第一章：课程导论与数据科学全景
什么是量化因子？
量化因子，说白了就是能预测股票涨跌的“信号”。
我刚开始接触这个领域时，觉得这词特别玄乎。后来做多了才发现，它其实就是个数学公式——把一堆原始数据（比如价格、成交量）加工成一个数值，然后拿这个数值去判断买卖时机。
举个例子：
- 市盈率因子：用股价除以每股收益，判断股票贵不贵
- 动量因子：过去3个月的涨幅，判断趋势是否延续
- 波动率因子：价格波动的剧烈程度，判断风险大小
每个因子背后，都对应着一种市场逻辑。比如低市盈率的股票，长期来看往往跑赢高市盈率的——这就是价值投资逻辑在量化中的体现。
核心要点：因子不是凭空捏造的，它必须能解释为什么某些股票涨、某些股票跌。我见过不少新手上来就搞一堆复杂公式，结果回测一塌糊涂——因为逻辑根本站不住脚。
数据科学在金融领域的应用全景
数据科学在金融里能干的事，比你想象的多得多。我把它分成三个层次：
| 层次 | 典型应用 | 我踩过的坑 |
|---|---|---|
| 基础层 | 数据清洗、异常检测、缺失值处理 | 曾经因为没处理停牌数据，回测结果虚高30% |
| 分析层 | 因子计算、相关性分析、回测验证 | 因子之间高度共线性，导致模型过拟合 |
| 应用层 | 选股策略、风险控制、组合优化 | 实盘时因子失效，因为市场环境变了 |
你想想看，从原始的交易数据到最终的投资决策，中间要经过多少道工序？
我个人习惯把整个过程叫做“数据流水线”。每一道工序出问题，最终结果都会跑偏。嗯，这里要注意：很多人只关注模型有多炫酷，却忽略了数据质量——这是最致命的。
知识体系结构图
下面这张图，是我自己总结的量化因子研究全流程。你看一眼就能明白，我们这30章到底在讲什么：
我的建议：别急着跳到最后一步。我见过太多人一上来就想搞个“完美策略”，结果连数据都没对齐。老老实实从数据清洗开始，每一步都走扎实了，后面自然水到渠成。
为什么数据清洗这么重要？
你可能觉得清洗数据很枯燥。说实话，我以前也这么想。
直到有一次，我跑了一个看起来很漂亮的因子回测，年化收益20%+。结果仔细一查，发现是因为前复权数据没处理好，把分红算成了收益——说白了，那个因子根本就没赚钱。
从那以后，我养成了一个习惯：花70%的时间在数据清洗和预处理上，剩下30%才用来建模和测试。你想想看，数据是地基，地基不稳，楼盖得再高也得塌。
避坑指南：我曾经因为没处理“涨跌停”数据，导致因子在极端行情下完全失效。记住：金融数据里到处都是陷阱——停牌、复权、分红、拆股、涨跌停限制……每一个都能让你的因子“看起来很美”，实盘却一塌糊涂。
这门课你会学到什么？
简单说，就是上面那张图里的每一个环节。从最基础的Python数据处理，到因子计算、回测验证、组合优化，最后到实盘注意事项。
我个人觉得，最有价值的部分不是那些花哨的模型，而是那些“坑”——怎么避免数据泄露、怎么处理幸存者偏差、怎么判断因子是否真的有效。这些经验，是我真金白银亏出来的。
嗯，准备好了吗？我们开始吧。