Quantitative Research Internship Benchmark

复现项目不是终点：把公开研究做成可检验的 QR portfolio

一份不按当前水平降级的项目路线。目标是展示研究判断、数据纪律、统计推断和工程复现能力，而不是堆砌复杂模型或一条漂亮的回测曲线。

适用：Quant Research / Systematic Research 实习市场：不限定数据：公开可获取优先更新时间：2026-08-25

先定义 benchmark

实习面试官通常不只关心策略收益。他们更关心你是否能把一个含糊的想法变成可证伪的研究，并诚实解释结果为什么成立、在哪里失效。

核心链条： hypothesis → point-in-time data → signal → no lookahead → out-of-sample / walk-forward → costs & capacity → statistical inference → reproducible report。
RESEARCH

问题先于模型

明确经济机制、可证伪预测和失败条件。先有 baseline，再决定是否需要 ML 或 RL。

DATA

时间点必须正确

处理发布日期、修订、停牌、退市、成分变更和时区。任何 global scaling 都要接受 leakage audit。

EVIDENCE

结果要能被质疑

报告 IC、换手、成本、容量、置信区间、多重检验和敏感性，而不是只展示年化收益。

候选项目矩阵

方向复现基线最有价值的改造实习信号建议优先级
因子 / 资产定价Fama-French、Carhart、Jegadeesh-Titmanpoint-in-time、行业中性、Newey-West、FDR、成本研究设计 + 统计推断★★★★★
ML alphaQlib Alpha158 / LightGBMpurged walk-forward、leakage audit、模型消融数据与 ML 纪律★★★★★
CTA / 趋势time-series momentum、MA breakout跨资产、波动率目标、regime、容量稳健性与组合思维★★★★☆
事件研究market model / CAPM abnormal return时间戳、重叠事件、placebo、聚类推断因果与实证推断★★★★☆
组合风险equal-weight / min-var / risk parityLedoit-Wolf、滚动 OOS、换手约束、权重稳定性风险建模★★★★☆
RLFinRL / FinRL-Meta多 seed、强 baseline、真实成本、reward ablation研究成熟度测试★★☆☆☆

项目方案

1. 因子与资产定价：信号是否真的存活？

研究问题：Do value and momentum survive industry neutralization, costs, and walk-forward OOS?

复现基线
  • 复现 Fama-French / Carhart 或 Jegadeesh-Titman momentum。
  • 按信号分组，计算组合收益、因子暴露和 alpha。
研究性升级
  • 使用 point-in-time fundamentals 和 survivorship-aware universe。
  • 加入行业 / beta / dollar neutralization。
  • 使用 Newey-West、placebo、FDR 或预注册候选规格。
数据与交付

2. ML alpha：非线性到底增加了什么？

研究问题：Do nonlinear models add economic value over linear factors after leakage and costs?

复现基线
  • 以 Qlib Alpha158 / Alpha360 和 LightGBM 为起点。
  • 比较 Ridge、Lasso、LightGBM、MLP，不把复杂度当贡献。
研究性升级
  • 自己实现时间切分和 purged walk-forward。
  • 检查未来价格、全样本标准化、生存者偏差、发布日期滞后。
  • 报告 IC、Rank IC、ICIR、decile return、换手和 seed sensitivity。
数据与交付
  • Microsoft Qlib 作为基线 / 工具；数据可用 community Qlib data 或自行采集 Yahoo。
  • ablation 表、leakage checklist、OOS 结果和成本后结论。

3. CTA / time-series momentum：趋势的稳健边界

研究问题：Is volatility-targeted trend robust across assets and regimes?

复现基线
  • 比较 1 / 3 / 6 / 12 月 time-series momentum 与 MA breakout。
  • 构造 volatility targeting、risk parity 和简单组合。
研究性升级
  • 跨股票指数、债券、黄金、能源、FX 等资产代理。
  • 做参数稳定性、危机阶段、波动率 regime 和交易成本分析。
  • 对不可交易指数明确说明 proxy 与 roll 假设。
数据与交付
  • Yahoo / Stooq / FRED / Nasdaq Data Link 的可得序列。
  • 参数热力图、跨资产 OOS、风险分解、容量敏感性。

4. 事件研究：PEAD 是否经得起更严格的检验？

研究问题：Does post-earnings announcement drift survive overlap, multiple testing and costs?

复现基线
  • 用 market model、CAPM 或 Fama-French model 计算 abnormal return。
  • 定义事件窗口，按 surprise 或公告后表现分组。
研究性升级
  • 严格处理公告 timestamp、时区和交易日映射。
  • 处理重叠事件，使用 Newey-West / clustered inference。
  • 加入 placebo、多个窗口校正和经济成本。
数据与交付
  • SEC EDGAR、FRED、Federal Reserve 公告数据；需记录可获取范围和限制。
  • 事件清洗日志、窗口敏感性、统计与经济显著性对照。

5. 组合风险：协方差收缩能否提升 OOS 稳定性？

研究问题：Does covariance shrinkage improve out-of-sample stability?

复现基线
  • equal-weight、minimum variance、mean-variance、risk parity、Black-Litterman。
  • 统一滚动窗口和再平衡规则。
研究性升级
  • 比较 sample covariance、Ledoit-Wolf shrinkage、factor covariance。
  • 加入 turnover constraints、leverage / sector limits。
  • 分析权重稳定、最大回撤、尾部风险和成本。
数据与交付
  • 公开 ETF / 指数 / FRED；用 bt 或 vectorbt 做实验工具。
  • 滚动 OOS 表、权重轨迹、风险贡献和参数敏感性。

6. 交易成本与容量：alpha 在哪里消失？

研究问题：Where does alpha disappear under volume-dependent impact?

复现基线
  • 在因子或 momentum 策略上先加入 commission、spread、slippage。
  • 将 capital、ADV participation 和 turnover 作为变量。
研究性升级
  • 用 volatility × sqrt(order / ADV) 的简化冲击模型。
  • 比较不同再平衡频率、持仓规模和流动性分层。
  • 区分 gross alpha、net alpha、capacity 与 execution risk。
数据与交付
  • 使用公开价格、成交量和可解释的成本假设；假设表必须可审计。
  • 资本规模曲线、成本分解、break-even capacity 和限制声明。

推荐的 2-4 项组合

最稳妥组合：项目 1（因子研究）+ 项目 2（ML alpha）+ 项目 5（组合风险）。若希望体现市场微观结构或执行意识，再加入项目 6；若目标岗位明确偏 RL，才把 RL 作为扩展。
CORE

研究主线

因子项目给出经济机制和统计检验，ML 项目证明你能处理高维特征与 leakage。

PORTFOLIO

组合主线

风险项目把单个 signal 连接到实际配置，展示权重稳定、交易约束和 OOS 管理。

OPTIONAL

扩展主线

CTA、事件研究或成本容量项目用来体现你对不同数据结构和失败模式的适应。

RL 的位置：FinRL / FinRL-Meta 可以作为扩展实验框架，但必须比较 buy-and-hold、equal-weight、momentum、min-var、supervised baseline，至少多 seed、walk-forward、reward ablation 和真实成本。不要把高回测收益单独当作结论。

每个项目的执行与验收

  1. 写一页研究计划：假设、机制、预测、样本、排除规则和成功 / 失败判据。
  2. 建立数据契约：来源、下载日期、字段、时间点含义、缺失处理、修订和许可。
  3. 先跑可解释 baseline：保存固定配置、随机种子、依赖版本和中间数据摘要。
  4. 做时间正确的验证：严格 train / validation / test；需要时使用 purged 或 embargoed split。
  5. 加入现实摩擦：手续费、spread、slippage、借券、冲击、ADV 和 turnover limit。
  6. 报告证据而非故事：IC、alpha、Sharpe、drawdown、置信区间、多重检验、敏感性。
  7. 保留失败实验：记录改变窗口、成本、universe、seed 后失效的结果。
  8. 交付可复现包：README、环境文件、数据获取脚本、配置、图表生成脚本和短报告。

已核验的公开资源

资源用途边界与备注
Microsoft QlibML quant pipeline、Alpha158 / Alpha360、LightGBM / LSTM / Transformer、IC 和 portfolio analysis。官方 README 当前提示官方数据暂时禁用；使用 community data 或自行采集，并在报告中说明。
FinRL / FinRL-MetaDRL 教学 / 研究环境和 benchmark；支持 Yahoo、Akshare、Binance 等来源。更适合作为 RL 扩展与环境基线，不等于你的研究贡献。
QuantConnect Lean事件驱动回测 / 研究引擎，支持 Python 和 C#，可本地使用 CLI。适合工程化验证；策略假设、数据点时序和成本仍需自行审计。
vectorbt / bt矩阵化参数实验、walk-forward workflow、模块化组合回测。是实验工具，不要把仓库功能包装成原创研究。
yfinance下载 Yahoo Finance 公共数据。README 明确提示个人研究 / 教育用途并受 Yahoo 条款约束；不要把数据许可写得过度确定。
Machine Learning for Trading第三版教材与 case studies，覆盖 ETF、crypto、微观结构、因子、FX、期货、期权和生产流程。部分数据和 API 受限；把章节当复现入口，自己完成研究设计和审计。
Kenneth French Data Library因子与资产定价复现。使用时记录下载日期、数据频率、构造定义和是否包含未来修订。
SEC EDGAR / FRED公司披露、事件研究、宏观和利率数据。公告时间、修订、时区和 API 速率限制必须在数据契约中写清楚。

注意：本报告不把本机已有的 quant-trading-course、daily-etf-momentum-backtester、etf-trading-live-system 或旧学习计划目录当成你的个人项目。它们不属于已确认的用户成果。

明确不建议作为主项目

只调 RSI / MACD

参数网格和单条 equity curve 很难证明研究能力，也容易产生 data snooping。

只做 LSTM / Transformer 预测

复杂模型不会自动解决非平稳性、泄漏、成本和可交易性。

复制 Kaggle notebook

可以学习数据和 baseline，但必须新增假设、严格 OOS、审计和失败分析。