你带来的是一个市场问题

午休时，蛙兄收到朋友发来的一只股票。

“这只股票名字里有个‘八’，多吉利。我觉得能涨。”

蛙兄盯着屏幕看了几秒。

他没有买，也没有笑，而是打开一个空白文档，写下：

名字听起来吉利的股票，真的更容易涨吗？

这想法听着多少有点扯。

但量化有一个很有意思的习惯：先别急着信，也别急着笑，找点数据试试看。

问题不用一开始就很专业

写完这句话，蛙兄又盯着文档看了一会儿。

“等一下。我连‘量化’是什么意思都说不清，也不会写回测。这也算研究？”

能。至少，它可以成为研究的起点。

一个问题刚冒出来时，本来就不会特别严谨。它可能来自一条新闻、一次亏钱的经历、朋友随口说的话，或者你盯着走势图时突然冒出来的念头。

这些问题现在都还有点毛糙。

我们都还没有说清楚。

没关系。我们不用一开始就把问题说得像研究报告。先把真正想问的东西留下，后面再把含糊的地方一个个理清楚。

我们会学习怎样把一句模糊的“我觉得”，拆成可以检查的问题。拆得开，就找数据试试；暂时拆不开，也至少能知道卡在哪里。

这比一开始就假装自己知道答案有用得多。

会 Python？那就顺手带上

还有一种情况：你不是追着股票来的，而是揣着一点 Python 来的。

你写过计算器、待办清单或者几个小脚本。代码能跑了，可每次跑完都像刚做完一道练习题：然后呢？

如果你也有这种感觉，那就把 Python 顺手带上。它很快会派上用场。

如果不会，也不用回去补票。我们会先从市场和量化的基本问题讲起。真正需要写程序时，再请 AI 研究助手和我们一起动手。

程序能帮我们搬数据、算结果、画图，却不会自动告诉我们：这个问题问得好不好，一个看起来很漂亮的结果是不是碰巧出现的。

先带上一个问号

现在轮到你了。

最近有没有哪个市场现象，让你忍不住问过一句“为什么”？

如果有，先别急着把它打扮得很专业，原样带来就好。它甚至可以像“名字里带八的股票是不是更容易涨”一样，听起来有点不靠谱。

暂时想不到也没关系。蛙兄已经把那个带“八”的问题塞进研究包了，我们可以先借他的问号走一段。

答案可以晚一点来。

我们先学会怎么问，再学会怎么测。

下一章，我们看看走完这套课程以后，自己究竟能够带走什么。