第二章：投研流程设计——从数据获取到策略上线的全链路

大家好，我是老周。今天咱们聊聊投研流程怎么搭。

说实话，我见过太多团队，策略代码写得漂亮，但一上线就崩。为什么？流程没设计好。数据源断了没人知道，因子算错了没人发现，回测和实盘对不上账。嗯，这些坑我都踩过。

今天我把这套流程拆开给你看。从数据怎么来，到策略怎么跑，每一步的关键节点和决策机制，我都会讲清楚。

2.1 全链路流程总览

先看整体。一个完整的投研流程，我习惯分成六个阶段：

1. 数据获取——把原始数据拉进来
2. 数据清洗——把脏数据处理掉
3. 因子计算——从干净数据里提炼信号
4. 策略回测——用历史数据验证逻辑
5. 模拟交易——在真实市场里跑一跑
6. 实盘上线——真金白银干起来

每个阶段之间都有明确的交付物和决策点。说白了，就是上一阶段没做完，下一阶段别想动。

下面这张图，是我团队现在用的流程框架。你仔细看看：

2.2 数据获取——地基不牢，地动山摇

数据获取是整个流程的起点。我见过最惨的案例：一个团队花了三个月做策略，结果发现数据源里某只股票停牌期间的数据是重复的。回测收益漂亮，实盘直接亏哭。

数据获取阶段，我建议你关注三个维度：

• 数据源可靠性：主数据源 + 备用数据源。别只依赖一家。
• 数据覆盖范围：全市场还是部分标的？频率是日线还是 tick？
• 数据更新时效：盘后数据还是实时推送？延迟多少？

2.3 数据清洗——脏数据是策略的毒药

数据清洗，说白了就是「去伪存真」。我团队里有个不成文的规定：清洗代码的代码量，不能少于策略代码。

常见的脏数据问题：

问题类型	表现	处理方法
缺失值	某天某只股票没有行情	前向填充 / 插值 / 剔除
异常值	价格突然跳变 100 倍	3σ 法则 / 百分位截断
重复数据	同一时间戳出现多条记录	去重保留最后一条
对齐问题	不同数据源时间戳不一致	统一对齐到交易所时间

2.4 因子计算——从数据到信号的转化

因子计算是投研的核心。但很多人忽略了一个关键点：因子计算必须可复现。

什么意思？就是你今天算的因子，和明天算的因子，在同样的数据输入下，结果必须完全一致。这听起来简单，但实际做起来很难。比如：

• 滚动窗口的计算，边界条件处理不当就会差一行数据
• 多线程并行计算，顺序不同可能导致结果微小差异
• 浮点数精度问题，不同机器上结果可能不一样

我团队的做法是：每个因子都写一个单元测试，用已知结果验证。代码大概长这样：

def test_momentum_factor():
    # 构造已知数据
    prices = pd.Series([100, 102, 101, 105, 110])
    # 计算20日动量
    result = momentum_factor(prices, window=20)
    # 验证结果
    expected = 0.10  # (110-100)/100
    assert abs(result - expected) < 1e-6

2.5 策略回测——别被漂亮曲线骗了

回测是检验策略的试金石。但说实话，回测也是最容易「作弊」的环节。

我见过有人把未来数据用到回测里，回测曲线漂亮得像教科书，实盘直接腰斩。这不是技术问题，是职业道德问题。

回测阶段，我建议你关注三个核心指标：

1. 夏普比率——衡量风险调整后的收益
2. 最大回撤——策略最惨的时候亏多少
3. 胜率与盈亏比——赚钱的交易占比多少，平均赚的钱和亏的钱比是多少

但比这些指标更重要的，是回测的假设是否合理。比如：

• 你的回测考虑了滑点吗？
• 考虑了交易手续费吗？
• 考虑了市场冲击吗？
• 考虑了涨跌停无法成交吗？

如果这些都没考虑，那回测结果就是「理想状态」，和现实差距很大。

2.6 模拟交易——最后的实战演练

模拟交易是回测和实盘之间的桥梁。很多人觉得这步可以跳过，我强烈不建议。

为什么？因为回测是「事后诸葛亮」，模拟交易是「事前猪一样」。回测时你知道历史走势，模拟交易时你不知道下一秒会发生什么。这种心理压力，只有模拟交易能帮你适应。

模拟交易阶段，我关注两个点：

• 与回测的一致性：模拟交易的收益曲线，应该和回测的收益曲线走势相似。如果偏差超过 20%，说明回测假设有问题。
• 系统稳定性：交易接口是否稳定？数据推送是否及时？风控模块是否正常工作？

2.7 实盘上线——真金白银的考验

终于到了实盘上线。这一步，我建议你分三步走：

1. 小资金试水：先拿总资金的 5% 跑一周。看看实际成交和模拟交易有没有差异。
2. 逐步加仓：如果小资金运行正常，每周加 10% 的仓位，直到满仓。
3. 持续监控：实盘上线不是终点，是起点。每天检查策略表现，每周做一次归因分析。

实盘上线前，还有一个关键动作：应急预案。

比如：

• 如果策略突然亏损超过 5%，自动暂停交易
• 如果交易接口断连，自动切换到备用接口
• 如果服务器宕机，自动发送告警通知

这些不是可有可无的。我见过一个团队，实盘第一天服务器就挂了，因为没有应急预案，眼睁睁看着策略无法交易，当天亏损 3%。

好了，这一章就到这里。下一章我们聊聊因子研究的具体方法——怎么从海量数据里找到真正有效的信号。

---

公众号:蓝海数据掘金营，微信deep3321