量化交易入门应该先学什么？不是先背完所有指标，也不是先挑一个回测框架。更稳妥的起点是学会把一句交易想法写成可检查的规则，并判断支持它的证据是否可信。
一条最小规则只需要回答三个问题：买什么、买多少、什么时候调仓。随后再追问数据在当时是否可得、结果如何验证、真实执行要付出什么成本。沿着这条线学习，公式、代码和平台才会落在同一张地图上。
一条够用的入门路线
第一步：把观点改写成规则
“这只股票看起来很强”无法回测；“在固定股票池内，按过去 20 个交易日收益排名，持有前 10 名，每 5 个交易日调仓”才是规则。它至少明确了：
- 输入：过去 20 个交易日收益；
- 横截面：在哪些股票之间比较；
- 决策：买前 10 名；
- 节奏：每 5 个交易日更新一次。
规则越明确，越容易发现争议究竟来自想法本身，还是来自实现细节。
第二步：学会检查数据时点
如果策略在第 日交易，就必须确认信号只使用第 日及更早已经可得的信息。财报发布时间、指数成分股历史、复权方式和停牌处理都可能把未来信息带回过去。
最简单的自检是逐列写下“这条数据在真实世界什么时候能看到”。答不出来，就先不要相信回测。
第三步：用互补证据验证
单个指标承担不了完整结论。以因子为例：
| 证据 | 回答的问题 | 单独使用的盲区 |
|---|---|---|
| IC / Rank-IC | 因子排名能否预测下一期收益排名 | 看不到头部组合是否可投资 |
| 分组收益 | 高低分组是否单调，收益来自多头还是空头 | 可能混入市值或行业暴露 |
| 回归检验 | 剥离已知风险后是否还有增量 | 理论组合未必能真实交易 |
| 样本外测试 | 离开调参区间后是否仍成立 | 仍需面对成本和市场变化 |
看到“夏普很高”时，不要立刻问能赚多少，先问这四类证据是否互相支持。
第四步：把执行成本放回策略
回测常把手续费写成一个常数，但真实摩擦还包括点差、滑点、整股约束、成交失败与资金占用。调仓越频繁，成本越可能主导结果。
因此，入门阶段就应该同时记录换手率和持仓变化，而不是等策略上线后才补成本。策略收益是毛收入，成本是为了获得这份收益必须支付的价格。
阅读一份回测时先问什么
一篇量化文章最容易让人记住的是收益率，最应该先看的却是口径。先确认文章究竟在回答什么：是在解释一个因子的经济直觉，比较两种策略，还是验证一条可以执行的交易规则？
| 文章类型 | 最低限度应说明 | 常见误读 |
|---|---|---|
| 概念解释 | 定义、适用边界、反例 | 把解释当成有效性证明 |
| 因子研究 | 样本、信号时点、评价方法 | 只看单个 IC 数字 |
| 策略回测 | 规则、成本、基准、样本外 | 把历史拟合当成未来承诺 |
接着检查以下问题：
- 股票池是不是使用了今天才知道的历史成分？
- 训练、筛选与最终评估是否使用了互不重叠的时间区间？
- 手续费、滑点和调仓频率是否与计划执行方式一致？
- 结果能否由同一份输入和同一段代码重新生成？
- 是否只展示成功参数，而隐藏了同时测试过的其他组合？
只要其中一项说不清楚，再漂亮的净值曲线也只能算线索，不能算结论。
第一个练习不要追求收益
选一条足够简单的规则，用小规模、可检查的数据完成一次端到端练习：
- 保存原始数据与清洗后的数据；
- 明确写出信号在哪一天生成、在哪一天成交；
- 同时输出目标持仓、实际持仓、换手与成本；
- 修改一个参数前先保存基线结果；
- 用未参与调参的区间做最后检查。
这个练习的目标不是找到“赚钱策略”，而是建立可复现的研究习惯。完成之后，再进入因子、策略族或机器学习模型，会少走很多弯路。
下一步去哪里
如果还不确定量化系统包含哪些环节，先看量化交易全览；如果已经在读因子公式，继续看单因子有效性评估。真正遇到“回测很好、模拟盘却不行”时，再进入两篇事故复盘，检查频率、成本和代码路径是否对齐。
先学会拒绝不完整的证据，再学习如何生产证据。这是量化交易入门最值得建立的第一项能力。