框架篇（上）：从交易规则到合成预测（第 5~8 章）

第 5 章：框架总览——模块化的力量#

导读页那条流水线在这里正式登场。模块化的好处有三：每一格可以独立替换（换规则不动仓位逻辑，换品种不动预测逻辑）；每一格可以独立检验；三种用户共用同一框架——主观交易者、资产配置者、纯系统交易者的区别只在”预测”这一格从哪来，后面全部相同。这是全书书名里”unique new method”的实际含义：不是新信号，而是把仓位管理标准化成可复用的管道。

第 6 章：选品种——成本用夏普单位衡量#

选交易品种看三样：

• 标准化成本：把一次交易的成本换算成”每年消耗多少夏普”——同样的千分之一费率，对低波动品种是重税，对高波动品种是小钱。成本要用风险调整后的单位比较，这是本章最重要的观念；
• 流动性：进得去也要出得来；
• 杠杆可得性与最低资金：达到目标波动率需要多少名义敞口、你的账户够不够开出最小一手。

作者的排序建议出人意料：增加低相关的品种，比增加新规则更能提升组合夏普——跨资产的分散是最便宜的免费午餐。

第 7 章：预测——把”看多看空”变成连续刻度#

预测（forecast）是框架的通用货币：对风险调整后收益的期望值，量纲统一为平均绝对值 10、上下限 ±20。三个要点：

1. 连续而非二元：+18 是强烈看多，+3 是略微看多——仓位应该按比例区分，而不是”买/不买”一刀切；
2. 波动率标准化：原始信号先除以品种波动率，不同品种、不同规则才能互相比较；
3. 封顶 ±20：再强的信号也不允许无限加仓——对极端值保持怀疑。

第 8 章：合成预测——多规则怎么揉成一个数#

同一品种上多条规则各给一个预测，合成三步：加权平均（权重用第 4 章 handcrafting 定，别用优化器）→ 乘以预测分散化乘数（FDM）：低相关的预测互相抵消会让合成值系统性偏小，乘数把量纲拉回”平均绝对值 10”→ 仍然封顶 ±20。

进规则池前先过两道门：与现有规则相关性太高的不要（没带来新信息），标准化成本太高的不要（夏普先被成本吃掉）。

对应本平台#

• 平台的因子值就是”未标准化的 forecast”：factor compute 输出截面分数，差的是除以波动率、缩放到 ±20 这一步；
• top-N 组合等于把连续预测二值化（前 N 名 forecast=10，其余 =0）——第 7 章告诉你这丢掉了强度信息，是下一步可改进的点；
• 多因子加权合成 + 相关性筛选，就是第 8 章在 A 股截面上的翻版：先看因子间 IC 序列相关性，再谈加权。

本章带走的三句话#

1. 框架模块化的意义：每一格独立替换、独立检验，三种用户只在”预测”一格不同；
2. 成本必须用风险调整后的夏普单位衡量；增加低相关品种比增加新规则更划算；
3. 预测是连续刻度（均值 10、封顶 ±20），多规则合成要乘预测分散化乘数补回被稀释的量纲。