最近身边不少朋友开始研究量化策略，但总觉得门槛太高，不知从何下手。其实有个很适合新手练手的在线平台——WorldQuant BRAIN，它把复杂的金融数据和回测系统都搬到了云端，让你只需要专注于挖掘投资想法（也就是 Alpha 策略）。
如果你也想尝试通过数据建模来预测股价走势，甚至通过挑战成为平台的量化研究顾问，那这份 BRAIN 平台入门指南应该能帮你少走一些弯路。
一、BRAIN 基础入门
1. 什么是 BRAIN 平台？
BRAIN 是一个基于云端的量化研究仿真平台，全球已有超过 10 万名量化爱好者在这里开发和验证自己的投资模型。在 BRAIN 上，我们将这些用于预测各类金融工具未来价格走势的数学模型称为 Alpha。你可以编写表达式、进行历史数据回测，如果策略质量达标，还有机会提交并参与更深度的合作。
2. 量化投资到底在做什么？
简单说，量化投资就是排除情绪干扰，依据一套提前设定好的、基于股票特征的数学模型来买卖股票。想验证这套规则是否靠谱，就需要通过代码将其实现，并跑一遍历史行情看看效果如何，这个过程就叫回测。
3. 量化生态系统是什么？
它指的是量化信号从诞生、测试到投入实战的完整基础设施。BRAIN 平台就为你提供了这样一个生态系统，里面包含了超过 12 万个数据字段，你可以自由组合分析，创造属于你自己的 Alpha 策略。
4. 到底什么是 Alpha？
在 WorldQuant 的体系里，Alpha 指的就是一个旨在预测各类金融工具未来价格走势的数学模型。
5. 如何提升等级并获得顾问资格？
在 BRAIN 平台上的成长主要看你的 Challenge Score（挑战分数）。想要从普通账户升级为顾问账户，通常有两条路：
- 国际通用路径：当你的 Challenge Score 累积达到 10,000 分（Gold Level） 后，系统通常会在次日自动发出邀请。不过平台有风控机制，扎实学习才是正道。
- 国内申请者路径：除了达到 10,000 分，还需累计提交至少 20 个 Alpha，并通过 Alpha 研究能力测试（内容均来自零基础学量化讲座）。
查询 Challenge Score 的入口在平台的 Competitions -> Challenge 页面。
关于分数积累，这几个时间点和规则坑一定要记住：
• 每日获取分数的上限是 2000 分，提交再多 Alpha 也不会超过这个数！
• 分数并非实时更新，通常是 T+1 日更新，北京时间下午 2-3 点左右刷新。
• 一般情况下，1 个高质量 Alpha 可得 1500-2000 分，提交 2 个基本能稳拿当日满分。
• 平台统一使用美东时间计算日期，北京时间的 19 号下午和 20 号上午会被视为同一天。
二、Alpha 相关知识详解
1. Alpha 的提交硬性标准
一个 Alpha 想要成功提交，必须同时满足以下三个条件：
- Sharpe（夏普比率） > 1.25
- Fitness（健康度） > 1
- Self Correlation（自相关性） < 0.7（即与你之前提交过的所有 Alpha 不高度相似）
当然，有一个例外规则：如果你的新 Alpha 夏普比率比历史上相似的 Alpha 高出 10% 以上，可以忽略 Self Correlation 的限制。计算方式为：1.25 + (1.25 × 10%) = 1.375，即此时夏普需大于 1.375。
2. Alpha 的表达式种类
在 BRAIN 上编写策略主要使用三类表达式：Arithmetic（算术）、Logical（逻辑） 和 Time Series（时间序列）。具体的运算符和函数用法可以查阅官方文档：WorldQuant BRAIN 运算符说明。
3. Alpha 评分核心术语解析
提交 Alpha 后，你会看到一堆专业指标，这里帮你梳理清楚每个数值的含义：
📊 IS Summary（样本内摘要）
- Sharpe（夏普比率）：衡量风险调整后的平均收益，越高越好。
- Turnover（换手率）：反映每日交易的活跃程度，计算方式为交易额除以持仓额。
- Fitness（健康度）：一个综合打分指标，公式为 Sharpe * Sqrt( Abs(Returns) / Max(Turnover, 0.125) )，数值越高代表综合表现越好。
- Returns（收益率）：投资金额的年化平均盈亏百分比。
- Drawdown（回撤）：在回测期间内，账户资金曲线的最大下跌幅度。
- Margin（边际收益）：每单位交易金额产生的平均盈亏。
🔗 Correlation（相关性）
- Self Correlation（自相关性）：将当前 Alpha 与你账户下所有已提交 Alpha 对比后，计算出的最大皮尔逊相关系数。该值越低越好，代表策略越独特。
好啦，今天的 QuantBrain 入门科普就到这里。掌握了这些基础规则，就可以去平台上试着写第一个 Alpha 表达式了。后续我也会持续更新量化策略的实战心得，欢迎保持关注！