从练习到作品集：可复现的研究交付

项目 A：一个信号为什么看起来有效？

下载包提供带注解的标准库 Python 脚本、测试、实验记录和报告模板。合成价格只用于学习时点、成本和评估，不代表任何证券或真实行情。

策略故意简单：根据更早一期的涨跌决定持有或空仓，留出一整期执行延迟。比较0、5、20基点交易成本与买入持有基准。1基点=0.01%。

• 输入：固定随机种子生成的合成价格，带明确的序号与字段说明。
• 产物：daily.csv、metrics.csv、manifest.json；含数据哈希、代码哈希、Python版本、成本和种子。
• 提供5个测试：初始本金回撤、信号时点、未来数据不影响过去、成本敏感性、非法输入。
• 限制：简化收盘价执行与分数仓位，未模拟真实A股撮合、整手、涨跌停、停牌或费用明细；不是可以直接上线的交易系统。

六个任务：从跑通到能够讲清楚

• 任务1：跑测试、跑脚本。逐行解释 daily.csv 前6行，手算收益和仓位。验收：手算与代码一致。
• 任务2：把相邻两行价格改为相同值。先预测信号与净收益，再运行验证。验收：写出变化原因。
• 任务3：修改数据末尾，只比较修改前的历史结果。验收：过去结果不变，能解释无前视。
• 任务4：比较0、5、20基点费用。验收：写明这里的换手是仓位绝对变化，不能与别的报告不加区分地比较。
• 任务5：分别报告时间前半段与后半段。验收：说明这是描述性稳定性检查；如果据此选参数，需另留未查看测试段。
• 任务6：补全报告模板，录制或口述5分钟讲解。验收：假设、数据、方法、基准、失败和下一步齐全。

项目 B：加入真实数据，形成自己的研究证据

完成项目A后再选择一个很小的课题，例如日频特征的预测关系。先只选一种资产范围和一个预测窗口。下载合规可用数据，保留快照和字段文档；不要将无权公开的数据放进公开仓库。

• 基础版：单标的或少量标的，完成数据清洗、时点对齐、基线和成本对照；明确这不足以证明横截面选股能力。
• 研究扩展：使用历史股票池做横截面排序，定义公告时点、收益标签、行业/市值暴露和分层结果。
• 工程扩展：同一数据重复入库不产生重复行；加入日志、失败重试和质量报警。
• 交付检查：报告中同时给出样本范围、比较基准、所有尝试、样本外结果、局限和可重跑步骤。

从研究到仿真：了解上线前还缺什么

• 评审：另一个人能复现并检查数据时点、成本与风险；模型有明确版本。
• 仿真：接收行情事件，生成目标仓位，转换成委托；核对委托、成交和持仓的一致性。
• 异常演练：行情断流、重复成交消息、拒单、部分成交、服务重启和未知委托状态。
• 监控：数据是否新鲜、任务是否完成、持仓是否超限、成交与预期差多少、谁处理报警。
• 实盘部署属于团队审批、资金和权限管理流程；此学习项目只做到离线研究与仿真设计。

让项目写进简历，而不是只放一个链接

用实际完成的工作填写：“围绕____假设，处理____范围数据，加入____质量检查，采用____时序验证，与____基线比较；发现____，通过____测试排查问题，提供可复现实验与报告。”

不要把模板自带功能写成自己独立研发，也不要把合成数据的收益写成实盘收益。面试官追问时，能指出你改了哪个文件、为什么改，以及结果如何影响判断。