沿着研究决策展开：先质疑收益，再寻找预测证据，审计结果是否可信，检查是否具有独立且可交易的价值，最后讨论入库与持续管理。

交易研究员的蜕变公开课 — 依课程大纲与用户确认的直播时间制作；教学示意，不是实证收益。

第一次蜕变：让因子拿出预测证据

高收益值得研究，但不能直接替代“这个信号能够预测未来收益”的证据。

课程会从IC和Rank IC切入，把信号与未来收益的关系说清楚，再用滚动IC、ICIR和正向比例观察稳定性。一个很高的平均数，可能由少数阶段撑起；只看它，容易漏掉长期失效的时间。

相关性证据还需要排序证据补充。把股票按因子值分组后，未来收益是否呈现合理的高低顺序？换时期、换股票池、换市场状态，结论还剩多少？预测力又能维持多久，与你实际持仓和调仓周期是否匹配？

这部分的目标，是帮助你把“回测很好”拆成几个可以分别验证的问题。

三次研究认知蜕变 — 依课程大纲与用户确认的直播时间制作；教学示意，不是实证收益。

第二次蜕变：显著之后，继续追问可信度与增量

当候选从几十个增加到成千上万个，研究者面对的不仅是更多机会，也有更多挑出幸运结果的机会。

课程将讨论多重检验、FDR、Bootstrap、滚动样本外验证、CSCV、PBO，以及PSR和DSR的分工。不同工具回答的问题不同，不能简单相加，也不能用一个调整后的Sharpe替代整条证据链。

例如，PBO关注的是候选中样本内冠军到样本外的排名表现；它并不自动回答交易成本、容量和未来市场状态的问题。Bootstrap也需要尊重时间序列相关性，不能随意打乱数据就把结果当作可靠验证。

统计证据通过后，还要看新因子对已有研究增加了什么。公式不同可能表达同一类风险，因子值相关不高也可能赚同一种钱。对已有因子做回归、比较残差IC与原始IC，可以帮助检查增量，但残差本身不自动成为“纯Alpha”。

课程还会拆开多头、空头和基准贡献。一个漂亮的多空结果，究竟依赖哪一端？借券或交易限制是否允许实现？扣除佣金、滑点与冲击后，净收益如何变化？规模提高时，流动性和容量会怎样约束策略？这些都会影响研究是否值得继续。

六阶段递进问题 — 依课程大纲与用户确认的直播时间制作；教学示意，不是实证收益。

研究判断的几条边界 — 依课程大纲与用户确认的直播时间制作；教学示意，不是实证收益。

第三次蜕变：从筛选因子，到管理Alpha资产

通过一次评估，只能支持特定条件下的判断。市场状态、拥挤程度和交易成本都在变化，因子也会衰减。

课程后半段将把视角移向因子库的准入、角色分工和动态管理。Alpha、Risk、Condition、Execution各有用途，因子库不应只是公式的集合；聚类、去重与代表方向的选择，则帮助研究者判断是否反复储存了相同信息。

动态管理进一步追问：昨天的好因子，下一期还值得配置吗？课程会介绍生命周期、衰减和反弹等状态特征，以及HealthScore、面板数据和元模型的研究思路。健康度评分要用未来样本外结果检验，不能仅因名字叫“健康度”，就把它当成已有预测能力的产品。

这里也会区分统计评价与动态预测：前者检查证据是否可靠，后者研究下一期如何排序和配置。两者需要各自的数据隔离与滚动验证。

这堂课，适合正在作这些判断的你

如果你已经能写因子、跑回测，却仍不确定如何决定因子的去留；如果候选越来越多，研究结论却难以积累；或者你正在搭建评估流程，希望把预测、审计、成本和因子管理连接起来，这堂课可以作为一次研究框架的梳理。

课程按六个阶段递进：质疑回测、证明预测、审计可信度、甄别增量价值、形成入库决策、持续动态管理。你可以带着一个正在研究的因子来听，逐项检查它还缺哪一层证据。

11月8日公开课直播信息 — 依课程大纲与用户确认的直播时间制作；教学示意，不是实证收益。

公开课信息

课程：《交易研究员的蜕变——从漂亮回测到科学证据》

时间：2026年11月8日20:00—21:30（北京时间）

主讲：AI量化邹老师

会议详细信息，请联系AI量化陈老师。扫描下方微信二维码联系咨询。

从研究一条曲线，走向管理一套可以审计、配置和退役的Alpha资产，需要的是持续补足证据。11月8日晚，我们一起把这些研究判断理清楚。

本文依据课程大纲整理，由AI辅助编辑与制图。文中因子数量等表述用于解释研究问题，不是课程实证结果或统一准入阈值。课程仅供学习、研究与方法交流，不构成投资建议，也不承诺收益。

资料与阅读边界

本文为方法讨论与教学说明。文中示例不等于经独立验证的收益实证；如需具体数据、计算口径或资料来源，可通过官方渠道提出核对请求。

历史结果不代表未来表现。使用前请检查数据时间边界、样本独立性、交易成本及适用条件。

关键结论

直播时间：2026年11月8日20:00—21:30。
从预测证据到统计审计、独立性与可交易性。
从静态筛选走向动态Alpha管理。