过去两周，量化圈里同时刷屏的是两种完全相反的内容。
一边是因子大赛的冠军分享：第三届PandaAI因子大赛的IC榜冠军是一位20年软件行业老兵，获奖选手分享里出现了高中生，官方公众号文章里那位第二届IC榜第四的统计学本科生，一路上已经攒下了WorldQuant BRAIN金牌和SCI一作。另一边是泼冷水：有创作者让Qwen3.8-27B连挖三天因子，测了45个全部阵亡，Sharpe清一色负数，最惨的一个-2.99。小红书评论区有人一句话总结——“因子挖掘=量化幻觉”。
与此同时，8月10日开启报名的第四届因子大赛，官方口径已超3000人报名，9月1日正式开始提交因子，全年奖金池120万。
如果你也在feed里被AI量化内容反复推送、跃跃欲试，却又拿不准"这东西靠不靠谱、我能不能上"，这篇帮你把几件事理清楚：因子大赛到底发生了什么变化、冠军们的方法论有什么共性、评论区的质疑哪些是真的、以及不同的人该怎么决策。
先说这一个月圈里实际发生了什么
把跨平台的时间线拼起来看：
8月1日，第三届PandaAI因子大赛颁奖典礼在上海举行，IC榜冠军瑞泉的分享主题是"从因子到Agent"。小红书
8月上旬，第三届获奖选手分享密集发布，"高中生跑量化"的分享在小红书拿了800多赞，瑞泉的分享收藏过500；
8月10日，第四届大赛开启报名，官方称已有3000+人报名、全年120万奖金池，9月1日正式开始提交因子。知乎
同一赛道上，BigAlpha 2026在8月24日公布晋级名单，WorldQuant IHC的因子挖掘讨论在知乎持续到8月。
这条时间线里有两个值得记下来的点。
第一，门槛确实被拉低到了"高中生和20年老兵同场打榜"的程度。评价体系不再先问你的出身，而是先看你挖的因子过不过检验。量化研究从"先自己搭一套回测系统"变成了"先写出第一个因子"，这是真实的变化。
第二，要给"零门槛"叙事打个折。这些冠军分享几乎都出自官方账号，“高中生也能做"是营销话术，真实信号是"评价体系接受多元背景”，而不是"人人能拿奖"。3000多人报名，最后真正提交因子、过得了样本外检验的有多少，现在还不知道——这正是9月1日之后值得观察的信号。
冠军们的方法论，共性不在公式，在"检验体系"
把三位获奖者的分享放在一起看，最有价值的部分不是因子公式（他们也没公开公式），而是几个几乎一致的研究习惯。
张荻佳（第二届IC榜第四）有一套"四层排查法"：因子效果不好，先查数据——有没有日期错位、缺失值、异常值、有没有用到未来数据；再查实现——代码和公式是不是同一个东西、滚动窗口有没有写错、收益率时间有没有错位、排序方向有没有反；然后查验证——样本怎么划分、评价指标是否合理、是不是只在某一段历史有效、换手率高不高；如果前三层都没问题，再勇于承认：这个Idea本身就是错的。他那句话特别清醒：“因子研究其实并不是一个参数的搜索，而是一个假设检验”。知乎
另一个共识是不要用一个数字评价因子。他做出过年化140%+的因子，兴奋过后做归因，发现高度暴露于某一种市场风格——赚的是风格的钱，不是信息的钱。“收益高，不代表信息质量高”。知乎他现在看五件事：不同阶段有没有持续性、冲击成本/流动性/滑点这些真实成本、牛熊震荡市还成不成立、赚的到底是因子的钱还是小市值风格的钱、持仓是否过度集中。
瑞泉这位20年软件老兵，表达更工程师一点："通过概率和数学模型的构建，可以建立起长期可持续的盈利逻辑。“他的分享主题叫"从因子到Agent”——挖完因子，还要把整套研究流程往Agent化推进。
把这些经验压缩成一句话，就是知乎上那个200+收藏的讨论："因子不值钱，值钱的是检验因子的方法。"比赛比的不是谁的公式更 clever，而是谁的检验闭环更扎实。
而他们对待AI的态度也出奇一致：让AI做数据处理、公式生成、回测、参数测试，人来做提出问题、设计假设、分析结果。“如果没有人的经验和判断，AI很容易只是在过去海量数据中寻找一个’看起来不错’的结果”——这也是张荻佳的原话。知乎
“Sharpe全负"和"冠军用AI”，为什么不矛盾
聊到AI，就得把另一边那盆冷水聊透。
创作者"牛牛"的实测帖非常具体：Qwen3.8-27B挖出来的因子表，Sharpe清一色负数，最惨的-2.99；更致命的是"待评估表"——几个因子Sharpe看着挺美，1.07到1.97，但MC p值分别是0.41到0.96。小红书MC p值是什么意思？随机打乱交易顺序，大概率也能跑出同样的业绩。一个PF 16.16的"神仙因子"，其实是10笔交易撑起来的过拟合幻觉。但他的结论不是"AI没用"，而是"AI的唯一价值是快速排雷"：5分钟生成一个想法，本地回测20分钟出结果，3天测了45个全挂，省了三个月人工试错。
学术层面也有结构性解释。arXiv论文AlphaAgent（社区讨论里常被引作KDD 2025）直接点出了问题：LLM挖因子太依赖已有知识，挖出来的因子结构高度同质，同质意味着拥挤，拥挤加速衰减。arXiv这不是孤例：社区里流传的LLM因子卡，一个挖报价撤单压力、一个挖订单簿不平衡，清一色锁在秒级订单簿微结构里，连持有期都撞车。帖子转引的数字更扎心：Alpha158因子集在CSI500上的IC从2021年的0.036一路衰减到2024年接近0，三年就废；GP挖的因子衰减更快。小红书
把这两件事放在一起，你就看懂了"AI挖因子"当下的真实位置：AI挖的是"公式"，人验证的是"假设"。把提出想法和验证一起交给模型，拿回来的大概率是噪声，这就是"量化幻觉"；把AI当执行层，用它快速生成、快速淘汰，把"为什么它应该有效、赚的是谁的钱"的判断题留给人，这才是冠军们正在走的路。PandaAI自己论文里的雷达图也印证了这一点：挖出的5个因子放在IC、Rank IC、ICIR、年化、回撤五个维度上一看，只有1个贴近外圈，其余全部缩向内圈——质量断崖才是常态。评论区那句"harness和loop工程都不是一两句提示词能搞定的"，可能是这波浪潮里最内行的一句评价。
参赛前，先回答评论区这三个问题
冠军帖下面有几条高频质疑，比冠军本身更值得看。
“搞这个不就是收集大家的因子吗？”“你的因子会被她们蒸馏吗？” 评论区真的这么问，还有人说"被平台白嫖因子"。小红书平台方给奖金、也说支持本地部署，但知识产权条款到底怎么写的，仍然要自己逐条看清楚。更现实的做法是把比赛当训练场：提交你愿意公开交换的因子，把真正核心的假设留给自己。比赛的最大回报本来也不是奖金。
120万奖金池、3000+人分，我能拿奖吗？ 概率很低，建议换个问法。张荻佳的路径更有参考性：比赛对他是一次"公开的压力测试"——知道自己的研究处于什么水平，进而连接社区、课程和开源生态，金牌和论文都是沿途拿的。知乎比赛是催化剂，不是彩票。如果你的目标是"完整跑通一次因子研究闭环"，那无论排名多少都赚；如果目标只是奖金，大量失败会先熬垮心态。
零基础要不要等学完Python、统计、机器学习再开始？ 冠军们的答案是不要：先跑通一遍"Idea→公式→因子→回测→评价→归因"的完整流程，哪怕失败的闭环，也比一个始终没实现的复杂Idea有价值。这个闭环的终点，是一张把因子名、公式、数据字段、持有期都写清楚的因子定义卡，然后交给检验体系去审判。但前提是带着"先怀疑、再验证"的心态进闭环，否则跑流程只会变成调参自嗨。
同一场比赛，三种人的参加方式
想进量化行业的在校学生：参加，而且可以多平台跑。统一的评价体系能产出可排名的结果，这是简历上的硬通货；PandaAI的榜是一个，WorldQuant BRAIN（IHC）是另一个被行业认可的练兵场。知乎比赛给你的不是奖金，是"一个完整做过的、能讲清楚的研究闭环"。
想入门试试的上班族、程序员：轻量参加，目标定在"跑通闭环"而不是名次。要算清楚时间成本，别为"120万奖金池"的想象买单——那是最该打折的营销数字。
真想做实盘的人：比赛只是起点。从统计上有效的因子到真金白银，中间还隔着成本、流动性、风格切换三座山。张荻佳那五件事（持续性、成本、市场环境、风格归因、集中度），可以直接拿来当入场检查清单。
最后留三个观察信号，后续我也会继续跟踪：
9月1日提交开启后，社区会不会出现"因子同质化、榜单拥挤"的公开讨论——这决定AlphaAgent指出的AI同质化衰减，会不会在公开榜单上复现；
第三届获奖选手的因子如今在榜上IC还剩多少——冠军自己就是最好的衰减样本；
AlphaAgent这类正则化路线，能不能在开放社区里跑出可复现的结果。
有人说，因子大赛是AI时代的入门考；也有人说，它是因子的公开招聘启事。你报名了吗？评论区最值得聊的，可能还是那个问题——“你的因子会被蒸馏吗？”
