quant research methodology · from hypothesis to validation
很多人拿到数据就开始挖因子，挖到 IC 高的就上。这是"数据窥探"，挖出来的高 IC 多半是过拟合。
正确顺序反过来：先写"我假设动量在 A 股有效，因为散户追涨杀跌"，再去找数据验证。假设先行的好处是——证伪时你知道是假设错了，不是参数没调好。没有假设的研究，调参调到 IC 高，你不知道是真信号还是噪声。
这是波普尔的可证伪性在量化里的应用。能被证伪的假设才是科学假设，"市场会涨"这种不能证伪的不是假设是占卜。每个策略上线前，问自己一句："什么情况能证明我错了？"——答不上来，就别上。
下面 7 个研究步骤被打乱了。按正确顺序点击排到下方轨道，看排对几步、漏哪步会出什么事。
"市场会涨"不能证伪。要写成"动量股 5 日后跑赢大盘 2%"，能被数据拒绝才算假设。
用了 t+1 才有的数据预测 t，回测必赢实盘必亏。检查每个字段的时间戳。
试 100 个因子挑 5 个 IC 高的，纯噪声也能挑出"显著"。用 Bonferroni 或样本外验证。
用现存股票回测，退市股没算进去，收益系统性高估。必须用 point-in-time 股票池。
后面三步——稳健性（参数微调结果是否稳定）、样本外（留出数据验证）、实盘（小资金试跑）——是过拟合的最后一道防线。跳过样本外直接上实盘，等于不体检就上手术台。业界经验：回测年化 30%、样本外年化 15%、实盘年化 8% 是常见衰减，衰减>70% 就是过拟合。