全书总结：把计量地基铺进研究流程

逐模块一句话（快速复习卡）#

全书总结：五句话#

1. 一切从两个统计事实出发：收益率尖峰厚尾（正态出局）、波动聚集（独立出局）——先验证事实，再选模型；
2. 收益难预测、波动可预测——研究预算、产品设计、风控框架都该按这条不对称性分配；
3. 显著性检验的三件套（ACF、Ljung–Box、ADF）成本极低，应该成为看任何序列的条件反射；
4. 尾部要用尾部的数学：标准差、正态 VaR 在极端处系统性失真，极值理论不是奢侈品；
5. 模型是词汇不是真理：GARCH、协整、卡尔曼都是描述数据的语言，说得通的前提是先听懂数据。

动手练习（在本平台验证 A 股的两大统计事实）#

1. 验厚尾：取沪深 300 或你常看的个股十年日收益（数据入口见K 线行情），算偏度、超额峰度，标准化后数 |z|>4 的天数——对照正态预言（约每 63 年 1 次），把结果写进研究笔记第一页；
2. 验波动聚集：对同一序列分别画收益率与收益率平方的 ACF（前 30 阶）——前者几阶内进置信带、后者绵延不绝，就是你亲手复现的全书第一图；
3. 验单位根：对收盘价与日收益各做一次 ADF 检验，体会 I(1) 与 I(0) 的手感——顺便检查你写过的所有”价格对价格”回归；
4. 粗算 GARCH：不装包也能做——用 20 日 EWMA 方差预测次日绝对收益，与”全样本常数波动”比预测误差，胜出的幅度就是波动可预测性的下限；配合量化学堂的因子分析一课，再看看你的因子 IC 是否也有波动聚集。

下一本#

• 顺读：《因子投资：方法与实践》（书屋有精读）——计量语言学完，去主战场横截面：IC、多重检验、A 股实证，本书的假设检验功夫在那里全部兑现；
• 对照读：《市场的（错误）行为》（书屋有精读）——同一组统计事实的哲学版与檄文版，与本书互为表里；
• 进阶读：《金融机器学习》（书屋有精读）——分数差分、样本非独立、序列相关下的交叉验证，全是本书概念的工程续集。

本页带走的三句话#

1. 这本书给你的不是策略，是条件反射：拿到任何序列先问平稳吗、厚尾吗、波动聚集吗；
2. 收益与波动的可预测性不对称，是量化行业半数产品形态的统计源头——理解它，很多行业设计会突然显得理所当然；
3. 把第 1 章的两个事实在 A 股数据上亲手复算一遍，胜过把十二章公式抄十遍——地基是踩出来的，不是背出来的。