量化工作者的一天与一条研究流水线

一个日频研究实习生的示例工作日

开发岗可能把大部分时间放在调试、评审、压测与服务维护；执行岗围绕对应市场的开收盘与值班制度安排。具体作息需面试询问。

• 上午开始：看数据任务和实验日志。检查昨晚更新是否完整，记录缺失日期和异常值。交付：数据检查结果。
• 上午研究：和导师确认一个可证伪的问题，例如“某特征是否具有稳定的横截面排序信息”。明确预测窗口和比较基准。交付：半页研究假设。
• 下午实验：先复现基线，再只改变一个因素。记录样本范围、参数、版本、耗时和指标。交付：对照表与图。
• 下午讨论：解释失败和不确定性；被问到的不是只有收益率，也包括数据泄漏、稳定性与交易成本。交付：结论和下一步。
• 结束前：把 notebook 从头跑一遍，提交代码，把未解决的问题写入任务单。交付：可重跑的版本和简短日报。

从一个想法到可交付研究：8 个关口

• 1. 假设：先写预测什么、为什么可能有效、什么结果会推翻它。
• 2. 数据：保存原始快照、来源、字段、单位、时间戳和授权范围；检查重复、缺失与异常。
• 3. 时点：给每个特征写清“何时能知道”。财报期末日期不等于公告可得日期。
• 4. 基线：先做简单规则或线性模型，固定训练/验证/测试边界。
• 5. 实验：只用训练段拟合变换，用验证段作选择，留出测试段最终评估；记录尝试过的参数。
• 6. 回测：把信号、仓位、成交、成本分开；解释停牌、涨跌停与不可成交处理。
• 7. 复核：检查不同时间段、成本上调和基准比较；报告负结果。
• 8. 交付：README、环境、数据字典、测试、实验表、报告和下一步。研究通过评审后才讨论仿真和实盘流程。

每个环节用什么：先学最小工具组合

• 写代码：VS Code + Python。用断点看到每一步的值；AI生成后自己读 diff、检查输入输出并写测试。
• 探索与作图：Jupyter + pandas/NumPy + matplotlib。最后把稳定逻辑移到 .py 文件，避免 notebook 隐藏状态。
• 数据：先 CSV 与 SQLite/DuckDB；数据量和团队协作要求明确后，再考虑 Parquet、PostgreSQL 或其他服务。
• 协作：Git 记录版本，GitHub/GitLab 承载评审与问题单。先会提交一个小改动和解释原因。
• 实验：先 experiments.csv，记录代码版本、数据快照、参数和结论；数量增加后再了解 MLflow。
• 交付：Markdown 研究报告、图表和简短演示。Excel可用于抽样核对，最终逻辑应能重跑。

Windows 起步：下载项目后在文件夹终端运行

先安装 Python 和 VS Code 的 Python 扩展，确认命令能找到解释器。下面只创建这个学习项目的独立环境；教学脚本本身只用标准库，不需要数据账户。若 py 命令不可用，按官方安装说明修复，或使用已安装解释器的完整路径。

py -3 --version
py -3 -m venv .venv
.\.venv\Scripts\python.exe -m unittest -v
.\.venv\Scripts\python.exe research.py
# 输出在 reports/，用 Excel 或编辑器打开
# 之后要学习真实数据分析时，再安装下列可选包：
.\.venv\Scripts\python.exe -m pip install pandas numpy matplotlib jupyterlab
.\.venv\Scripts\python.exe -m pip freeze > requirements-lock.txt

每天怎样使用 AI，才会逐渐独立

• 先自己写输入、输出、3个边界案例，再让 AI 提供一个小函数；不要一开始要它生成整个策略。
• 让 AI 解释每行代码，但拿3行手算数据验证解释，尤其检查 shift、merge 和索引。
• 把报错缩到最小复现；让 AI 给出原因和验证方法，再亲手运行。
• 每周做两次20分钟不开 AI 的练习：读CSV、按日期排序、计算收益、写一个断言。
• 只提交自己能解释的内容；面试中如实说明 AI 辅助范围与独立完成部分。真实单位的数据、策略和密钥按单位规定处理。

模拟团队协作：一份可复制的任务单

公司内部可能使用飞书、企业微信、Teams、邮件或自己的任务系统；实际组合由团队决定。你先练“可复现的问题、可审阅的代码、可行动的日报”这三件事。

任务：确认某因子在验证段是否有排序信息
输入：数据快照版本、股票池定义、可得时间、预测窗口
验收：无重复键；三行手算一致；训练/验证分开；记录所有实验
产物：src/、tests/、reports/、experiments.csv
今日完成：具体到文件和结果
遇到阻碍：现象、最小复现、已经尝试的方法
下一步：一个可以在一天内完成的验证
请求评审：请检查时间对齐和成本口径