量化术语表
这里汇总教程中出现过的金融与量化术语。你可以按主题浏览，也可以使用站内搜索直接输入中文名、英文名或缩写。每个术语末尾都附有对应实战单元，方便回到完整上下文。
展开完整术语目录
市场与行情
认识交易对象、行情字段、日期口径以及价格调整方式。
证券（Security）
具有特定权利和规则、可作为金融资产持有或交易的工具类别。股票、债券和基金份额等都可能属于证券，具体法律定义以所在司法辖区为准。
股票（Stock / Equity）
代表一家公司的部分所有权份额的一类证券。股票价格可以上涨或下跌，持有股票不保证获得收益。见单元 01。
指数（Index）
按照既定方法汇总一篮子证券表现的统计指标。指数通常不能直接交易，跟踪指数的基金才是可投资产品。见单元 01。
宽基指数（Broad-market Index）
覆盖较广一组证券、用于描述较大市场范围表现的指数，而不是只聚焦单家公司或狭窄主题。具体覆盖范围由指数编制规则决定。见单元 01。
基金（Fund）
汇集投资者资金并按约定目标和规则持有一组资产的安排。基金的法律结构、估值、申购赎回和交易方式因产品而异。见单元 01。
交易所交易基金（Exchange-Traded Fund，ETF）
可以在证券交易所买卖的基金产品。本教程第一阶段特指跟踪宽基指数的普通 ETF；ETF 仍有费用、流动性、跟踪误差和市场风险。见单元 01。
日线（Daily Bar）
把一个交易日内的成交压缩为一条行情记录，常包含 OHLCV。日线不保留完整的盘中路径。见单元 01。
行情五要素（OHLCV）
开盘价（Open）、最高价（High）、最低价（Low）、收盘价（Close）和成交量（Volume）的合称，用于概括一个时间区间内的成交。开收盘价的正式形成方法取决于市场规则。见单元 01。
成交量（Volume）
一段时间内累计成交的股票股数、基金份数或合约数量。具体单位和统计口径取决于资产与数据源。见单元 01。
成交额（Turnover / Amount）
一段时间内全部成交涉及的货币金额，通常由每笔成交价格乘成交数量后累加。它与成交量单位不同，不能用收盘价乘成交量得到精确值。见单元 01。
自然日（Calendar Day）
日历上的每一天，包括周末和节假日。一个自然日期是否为交易日，需要查询对应市场日历。见单元 01。
交易日（Trading Day）
某个市场按当时有效规则开放交易的日期。交易日取决于市场、资产类型和历史时期，不能简单等同于工作日。见单元 01。
交易日历（Trading Calendar）
列出某个市场和品种在特定历史区间内交易日及交易时段的规则化日历。检查缺失行情时应使用交易日历，而不是普通工作日日历。见单元 02。
复权（Price Adjustment）
根据现金分红、拆分、合并等公司行动，换算历史价格的表示尺度，使公司行动前后的价格能够连续比较。复权不会改变真实成交、持仓数量或账户财富。前复权通常保留较新价格并调整过去，后复权通常保留较早价格并调整后来；具体因子和分红再投资口径取决于数据供应商。见单元 01。
数据质量
确认数据的结构、来源和异常处理口径。
数据契约（Data Contract）
对数据字段、类型、主键、单位、时间和业务关系的明确约定。质量检查把这些约定变成可以重复执行的规则。见单元 02。
数据血缘（Data Lineage / Provenance）
记录数据从哪里来、何时取得、经过哪些处理并产生哪些结果，使研究者能够从最终数据追溯到原始来源。见单元 02。
主键（Primary Key）
能够唯一标识一条记录的一个或一组字段。日线行情通常至少需要证券标识与交易日期共同组成主键。见单元 02。
缺失值（Missing Value）
本应存在但当前不可用的字段值。pandas 常用 NaN 表示缺失数值，用 NaT 表示缺失日期时间。缺失原因必须核实，不能默认填 0 或沿用前值。见单元 02。
异常值（Outlier）
明显偏离相邻记录或总体分布的观测值。异常值可能是数据错误，也可能是真实而重要的市场事件；标记异常不等于应该删除。见单元 02。
收益与净值
描述单期涨跌、跨期复合和账户价值路径。
简单收益率（Simple Return）
某一期结束价格相对开始价格的变化比例，公式为
对数收益率（Log Return）
相邻价格比值的自然对数，公式为
累计收益率（Cumulative Return）
从起点到当前时点的总收益比例。由各期简单收益连乘得到：
复利（Compounding）
每一期的期末金额成为下一期计算涨跌的新基数。例如 100 元先涨 10% 再跌 10%，会按 100 × 1.10 × 0.90 变成 99 元，而不是回到 100 元。简单收益跨时间应连乘而不是直接相加。见单元 03。
几何平均收益率（Geometric Mean Return）
能够把初始价值按固定复合速度增长到相同终值的单期收益率。它保留复利效果，与单期收益的算术平均不是同一个问题。见单元 03。
净值曲线（Wealth Index / Equity Curve）
以某个初始值为起点，将各期收益依次复合后形成的价值序列。初始值为 1 时表示相对价值；是否代表真实账户还取决于仓位、成交、费用和现金流假设。见单元 03。
策略与回测
从指标和信号出发，连接持仓、成交、成本与回测结果。
简单移动平均线（Simple Moving Average，SMA）
最近若干个观测值的算术平均值。本教程用尾随窗口计算，使某日均线只依赖当日及此前价格；窗口尚未收集足够观测时保持缺失。见单元 04。
预热期（Warm-up Period）
滚动指标尚未积累足够历史观测、因此无法形成有效数值的开始区间。预热期的信息不足与策略明确选择空仓不是同一状态。见单元 04。
指标（Indicator）
根据原始市场数据计算出的数值，用来描述价格、成交或其他特征。指标本身不是买卖动作；策略规则需要先把指标转换为信号。见单元 04。
信号（Signal）
将市场数据或指标带入策略规则后得到的判断，例如 long 或 cash。信号需要进一步转换为目标持仓，并经过订单和成交环节后才可能改变实际持仓。见单元 04。
目标持仓（Target Position）
策略根据当前信息希望达到的资产暴露比例。它是决策结果，不代表订单已经提交或成交，也不等于账户的实际持仓。见单元 04。
订单（Order）
向经纪商或交易场所提交的买卖指令，通常需要明确标的、方向、数量和订单类型等信息。策略信号本身不是订单。见单元 04。
成交（Fill / Execution）
订单在市场中实际执行的结果，包括成交数量、价格和时间。提交订单不等于已经成交，实际成交也可能与目标数量和预期价格不同。见单元 04。
持仓（Position）
账户在某一时点实际持有的资产数量或资产暴露。持仓是订单成交后的账户状态，不应与策略希望达到的目标持仓混为一谈。见单元 04。
趋势跟随（Trend Following）
依据已经观察到的价格方向建立或调整持仓、试图继续跟随该方向的一类方法。趋势可能反转，频繁变化也可能造成反复交易，因此趋势跟随不保证盈利。见单元 04。
回测（Backtest）
按照明确的数据、时间和交易假设，把策略规则应用到历史序列并计算模拟结果的研究过程。回测用于检查规则在历史条件下会发生什么，不是未来收益承诺。见单元 05。
未来函数 / 前视偏差（Look-ahead Bias）
计算或决策使用了当时尚不可获得的信息，使历史结果获得现实中无法拥有的优势。用当日收盘价生成目标，又让目标赚取同日 close-to-close 收益，就是一种时间信息泄漏。见单元 07。
换手（Turnover）
衡量持仓发生多少变化的指标。本教程单标的示例使用相邻持仓比例之差的绝对值作为单边换手；不同研究和平台可能采用不同定义。见单元 05。
交易成本（Transaction Cost）
为了建立或调整持仓而付出的成本，可包括佣金、税费、买卖价差、滑点和市场冲击。本教程先用“单边换手 × 固定成本率”近似。见单元 05。
滑点（Slippage）
预期成交价格与实际成交价格之间的不利差异，可能来自价格波动、流动性、订单规模和执行延迟。滑点不是固定常数，但简单回测常用比例成本近似。见单元 05。
基点（Basis Point，bps）
描述利率、收益率或费率变化的单位，1 个基点等于 0.01%，即十进制的 0.0001；10 bps 等于 0.1%。见单元 05。
基准（Benchmark）
用于比较策略结果的参照方案。基准必须与研究问题、资产范围和收益口径相匹配，并明确是否包含成本、分红和再投资。见单元 05。
买入并持有（Buy and Hold）
建立资产持仓后持续持有、不根据短期信号择时的一种基准。本教程当前使用不扣成本的价格型买入持有净值。见单元 05。
绩效评价
从收益、波动、回撤和交易统计等角度评价同一条策略路径。
年化收益率（Annualized Return）
将样本复合收益速度换算到一年尺度的收益率。年化只是尺度转换，不会增加样本信息；短样本年化值通常非常不稳定。见单元 06。
波动率（Volatility）
收益率围绕平均值变化程度的统计量。本教程使用日收益样本标准差并乘以年化期数的平方根；它同时计入向上和向下波动。见单元 06。
回撤（Drawdown）
净值相对截至当前时点历史最高净值的下降比例。净值创出新高时回撤为 0，低于此前高点时回撤为负。见单元 06。
最大回撤（Maximum Drawdown，MDD）
样本内最深的一次历史高点至后续低点跌幅。本教程保留负号；最大回撤不能说明其他回撤的次数、持续时间和恢复速度。见单元 06。
路径依赖（Path Dependence）
结果不仅取决于一组收益有哪些数值，还取决于它们发生的顺序。回撤需要不断更新此前高点，因此是典型的路径依赖指标。见单元 06。
夏普比率（Sharpe Ratio）
用平均超额收益除以收益波动率，并按频率年化得到的风险调整指标。它依赖无风险利率、频率、年化期数和样本区间，不能单独证明策略优秀。见单元 06。
无风险利率（Risk-free Rate）
在特定货币、期限和研究假设下作为低风险收益参照的利率。计算夏普比率时，需要将年化无风险利率转换为与策略收益相同的频率。见单元 06。
胜率（Win Rate）
被定义为“盈利”的观测数量占有效观测数量的比例。必须说明按日、按周还是按交易统计，以及 0 收益如何处理。见单元 06。
平均盈亏比（Profit/Loss Ratio）
盈利观测的平均收益除以亏损观测平均收益的绝对值。本教程首先按非零日收益计算，不等同于按完整交易统计的盈亏比。见单元 06。
研究验证与偏差
检查历史结果是否来自可实现的假设，并判断规律能否推广到未见数据。
可交易性（Tradability）
理论上的买卖价格和数量能否在当时市场条件下实际成交。判断可交易性需要考虑信息到达时间、订单提交时间、停牌、涨跌停、流动性和订单规模。见单元 07。
选择偏差（Selection Bias）
因为结果已经表现得好，才事后保留或展示某个标的、区间、参数或指标，使报告高估原始研究过程能够获得的表现。见单元 07。
幸存者偏差（Survivorship Bias）
历史研究只保留后来仍然存在的对象，遗漏已经退市、破产或被淘汰者，从而让过去的可选范围显得比实际更优秀。见单元 07。
样本内（In-sample）
参与规则开发、参数选择或模型拟合的数据区间。样本内表现会受到研究者多次尝试的影响，不能单独证明策略能够推广到未见数据。见单元 08。
样本外（Out-of-sample，OOS）
在研究流程冻结前没有参与规则和参数选择的数据，用于检查策略面对未见数据时的表现。根据样本外结果修改策略后，该区间便不再是未见数据。见单元 08。
过拟合（Overfitting）
规则过度适应已经见过的数据，把偶然噪声或只属于某段历史的关系当成可重复规律，因此在新数据中表现明显衰减或失效。见单元 08。
数据窥探（Data Snooping）
反复查看同一份数据，并根据结果继续修改标的、区间、指标或参数。尝试越多，偶然出现漂亮结果的机会越大。见单元 08。
滚动验证（Walk-forward Validation）
按时间顺序重复“使用过去数据选择、使用随后一段数据验证”的评价方法。它能观察策略在多个历史切片中的表现，但仍不能覆盖未知的未来市场状态。见单元 08。
稳健性（Robustness）
研究结论在参数、成本、样本区间或其他合理假设发生小幅变化时，是否仍保持大致一致。稳健不等于未来必然有效。见单元 08。
结构变化（Structural Break）
数据关系或市场状态在某个时期前后发生变化，使过去估计的规律不再适用于后来区间。本教程使用人为生成的前后两种收益关系展示这一风险。见单元 08。
均值回归（Mean Reversion）
变量偏离某个水平或近期方向后，倾向于向相反方向调整的一类统计特征。它不代表每次偏离都会恢复，也不自动构成可交易策略。见单元 08。
风险管理
在方向判断之外，控制资金暴露、交易频率和亏损路径。
仓位管理（Position Sizing）
在方向信号确定后，决定账户应投入多少资金或承担多少资产暴露的规则。方向判断与仓位大小是两个不同问题。见单元 09。
波动率目标（Volatility Targeting）
根据观察到的历史波动率调整仓位，尝试让风险暴露接近预设水平的方法。目标不是未来波动保证，通常还需要仓位上限和交易约束。见单元 09。
风险预算（Risk Budget）
预先决定一个策略、资产或风险来源允许占用多少总体风险，再据此分配仓位的思路。风险预算控制承担多少风险，不保证获得收益。见单元 09。
杠杆（Leverage）
通过借入资金或衍生工具，使资产暴露超过账户自有资金的安排。杠杆会同时放大收益、亏损、融资成本和强制平仓风险。见单元 09。
最小调仓阈值（Rebalance Threshold）
只有目标仓位与当前仓位的差异达到指定幅度时才交易，用于减少微小调整造成的换手和成本。阈值也会让实际仓位偏离目标。见单元 09。
止损（Stop Loss）
当价格或持仓亏损达到预设条件时减少或退出仓位的规则。止损只能在条件被观察后行动，无法保证按阈值成交，也不能消除跳空、流动性和模型风险。见单元 09。
研究报告与复现
把问题、证据、结论和运行环境整理成可以检查的研究记录。
可证伪性（Falsifiability）
一条研究假设存在明确的观察结果可以使其不成立。提前写出失败条件，可以减少研究者看完结果后移动判定标准的空间。见单元 10。
可复现性（Reproducibility）
其他人在获得相同代码、数据、参数、依赖与运行步骤后，能够重新得到相同结果。可复现不等于方法正确，也不证明结果能够推广到未来。见单元 10。
内容哈希（Content Hash）
根据文件内容计算出的固定长度摘要，可用来快速检查两份输入是否一致。SHA-256 是常用算法之一；相同哈希不能证明数据来源和研究方法正确。见单元 10。