7.10 生成你的第一个研究报告
课前导读
本章目标
学完能解决什么困惑：为什么量化研究不能只留下代码和图表，以及如何写出第一份可复现的 A 股研究报告。
适合谁学习：已经知道收益、回撤、向量化和项目文件夹，准备把一次研究完整记录下来的读者。
难度：beginner
预计用时：约 40 分钟
研究报告不是给别人看的面子工程。
它首先是写给未来自己的说明书。
当你一个月后回头看某次研究时，最需要的不是漂亮口号。
你需要知道当时问了什么问题。
用了哪份数据。
规则怎么写。
结果如何。
风险在哪里。
下一步准备改什么。
如果这些都没有记录，代码跑出来的数字就很难被信任。
知识正文
1. 类比：研究报告像病例小结
医生看完体检报告后，不会只说“指标还行”。
他会写病例小结。
小结里会说明检查目的、检查项目、异常指标、可能风险和后续建议。
量化研究报告也类似。
收益曲线、回撤曲线和分布图只是检查结果。
报告要把这些结果放回问题背景里。
比如：这次研究是为了观察均线趋势条件，还是为了比较成交量过滤效果。
比如：数据来自哪段 A 股历史行情，是否包含交易成本假设。
比如：结果看起来不错，但最大回撤是否超出新手可承受范围。
报告的作用，是让研究从“我感觉还不错”变成“我能解释为什么”。
2. 第一份报告的六个模块
入门阶段的研究报告不需要复杂。
建议固定使用六个模块。
第一，问题。
你到底想检查什么投资观察。
第二，数据。
你用了什么数据，来自哪里，覆盖什么时间。
第三，规则。
你如何把观察想法写成可计算条件。
第四，结果。
你得到哪些核心数字和图表。
第五，风险。
哪些地方可能导致结论不可靠。
第六，下一步。
你准备继续检查什么，而不是立刻实盘。
这六个模块像研究的骨架。
只要骨架稳定，每次研究都能对齐比较。
flowchart TD
A[问题] --> B[数据]
B --> C[规则]
C --> D[结果]
D --> E[风险]
E --> F[下一步]3. 问题：不要写得太大
新手常见问题是，一上来就写“我要找到赚钱策略”。
这个问题太大，也无法复现。
更好的写法是具体而克制。
例如：“观察 MA20 高于 MA60 的交易日，收益曲线是否更平稳。”
例如：“观察成交额过滤后，样本中的异常波动是否减少。”
例如：“比较扣除成本前后，某个简单规则的结果差异。”
问题越具体，数据和规则越容易对齐。
你也更容易判断报告是否回答了问题。
专业研究者不会从大口号开始。
他们会从可检查的小问题开始。
4. 数据：写清楚来源和口径
数据模块至少写四件事。
第一，数据来源。
例如来自行情软件导出的日线数据，或来自交易所公开资料整理。
第二，数据范围。
例如 2020-01-01 到 2025-12-31。
第三，字段。
例如日期、开盘价、最高价、最低价、收盘价、成交量、成交额。
第四，口径。
例如是否前复权，是否剔除停牌日，是否包含 ST 股票。
A 股研究特别需要写口径。
因为同一只股票，复权与不复权会影响均线和收益计算。
如果口径不写清楚，别人无法复现。
未来的你也无法判断结果是否可比。
5. 规则：用“如果……就……”表达
规则模块不要写成情绪判断。
不要写“走势不错时买入”。
要写“如果 MA20 高于 MA60，则记为趋势条件满足”。
不要写“成交量比较大”。
要写“如果当日成交量高于过去 5 日平均成交量，则记为放量”。
规则越像说明书，越容易用 Python 复现。
如果规则需要主观判断，也要写出主观判断的边界。
例如“异常公告日单独标记，不直接纳入普通样本结论”。
这不是让报告变僵硬。
这是让你的投资观察可以被复查。
6. 结果：指标少而清楚
第一份研究报告只需要少量指标。
累计收益：观察期结束时资金相对开始变化多少。
最大回撤：从历史高点到低点的最大下跌幅度。
交易次数：规则触发了多少次买卖或观察切换。
你也可以附上收益曲线、回撤曲线和分布图。
但不要把报告变成指标堆砌。
指标是为了回答问题，不是为了显得复杂。
如果问题是“过程是否平稳”，最大回撤就很重要。
如果问题是“是否过度频繁”，交易次数就很重要。
如果问题是“最终是否改善”，累计收益才有参考意义。
本章不展开完整评估体系。
更完整的回测评估会在第 9 章学习。
7. 风险：主动写出不确定性
好报告不是只展示好结果。
好报告会主动写风险。
数据可能有缺失。
复权口径可能影响均线。
成本和滑点可能被低估。
样本时间可能太短。
某段行情可能刚好适合规则。
T+1、涨跌停和流动性可能让信号无法按理想价格执行。
这些风险不是让你放弃研究。
它们让你知道结论的边界在哪里。
投资者需要边界感。
量化开发者也需要边界感。
没有边界的数字，很容易变成误导。
8. 下一步：从结论走向改进
报告最后不要只写“继续观察”。
这句话太空。
可以写更具体。
例如：“下一步检查不同年份结果是否一致。”
例如：“下一步加入基础交易成本后重算收益曲线。”
例如：“下一步比较有无成交额过滤的差异。”
例如：“下一步检查最大回撤发生期间的市场环境。”
下一步应该是可执行动作。
它连接本次研究和下一次研究。
这就是研究闭环。
9. 一个最小报告模板
你可以把下面模板保存到 reports 文件夹。
# 研究报告：MA20 与 MA60 趋势观察
## 1. 问题
本次研究想检查：MA20 高于 MA60 时，样本走势是否更平稳。
## 2. 数据
数据范围：2020-01-01 至 2025-12-31。
数据字段：日期、收盘价、成交量、成交额。
数据口径：前复权日线数据，成本假设另行记录。
## 3. 规则
如果 MA20 高于 MA60，则趋势条件满足。
信号在收盘后确认，最早用于下一个交易日观察。
## 4. 结果
累计收益：示例 8.4%，请替换为你的计算结果。
最大回撤：示例 -6.2%，请替换为你的计算结果。
交易次数：示例 12 次，请替换为你的统计结果。
核心图表：收益曲线、回撤曲线、收益分布图。
## 5. 风险
样本时间有限，结果可能依赖特定行情。
交易成本、滑点、涨跌停影响需要继续检查。
## 6. 下一步
加入成本假设，并按年度拆分结果。模板里的示例数字只是格式演示，你研究时应替换成自己的计算结果。
最终提交报告前，应填写成具体数字或说明无法计算的原因。
10. 用 Python 输出核心指标
下面示例展示如何把指标整理成报告素材。
它不依赖真实联网数据。
metrics = {
"累计收益": "8.4%",
"最大回撤": "-6.2%",
"交易次数": 12,
}
for name, value in metrics.items():
print(f"- {name}: {value}")这段代码的重点不是计算指标。
重点是把指标用统一格式输出。
如果每次报告都用同样字段，你就能比较不同研究。
当你以后学习第 9 章回测系统时，这种统一格式会非常有用。
但现在不需要提前展开完整系统。
先把一次研究讲清楚，比堆复杂代码更重要。
11. A 股案例：一份报告如何避免误导
假设你研究某个股票池的均线条件。
报告里显示累计收益为 12%。
如果只写这个数字，读者可能以为策略很好。
但你继续写：最大回撤为 -18%，交易次数为 46 次。
你还写：结果未加入完整滑点估计，且某一年贡献了大部分收益。
这时结论就更稳健。
它不再是“策略能赚钱”。
它变成：“在当前样本和假设下，规则有一定观察价值，但回撤较深，且结果可能依赖特定年份。”
这种表达更接近专业研究。
它不会给新手制造过度自信。
它也方便下一步继续检查。
关键心得
研究报告的价值，不是证明自己正确，而是让结论、证据和风险放在同一张桌面上。
交互实验室
练习 1：写出你的研究问题
请用一句话写出一个小问题。
格式可以是：“我想检查……是否……”
例如：“我想检查成交额过滤后，均线信号是否减少异常波动。”
注意，不要写“我要找到稳赚方法”。
量化研究从可检查问题开始。
练习 2：填写六模块报告
请在 reports 文件夹里创建一份研究报告。
按顺序写六个标题。
问题。
数据。
规则。
结果。
风险。
下一步。
每个标题下面先写两到三句话。
如果没有真实数据，就写模拟数据，并明确说明是练习样本。
不要把模拟结论当成投资结论。
练习 3：给指标写中文解释
请写下三个指标的中文解释。
累计收益：观察期结束时资金整体变化。
最大回撤：从历史高点往下掉得最深的幅度。
交易次数：规则触发交易或观察切换的次数。
然后写一句风险说明。
例如：“这些指标只描述历史样本，不能保证未来表现。”
练习 4：生成下一步动作
请从下面四个动作里选择一个。
按年度拆分结果。
加入基础交易成本。
检查最大回撤发生阶段。
对比是否加入成交额过滤。
把选择写进报告的“下一步”。
下一步必须具体到能执行。
核心复盘
知识清单：
- [ ] 我知道第一份研究报告应包含问题、数据、规则、结果、风险和下一步。
- [ ] 我能把模糊投资想法改写成可检查研究问题。
- [ ] 我知道数据模块要写清来源、范围、字段和口径。
- [ ] 我理解累计收益、最大回撤、交易次数只是入门指标，不代表完整评估。
- [ ] 我会主动写出样本、成本、滑点、涨跌停和流动性等风险边界。
金句总结
没有报告的研究，只是一次临时计算；有结构的报告，才是可复现的证据。