从零搭建量化求职项目作品集：让简历上的 GitHub 真正说话
90% 的量化求职者简历上写着"熟悉 Python、Pandas、Backtrader"，但面试官一问项目细节就哑口无言。本文手把手教你从选题到代码结构，搭建一个能在面试中讲清楚、经得起追问的量化项目。
## 为什么大多数量化项目在面试中毫无价值
打开任何一个"量化求职者"的 GitHub，你会看到相似的内容：一个用 Backtrader 或 Zipline 跑的均线策略回测，Sharpe Ratio 写着 1.8，最大回撤 12%，然后就没了。 面试官看到这类项目的反应通常是："这个策略在样本外数据上表现如何？你如何处理 look-ahead bias？交易成本是怎么建模的？这个 Sharpe 是日频还是年化？" 如果你无法回答这些问题，这个项目不仅没有加分，反而暴露了你对量化研究的理解停留在表面。本文的目标是教你做一个能经受面试官追问的量化项目——展示你真正理解数据、统计和市场微结构的作品。
## 第一步：选题——什么样的项目值得做
**原则一：选择你能讲清楚每一行代码的项目** 不要因为某个策略"听起来很高级"就选它。一个简单但理解深刻的项目，远胜于一个复杂但一知半解的项目。 **原则二：项目要有"研究问题"，而不只是"实现"** 差的项目描述："用移动平均线策略回测了 A 股数据" 好的项目描述："研究了 A 股市场中动量效应的持续性——在控制市值和流动性因子后，过去 12 个月的动量信号是否在未来 1 个月仍然有效？" 前者是实现，后者是研究。量化公司招的是研究员，不是码农。 **推荐选题（按难度分级）** | 难度 | 项目方向 | 核心研究问题 | 适合岗位 | |------|---------|------------|--------| | ⭐⭐ | 单因子有效性检验 | 某因子在特定市场的 IC/IR 是否显著？ | QR 初级 | | ⭐⭐⭐ | 统计套利对子交易 | 协整关系是否稳定？如何动态估计对冲比率？ | QT/QR | | ⭐⭐⭐ | 订单簿微结构分析 | 买卖价差与流动性的日内规律是什么？ | QT/做市商 | | ⭐⭐⭐⭐ | 多因子选股模型 | 如何构建正交化因子？如何处理因子衰减？ | QR 高级 | | ⭐⭐⭐⭐ | 期权隐含波动率曲面 | IV Smile 的时间序列特征是什么？ | QR/衍生品 |
## 第二步：数据清洗——真正的工作在这里
大多数教程跳过了数据清洗，直接用"干净的"示例数据。但在真实量化研究中，数据清洗占据 60-70% 的时间，而且是展示专业度的关键环节。 **以 A 股日频数据为例，必须处理的三个核心问题：** **1. 幸存者偏差（Survivorship Bias）** 这是最常见也最致命的错误。如果你只用当前还在交易的股票做回测，你的结果会严重高估策略表现，因为你隐性地排除了所有退市的"失败者"。 正确做法：使用历史时点的股票池，在每个回测日期只包含当时已上市且未退市的股票。 **2. 前视偏差（Look-ahead Bias）** 错误做法：用当天收盘价计算信号，然后用当天收盘价成交。正确做法：信号用前一天的数据，成交用次日开盘价。 **3. 股票拆分与复权处理** 使用后复权价格（backward adjusted）进行回测。注意：前复权价格会随时间变化，不适合历史回测。 **数据质量检查清单** | 检查项 | 常见问题 | 处理方法 | |--------|---------|--------| | 缺失值 | 停牌日期数据缺失 | 用前一日数据填充或标记为停牌 | | 异常值 | 数据录入错误（如价格为0） | 设置合理范围过滤 | | 幸存者偏差 | 只包含当前股票 | 使用历史时点股票池 | | 前视偏差 | 信号与收益日期对齐错误 | 严格使用 shift(1) 对齐 | | 复权处理 | 使用前复权价格 | 改用后复权价格 |
以下是数据清洗的核心代码框架，展示如何正确处理前视偏差和幸存者偏差： ```python import pandas as pd import numpy as np import akshare as ak # ─── Step 1: 获取历史股票池（含退市股票，避免幸存者偏差）───────────────── def get_universe_at_date(date: str, data_dir: str = './data/') -> list[str]: """ 返回指定日期的股票池（包含当时已上市且未退市的所有股票） """ listing_df = pd.read_csv(f'{data_dir}stock_listing_history.csv', parse_dates=['list_date', 'delist_date']) target_date = pd.Timestamp(date) universe = listing_df[ (listing_df['list_date'] <= target_date) & ((listing_df['delist_date'].isna()) | (listing_df['delist_date'] > target_date)) ]['stock_code'].tolist() return universe # ─── Step 2: 正确对齐信号与收益（避免前视偏差）────────────────────────── def compute_forward_returns(prices: pd.DataFrame, holding_period: int = 5) -> pd.DataFrame: """ 计算未来 N 日收益率（信号日 T 的收益 = T+1 开盘到 T+N+1 开盘的涨跌幅） 使用 shift(-holding_period) 确保不存在前视偏差 """ # 使用开盘价成交，避免收盘价前视偏差 open_prices = prices['open'] # T 日信号 → T+1 开盘买入 → T+1+N 开盘卖出 fwd_returns = open_prices.shift(-1 - holding_period) / open_prices.shift(-1) - 1 return fwd_returns # ─── Step 3: 数据质量检查 ────────────────────────────────────────────────── def data_quality_check(df: pd.DataFrame) -> dict: report = {} # 缺失值比例 report['missing_rate'] = df.isnull().mean().to_dict() # 异常值（价格为 0 或负数） if 'close' in df.columns: report['zero_price_count'] = (df['close'] <= 0).sum() # 检查收益率极端值（单日涨跌幅超过 ±20% 视为可疑） if 'close' in df.columns: daily_ret = df['close'].pct_change() report['extreme_returns'] = (daily_ret.abs() > 0.21).sum() return report # 使用示例 if __name__ == '__main__': universe = get_universe_at_date('2023-01-01') print(f'Universe size on 2023-01-01: {len(universe)} stocks') ```
## 第三步：单因子检验的完整研究框架
以"换手率反转因子"为例，展示一个完整的、经得起追问的研究项目。 **研究假设**：过去 20 个交易日换手率异常高的股票，在未来 5 个交易日会出现反转（超额收益为负）。 **为什么选这个因子？** 因为它有经济学直觉（过度交易导致价格偏离基本面），有学术文献支撑，同时在中国市场有其特殊性（散户比例高、信息不对称）。 **核心评估指标：IC 分析** IC（Information Coefficient）是衡量因子预测能力的核心指标，定义为因子值与未来收益的 Spearman 相关系数。 | 指标 | 含义 | 参考标准 | |------|------|--------| | IC 均值 | 因子平均预测能力 | |IC| > 0.03 有参考价值，> 0.05 较强 | | IR (IC/ICSD) | 因子稳定性 | > 0.5 为可用，> 1.0 为优秀 | | IC > 0 比例 | 因子方向一致性 | > 55% 较好 | **处理交易成本（大多数项目忽略的关键）** 单次交易成本（买入+卖出）= 佣金率×2 + 印花税 + 滑点×2 ≈ 万三×2 + 千一 + 0.2%×2 = 0.66%。每期成本 = 换手率 × 单次成本。扣除交易成本后，很多看起来"盈利"的策略实际上是亏损的——这正是展示你专业度的地方。
以下是完整的 IC 分析代码，这是面试中最常被追问的部分： ```python import pandas as pd import numpy as np from scipy import stats import matplotlib.pyplot as plt # ─── 换手率反转因子计算 ────────────────────────────────────────────────────── def compute_turnover_reversal_factor( turnover: pd.DataFrame, # 日频换手率，index=date, columns=stock_code lookback: int = 20 # 过去 N 日均换手率 ) -> pd.DataFrame: """ 计算换手率反转因子：过去 lookback 日均换手率（越高分越高） 因子方向：做空高换手率股票（预期反转） """ # 截面标准化：每个截面日期内进行 z-score 标准化 factor = turnover.rolling(lookback).mean() # 截面 z-score（消除时序趋势） factor_zscore = factor.apply( lambda row: (row - row.mean()) / (row.std() + 1e-8), axis=1 ) return factor_zscore # ─── IC 分析 ──────────────────────────────────────────────────────────────── def compute_ic_series( factor: pd.DataFrame, forward_returns: pd.DataFrame ) -> pd.Series: """ 计算每个截面日期的 IC（Spearman 相关系数） IC_t = Spearman(factor_{t}, return_{t+1:t+N}) """ ic_series = {} for date in factor.index: if date not in forward_returns.index: continue f = factor.loc[date].dropna() r = forward_returns.loc[date].dropna() common = f.index.intersection(r.index) if len(common) < 30: # 至少需要 30 只股票 continue ic, _ = stats.spearmanr(f[common], r[common]) ic_series[date] = ic return pd.Series(ic_series) # ─── 汇总报告 ──────────────────────────────────────────────────────────────── def ic_summary_report(ic_series: pd.Series) -> dict: return { 'IC Mean': round(ic_series.mean(), 4), 'IC Std': round(ic_series.std(), 4), 'IR (IC/ICSD)': round(ic_series.mean() / ic_series.std(), 4), 'IC > 0 Ratio': round((ic_series > 0).mean(), 4), 't-statistic': round(stats.ttest_1samp(ic_series.dropna(), 0).statistic, 4), 'p-value': round(stats.ttest_1samp(ic_series.dropna(), 0).pvalue, 6), } # 使用示例 if __name__ == '__main__': # 假设 turnover_df 和 fwd_returns_df 已经准备好 factor = compute_turnover_reversal_factor(turnover_df, lookback=20) ic = compute_ic_series(factor, fwd_returns_df) report = ic_summary_report(ic) print(pd.Series(report).to_string()) # 输出示例： # IC Mean -0.0312 ← 负值说明高换手率 → 未来负收益（符合反转假设） # IR (IC/ICSD) -0.7841 ← 绝对值 > 0.5，因子可用 # IC > 0 Ratio 0.3210 ← 约 32% 的时间因子方向反转，需关注 # p-value 0.0023 ← 统计显著 ```
## 第四步：如何在面试中讲清楚这个项目
做完项目只是第一步，更重要的是能在 5 分钟内向面试官清晰地介绍。推荐使用量化版 STAR 框架： **S（Setup）**：我研究的问题是……，选择这个问题是因为…… **M（Methodology）**：我使用了……方法，关键设计决策是……，我选择这个方法而不是……是因为…… **R（Results）**：主要发现是……，IC 均值为……，IR 为……，在扣除交易成本后…… **L（Limitations）**：这个研究的局限性在于……，如果有更多时间，我会…… **面试官最常追问的问题：** "你如何处理幸存者偏差？" → 我使用了历史时点的股票池，包含了所有历史退市股票的数据。 "这个策略在样本外数据上表现如何？" → 我将 2015-2020 年作为样本内数据，2021-2024 年作为样本外验证。样本外 IR 从 0.8 下降到 0.5，有一定衰减，但仍然显著。 **GitHub 仓库的专业呈现** 一个专业的量化项目仓库应包含：清晰的 README（研究问题、核心发现、方法论、数据来源、已知局限性）、分层的 Jupyter Notebooks（数据清洗 → 因子构建 → IC分析 → 回测）、模块化的 Python 代码（data_loader.py、factor.py、backtest.py）以及单元测试（展示工程规范）。 **AT&T Career 的项目辅导** AT&T Career 的 Quant Track 提供一对一的项目辅导，导师均为顶级量化机构的现任研究员，帮助学员从选题、数据处理到最终呈现，打造真正能在面试中说话的量化项目作品集。
没有彭博或 Wind 数据，用什么免费数据源？
AkShare（A股）、yfinance（美股）、Tushare（A股，需积分）是常用的免费数据源。对于求职项目，数据质量比数据量更重要——用一个市场的高质量数据，比用多个市场的低质量数据更有说服力。
项目需要有盈利的策略吗？
不需要。一个严谨地证明某个因子"不显著"的研究，比一个充满 look-ahead bias 的"盈利策略"更有价值。面试官要看的是你的研究方法，不是你的 P&L。
需要做几个项目？
一个深度项目远胜于三个浅层项目。建议集中精力做好一个，确保你能回答关于它的任何问题，然后再考虑扩展。
项目应该用 Python 还是 R？
量化求职项目建议用 Python。Python 在量化行业的使用率远高于 R，而且 pandas、numpy、scipy 等库的生态更成熟。如果你的项目涉及统计建模，可以使用 statsmodels 或 scikit-learn，这些都是量化公司常用的工具。
如何证明项目结果的统计显著性？
至少需要报告：IC 的 t 统计量（或 p 值）、样本外验证结果、不同时间段的稳健性检验。避免只报告样本内的漂亮数字——面试官会立刻追问样本外表现。
AT&T Career