量化研究工作流：Jupyter Notebook 与特征工程

量化研究的产出不是 notebook——是一个有文档化假设、可上线的信号。多数研究死在 Jupyter 里，因为 notebook 变成了无法阅读的废墟。纪律化的工作流把探索变成生产。

Notebook 结构

每个研究问题一个 notebook，固定章节按顺序：假设、数据加载、特征工程、信号、回测、验证、结论。开头没有假设陈述的 notebook 是观光，不是研究。

让 notebook 在 Kernel → Restart 后能从头到尾跑通。如果只能靠上一次运行的状态才跑得动，它就是坏的。提交前跑 nbstripout，让 diff 显示逻辑而不是输出。

特征工程原则

特征编码你的经济假设。没有陈述理由的特征是捞针。

1. 先说机制。 "趋势持续性在低波动状态里更强"——然后构建一个结合斜率和实现波动率的特征。从目标反推特征本身就是过拟合。
2. 平稳性检查。 算 ADF（Augmented Dickey-Fuller）统计量；拒绝非平稳特征或做差分。趋势性的特征会骗过任何线性模型。
3. 未来函数审计。 每个特征写下它在哪个时间戳才可知。rolling(20).mean() 在时刻 t 上算收盘，只有用截至 t-1 的 K 线算才有效。差一个 index 是假优势的头号原因。
4. 分布和离群值。 在 1% 和 99% 分位裁剪或缩尾。一次 20 sigma 的异常打印（拆股数据错误）会主导梯度提升。

回测前的验证

在任何盈亏曲线之前，算：特征自相关（目标不应只从滞后目标就可预测）、特征-目标互信息、跨不重叠窗口的稳定性。一个特征在 2018 vs 2022 对目标的关系符号翻转，它不是特征——是噪音。

回测诚实规则

• 走向前：训练 2016–2019，测试 2020；然后训练 2016–2020，测试 2021。永远别只报单次样本内拟合。
• 成本：假设最低往返 5 bps，即使你的券商收费更低。滑点是真实的。
• 容量：如果策略需要日成交量的 10%，标为不可扩展。

从 notebook 到生产

信号验证后，从 notebook 移植到带单元测试的版本化模块。notebook 是实验室；模块是产品。如果生产信号和 notebook 分叉，notebook 是错的。

交付物

研究交付物是：假设、带机制的特征、带成本的走向前结果、失败条件（什么时候停止工作？）、生产移植。少任何一项都是永远不会交易的 notebook。