今天并没有真正开始学新的知识，而是花时间整理了自己“如何学习”的方式
一开始我只是想把公众号当作学习笔记，但很快意识到，如果不先收敛目标，学习会变得非常发散
所以我重新梳理了自己接下来六个月的目标：不追求立刻赚钱，而是训练一套可复现、可解释的量化研究与决策流程
在此基础上，我规划了前四周的执行计划，并选择了一篇具体的研究作为起点 —— Time Series Momentum
今天的学习成果不是模型或代码，而是弄清楚了这篇研究在观察什么现象、可能的原因是什么，以及如果它长期成立，对决策意味着什么
选书的过程其实比较盲目，因为我毕竟还不懂什么书好，AI推荐了
1 本资产定价 / 因子视角
1 本统计建模 / 回归
1 本量化实证 / 策略
我选了一本资产定价，一本金融计量经济学导论，一本量化交易
后面我提到自己读研期间学习过深度学习的时间序列预测，AI告诉我，其实最关键的不是预测的准不准，而是能预测出，那叫什么来着，因子，还是说信息，反正准不准不重要，预测现在是不是波动，在不在趋势上，这很重要
然后为了真正让我觉得这六个月不浪费，并且真正脚踏实地，不至于贪多嚼不烂，我进行了一个简单的梳理
具体来说，我希望做到三件事：
1）能读懂并复现至少一篇实证或因子研究；
2）构建一个能输出“趋势 / 震荡”状态概率的模型；
3）基于该状态，写出一套明确的仓位与风险约束，并解释原因。
于是在第一天，我选了Time Series Momentum这篇文章，他说他们观测到了一个叫做时间序列动量的现象，其实我感觉就是时间序列有没有可预测性一样的东西
具体来讲，作者观察到了一种时间序列动量效应，这种效应指的是股票，期货等各种资产的历史表现，将会对其未来一段时间的表现具备持续性的影响 这种影响和市场参与者的行为，情绪，风险补偿有关 如果这种效应长期成立，那么我们可以利用它，系统性地配置自己的投资策略，从而获取期望为正的回报