零基础到量化实习：时间线与里程碑
我的掌握程度：
先掌握这个答案
18个月参考线（全职学习可压缩一半）：M1-3：阶段1-4（市场+数学+编程）→里程碑：数据管道项目完工；M4-6：阶段5-6（因子+回测）→里程碑：独立完成3因子检验+1回测报告；M7-9：阶段7-8（风险+ML）→里程碑：ML选股项目（走查验证）；M10-12：阶段9（竞赛+简历）→里程碑：BRAIN 10因子/Kaggle前20%+简历定稿；M13-18：申请期（实习全流程）+阶段10（面试+模拟盘）。申请节奏：量化私募实习招聘全年滚动，秋招提前批7-8月启动。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
「我要入行」是愿望，「18个月内拿到实习」是计划。把本课程10个阶段、能力证据、申请窗口排进一张时间线，愿望就变成了可执行的路线图。
由此产生的问题
从零基础到获得量化实习的合理时间线怎么排？每个阶段的里程碑是什么？
核心概念
18个月参考线（全职学习可压缩一半）：M1-3：阶段1-4（市场+数学+编程）→里程碑：数据管道项目完工；M4-6：阶段5-6（因子+回测）→里程碑：独立完成3因子检验+1回测报告；M7-9：阶段7-8（风险+ML）→里程碑：ML选股项目（走查验证）；M10-12：阶段9（竞赛+简历）→里程碑：BRAIN 10因子/Kaggle前20%+简历定稿；M13-18：申请期（实习全流程）+阶段10（面试+模拟盘）。申请节奏：量化私募实习招聘全年滚动，秋招提前批7-8月启动。
为什么需要它
①里程碑的意义：每个M节点都有「可展示的产出」，求职时证据链完整；②时间线防焦虑：知道自己在哪、还差多远，比「快点学会」更重要；③弹性设计：在职/在学者拉长到24-30个月同样成立——路线不变，速度自适应。
实际应用场景
把时间线贴墙上，每完成一个阶段打勾；每季度对照证据地图（q-082）复盘一次；发现进度落后的第一反应是「砍范围」（少而精）而不是「降质量」。
与之前知识的联系
行业与职业组收官：版图（q-075）→岗位（q-077）→能力（q-082）→时间线（本题）。下一组回到思维层面：如何不被自己骗——量化最稀缺的能力。
⚠ 常见误解
- 学完所有课程再投简历：证据从阶段4就开始积累；M6就可以投中小机构练面试
- 时间线越长越稳：窗口期真实存在（应届身份、实习转正窗口）；宁可范围窄也要按节点出产出
- 面试失败=路线错误：每次面试都是信息收集（哪里被问倒）；5-10次失败是正常学费
🛠 本题实践任务
生成你的个人时间线（可用上述代码或手写），标注每周可投入小时数。贴在显眼处，设定每阶段结束日的自查提醒。
💡 提示（先自己想5分钟再看）
每周10小时≈全职学习的1/3，时间线相应拉长到2年——路线不变；关键是节点产出不打折。
✅ 验收标准
一张属于你的时间线+每周投入小时数。从「想学量化」到「正在执行计划」，这一步就是分水岭。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（能力证据、课程结构），再用案例、公式和代码帮助理解。此功能需要先启用服务。