投资有风险，入市需谨慎；如自行进行真实交易，风险与责任自负。
背景：一条漂亮曲线背后的三个坑
一个人写量化策略，最常见的剧本是这样的：花两天抓数据、挖因子，跑出一条年化 40%、最大回撤 8% 的雷霆净值曲线，兴奋地截图发到群里；第三周实盘，曲线掉头向下。
代码大概率没写错。问题在于：这条曲线到底是被发现的，还是被调出来的？
三个人一起做，也未必更好。A 改了因子的标准化口径，B 还在用旧特征训练模型；C 已经把策略部署上线了，而 A 两天前刚迭代完的因子版本根本没同步过去。到路演那天，没人说得清线上跑的到底是哪一版策略，也说不清那个因子到底还灵不灵。
这道题想让你和队友一起，搭一条完整的“研究 → 部署 → 协作”链路。我们关心的不只是策略赚不赚钱，而是这条链路是否可复现、可证伪、可协作、可交付给别人用。
任务要求
自选一个规模适中的标的池，完成从数据到交付的完整链路。技术选型不限。方案可二选一，也可自带方案（需提前说明理由）：
- 沪深 300 或中证 500 成分股日频多因子选股。
- ETF 轮动。
Lv1：数据、因子、策略，以及一次诚实的回测
1. 数据层
提供可一键复现的获取脚本（只交一份 CSV 不算完成）。必须处理：复权、停牌、退市 / 新上市、ST、涨跌停，以及财报的公告日而非报告期。
2. 因子层
至少 3 个因子，且分属不同类别（价值 / 动量 / 波动 / 流动性 / 质量 / 情绪 / 资金流等）。同时，每个因子要讲得出经济学或行为金融学上的道理——它为什么会让别人出更高 / 更低的价？是风险补偿，还是行为偏差？
此外，需要完成：
- 单因子检验：IC / RankIC、ICIR、t 值、分层回测单调性，以及至少 2 个持有期下的 IC 衰减。
- 共线性处理：给出相关系数矩阵，说明合成方式（等权 / IC 加权 / 正交化 / 回归残差）。
3. 策略层
明确规则链：信号 → 打分 → 选股 → 权重 → 调仓频率 → 监控和止损方式。
4. 回测层
数据必须完成严格切分：样本内（选参数）/ 样本外（只用一次）。
回测指标：年化收益、年化波动、夏普比率（注明无风险利率）、最大回撤、Calmar、换手率、胜率、盈亏比、相对基准超额、信息比率 IR、Alpha / Beta。
画出回撤区间，并解释最大的那次回撤当时发生了什么。
Lv2：让策略自我学习与迭代
先界定清楚你做的是哪一种：
- 滚动再训练：walk-forward 重训练，必须带 purge / embargo，防止标签重叠泄漏。
- 自适应：波动率目标仓位、regime 识别（牛 / 熊 / 震荡）后切换参数或仓位。
- 因子池进化：IC 监控 → 降权 / 淘汰 / 新增（含遗传规划等自动挖因子手段）。
尝试一种或多种方案，完成回测，和 Lv1 的静态策略做同条件对比，分析迭代带来的是真实 alpha，还是更精致的过拟合。
对于过拟合的判断，可以通过 Deflated Sharpe（缩减夏普比率）来进行评估。
Lv3：部署上云，实现一个能够辅助你交易决策的 Agent
相对于直接使用 QMT 等量化交易平台，对于低频策略，同学们作为散户研究者，可以考虑通过云端推送方案，由人手动在交易软件中操作，来规避资质验证和减少手续费。可以尝试在 QQ、飞书或者网页上部署一个 Agent，用来运行你的策略。
需要有如下功能：
- 自动运行：每日收盘后自动拉数据 → 算因子 → 出信号 → 存档 → 推送。
- 自然语言交互，至少能回答这几类问题：
- 今天的信号是什么？
- 为什么这次要调仓？
- 某个标的为什么被剔除？
- 近一个月表现 vs 基准如何？
- 当前组合的风险暴露在哪？
- 交易记录：有能力记录你已经完成的交易。
除此之外，也可以尝试让这个 Agent 更复杂一些，例如：
- 记忆：能记住用户的偏好与历史否决。
- 人在闭环：人可以否决建议；Agent 要记录、解释，且否决能回流到策略或展示层。
- 或者其他你能想到的有趣内容。
Lv4：一个让同行愿意来挑刺的网页社群
先分清三种网页：
- 给老板看的大屏：绿多红少，收益越大越好 → 目标是说服。
- 给资金方看的产品页：净值曲线 + 认购按钮 → 目标是转化。
- 给同行看的研究主页：参数、局限、怎么复现、怎么反驳我 → 目标是被检验。
为什么量化研究特别需要社群？因为一个人验证一个因子，天花板极低：你的样本外只有一段历史，你的解释只有一种视角。而“这个因子有效”是一个需要多个独立样本 + 多个反驳视角才能勉强成立的命题。所以社群的价值不是热闹，是把一个不可证伪的结论，变成可以被别人检验的结论。
功能模块可以尝试以下内容：
1. 策略展示
即你们自己正在运行的策略，包括：
- 版本号、universe、频率、参数、成本假设、上一版改了什么。
- 净值 / 回撤曲线，样本内外分色，亏损区间高亮。
- 归因：收益来自哪个因子 / 行业 / 择时。
- 参数敏感性热力图。
- 已知局限与失效场景。
- 一键复现。
2. 因子分享
即分享你们或者其他讨论者创建的因子。最少应包含：
- 名称、定义式、样本区间等基础数据。
- 表现。
- 点赞数、引用数、复现成功率等社群数据。
- 提交人、时间戳存证。
可以尝试一个有趣的设计——延迟公开：提交者可选择“存证但暂不公开细节”，系统记录内容哈希与时间戳，3 / 6 / 12 个月后自动公开。既保护优先性，又不阻碍长期共享。
对于已经失效的因子，也可以尝试制作一个失效案例库。
3. 研究者注册及研究者主页
其他的研究者可以在网页上注册成为会员，上传并记录提交的因子、做的预测、复现记录等。你们可以尝试制作一个用户系统，并管理用户上传的内容。
4. 预测登记与校准
注册加入社群后，任何人可登记一条带时间戳的预测，例如：“未来 3 个月，沪深 300 内动量因子 RankIC 将低于 0.01，理由是……”。
到期由系统自动拉真实数据结算，给出命中 / 未命中。每人主页挂一张校准曲线（Calibration Curve）：你说 80% 把握的事，实际发生了多少次？
社区排行看校准误差（Brier Score）最低、登记次数最多，不看谁的曲线最漂亮。
5. 锚定式讨论
讨论必须挂在具体对象上：某个因子、某条预测、某段回撤、某次参数改动。
三种发言类型：复现成功、复现失败、提出替代解释。其中，“复现失败”可上传自己的结果；因子卡直接显示复现次数与成功率。
额外补充
Lv1–Lv3 的内容，一面做了量化福利题第二个题的同学，应该可以在二面前全部完成。顺利的话，甚至你们的 Agent 可以在十一假期以后直接上模拟盘开始跑了。
希望你们的策略不是一个偷看了样本外数据、反复调参到过拟合、只为得到一条漂亮曲线的版本。
Lv4 的内容，是为组内非量化方向同学准备的。
- 如果你是网页开发，我希望能看到你的页面实现、后台的数据库设计，以及这个社群能容纳多少注册用户、支持多少人同时讨论。
- 如果你是产品经理，我希望能看到你对于这个社群的更深入的思考：在列举的模块之外，这个社群还需要做什么？如何通过路演让这个社群的计划看起来可行性更高？