第 1 章 · 03 卖方金工研报体系与阅读方法

第 1 章 · 03 卖方金工研报体系与阅读方法

本节摘要:本仓库的核心资产是卖方金工研报,但它们篇幅长、公式多、还带「卖方立场」的乐观偏差,读不好会浪费时间甚至被误导。本节教你高效读研报:先讲清一份金工研报的标准结构(摘要/背景/方法/实验/结论/风险提示),让你知道哪部分该精读、哪部分可略;再给一套高效的「三遍阅读法」(先扫结论→再看方法→最后验数据);最后重点讲卖方研报的几种典型「乐观偏差」——回测区间精心挑选、对比基准偏弱、成本计算不足、过拟合未充分检验——教你带着批判眼光读。读完本节,你读研报的效率与鉴别力都会上一个台阶。

内容来源:综合华泰/海通研报的通用结构与量化研究方法论。

⚠️ 学习提示:研报是学习的好素材,但作者有「展示亮丽结果」的动机。本节教的批判眼光,比研报本身的具体结论更重要。

学习目标

阅读完本节,你应当能够:

1. 说清一份金工研报的标准结构及各部分的阅读重点。
2. 掌握三遍阅读法(扫结论→看方法→验数据)。
3. 识别卖方研报的四种典型乐观偏差。
4. 带着批判眼光评估任何回测结果。

一、金工研报的标准结构

一份典型的卖方金工研报(以华泰/海通为例)包含这些模块:

💡 核心心法:研报的价值集中在「方法/模型」和「实验设置」——前者教你思路,后者决定结论可信。「结果展示」反而最该警惕,因为它最容易被「装饰」。

二、三遍阅读法

面对动辄 30-50 页的研报,推荐「三遍阅读法」:

第一遍:扫结论(5 分钟)

只读摘要 + 结论 + 风险提示。回答三个问题:

• 这篇研究解决什么问题?
• 它的核心方法是什么?
• 它声称的效果如何?有什么前提?

目的:判断值不值得精读。许多研报扫完摘要就可以放下。

第二遍:看方法(20-30 分钟)

精读方法/模型 + 实验设置。回答:

• 方法的核心思想是什么?有无新意?
• 用了什么数据?标的范围?回测区间?调仓频率?
• 成本(手续费/滑点)怎么算的?
• 有没有做样本外检验?防过拟合措施?

目的:吸收方法论,评估可信度。

第三遍:验数据(按需)

对特别感兴趣或要复现的研报,细看结果展示,甚至自己复现。关注:

• 对比基准是否公平(是否对比了强基准)?
• 不同区间的稳健性(牛/熊/震荡都有效吗)?
• 关键统计量(夏普、回撤、换手、胜率)是否合理?

目的:确认结论不是偶然。

💡 效率心法:绝大多数研报到第二遍就够。只有少数(如华泰 AI 32 AlphaNet 这种里程碑)值得第三遍与复现。

三、四种典型乐观偏差

卖方研报的回测结果普遍偏乐观,主要来自这四种偏差:

偏差 1:回测区间精心挑选

研报常选「策略表现最好的区间」展示。比如一个反转策略,会挑反转效应强的年份。

对策:看它是否测试了多个不同特征的区间(牛市、熊市、震荡市)。如果只展示一段,在心里打折扣。

偏差 2:对比基准偏弱

用「全市场等权」「沪深300」这类弱基准对比,显得策略超额很多。

对策:看它有没有对比同风格的强基准。比如小盘策略该对比中证 1000/国证 2000,而非沪深 300。

偏差 3:成本计算不足

很多研报的手续费/滑点假设偏低(如单边 0.05%),而高换手策略的真实成本可能吃掉大半超额。

对策:留意它的换手率与成本假设。高换手(年换手 > 20 倍)策略对成本极敏感,把成本调高一倍,收益可能就没了。

偏差 4:过拟合未充分检验

调了很多参数,但没做严格的样本外检验或时序交叉验证。华泰 AI 14/16(时序交叉验证)本身就是为对抗这个问题而写,说明卖方自己也意识到。

对策:看它的参数是怎么定的(网格搜索?手调?)、有没有留样本外。参数越多、搜索越广,过拟合风险越大。

⚠️ 学习提示:这四种偏差不是卖方「造假」,而是研究呈现的自然倾向。你的任务不是否定研报,而是读懂方法论,对数字打折。华泰/海通的方法论是靠谱的,它们的具体数字换段行情就会变。

四、读懂研报的几个实用习惯

1. 先读系列的第一篇:每个系列的第 1 篇通常是「体系初探」,定义了后续所有篇的框架与术语(如华泰多因子 1、华泰 AI 1、海通选股因子 1)。先读它,后面事半功倍。
2. 建立术语本:研报有自己的术语体系(如「IC/IR」「分层回测」「行业中性」),遇到不懂的先查清楚再继续,否则越读越糊。
3. 关注意外结果:如果研报出现「反直觉」的结论,值得多看一眼——要么是真发现,要么是 bug,两种都有价值。
4. 复现关键图表:能复现的研究才是真懂。哪怕只复现一张表,理解也会深很多。
5. 看风险提示:卖方在风险提示里常会说真话——模型的失效情景往往在这里坦诚写出。

五、本仓库研报的「阅读路线」

结合第二节,推荐这样读本仓库的研报:

• 打基础期:华泰多因子 1(体系)→ 海通选股因子 1(动量反转)→ 华泰 AI 1(框架)。这三篇建立共同语言。
• 学方法期:挑你最感兴趣的方法线深读。比如想学 AlphaNet,就读华泰 AI 8→9→32→34(MLP→RNN→AlphaNet→AlphaNet 优化),这条线脉络清晰。
• 批判期:读华泰 AI 14/16(时序交叉验证)、22(CSCV 回测过拟合概率),这两篇教你「怎么判断别人(包括其他研报)是否过拟合」,是元方法。

本节要点回顾

1. 标准结构:摘要(必精读)/背景(略)/方法(精读,精华)/实验设置(精读,定可信)/结果(警惕)/结论/风险提示(必读,藏真话)。
2. 三遍阅读法:扫结论(5分钟,定值不值得)→ 看方法(20-30分钟,吸收+评估)→ 验数据(按需,复现关键)。
3. 四种乐观偏差:区间挑选、基准偏弱、成本不足、过拟合未验——读数字时心里打折。
4. 实用习惯:先读系列第1篇建共同语言、建术语本、关注意外结果、复现关键图表、看风险提示听真话。
5. 本仓库路线:打基础(多因子1/海通1/AI1)→ 学方法(挑线深读)→ 批判(AI 14/16/22 学元方法)。

下一节,我们给出一份完整的量化学习路径与工具链,帮你规划后续学习。