1. 从“猜涨跌”到“赚结构”量化策略到底在赚什么钱我经常被刚接触量化的朋友问一个问题量化策略是不是就是写个程序自动买卖然后躺着赚钱每次听到这种说法我都想泼盆冷水。量化交易从来不是“自动猜涨跌”它的本质是用数学模型去捕捉市场上某些反复出现的、有统计规律可循的价格偏差。说白了量化赚的不是“预测未来”的钱而是“结构性”的钱——别人因为情绪、因为规则、因为资金约束而犯下的错误就是你的利润来源。这篇文章想聊的是9种主流量化策略各自的“第一性原理”也就是每个策略最底层的盈利逻辑是什么。很多人学了各种策略的原理、参数、代码却说不清每个策略到底赚的是谁的钱、又为什么能持续赚钱。这个认知如果不建立起来实盘一遇到回撤就容易慌一慌就容易把策略改得面目全非。所以我会尽量用大白话把每个策略的赚钱逻辑、核心难点、适用场景和坑都讲清楚。文章适合三类人看刚入门的量化爱好者想建立策略认知框架有编程基础但不知道从哪类策略入手的开发者以及已经跑过简单策略、想系统理解策略间差异的交易者。不堆公式不贴代码重点关注逻辑。2. 再说一遍量化交易的第一性原理是什么在拆解具体策略之前先花点篇幅把“第一性原理”这个概念在量化里的含义说透。很多人误解第一性原理是“找到唯一正确的预测模型”其实不是。量化策略的第一性原理是找到市场上某种“不合理的确定性”——一个因为人类行为习惯、市场制度、信息传递速度等原因反复出现的偏差然后设计规则去捕捉它。2.1 市场为什么存在“白捡的钱”有效市场假说认为价格已经反映所有信息没人能持续跑赢市场。但现实中的市场远非有效。举个例子很多人买股票喜欢追涨杀跌一只股票连续涨3天散户就觉得它还会涨于是继续买入——这就让短期动量效应持续存在。与此同时另一拨人觉得涨太多了开始止盈又让价格出现回调压力。两种力量交织形成了价格围绕价值反复波动的格局。这些行为模式不是一天两天消失的它们根植于人类的认知偏差比如损失厌恶、羊群效应、过度自信。只要市场还是由人主导这些偏差就会反复出现量化的机会就永远存在。所以量化策略赚的核心钱是“行为金融学钱”而不是“上帝给的钱”。2.2 量化策略的三个共同支柱不论是什么策略能长期稳定赚钱的量化模型都离不开三个支柱第一统计显著性。策略捕捉的偏差必须在历史数据上有足够样本、足够稳定的表现而不是随机噪声的偶然拟合。一个只在2015年有效、其他年份全部失效的策略大概率是过拟合。第二逻辑自洽性。策略的盈利来源必须能讲出一个符合常识的人性故事或制度故事。比如“涨停板打开后散户追涨意愿强”这是可以解释的行为逻辑。如果策略的因子你自己都说不清它赚的是什么钱那它亏钱时你也不知道该不该止损。第三容量与衰减认知。任何一个赚钱的策略随着参与资金变多利润都会被摊薄。套利策略容量小趋势策略容量大高频策略容量更小。理解策略能容纳多少资金是实际交易中极其重要的一环。这三个支柱会在后面每个策略的拆解中反复出现。你先在脑子里种下这三个概念后面看起来会顺畅很多。3. 九大策略的第一性原理逐个拆解下面进入正题。我按照策略的核心盈利来源将九大主流量化策略做一个系统拆解。每个策略我会按“核心逻辑”、“第一性原理”、“实盘注意点”三个角度展开尽量点透“它到底靠什么赚钱”。3.1 趋势跟踪赚的是“人性反应滞后”的钱趋势跟踪应该是普通投资者最熟悉的量化策略了。逻辑概括起来就是价格已经走出来的方向大概率还会继续走一段。策略常见的形态是“突破开仓移动止损”也就是价格突破过去N日高点就买入跌破移动均线就卖出。第一性原理在于市场中的大资金建仓和出货需要时间K线图上表现为价格的持续单边移动而散户往往在大资金建仓初期无感等到趋势明显时才开始追这种“确认偏误”使得趋势一旦形成就不容易立刻反转。趋势跟踪赚的就是“追涨杀跌者支付的溢价”以及“大趋势延续的惯性收益”。实盘中最容易踩的坑是“震荡市反复止损”。趋势策略天然在震荡行情中表现差这是策略的基因问题不是bug。所以趋势策略要赚钱核心在于两点及时止损控制单笔亏损以及拿住大趋势让盈利奔跑。很多人折在趋势策略上不是策略不好而是拿不住盈利单却在止损时格外果断。3.2 统计套利赚的是“价格关系错乱”的钱统计套利听上去高级核心思想其实简单寻找两只或一组历史上价格走势高度相关的资产当它们的价差偏离正常范围时买入低估的、卖出高估的等价格关系回归正常后平仓获利。第一性原理是相关性资产的价差会围绕一个均值波动偏离是暂时的回归是必然的。这个“必然回归”的背后可能是因为两个资产受共同的宏观因素驱动比如同一行业的两只龙头股也可能是因为它们之间存在实际套利机制比如期现市场之间。统计套利真正难的地方在于“判断偏离是否还会继续”。价差偏离到2倍标准差后可能继续偏到3倍、4倍——如果你过早进场就会经历巨大浮亏。我的经验是统计套利不能只看统计指标还要结合基本面逻辑判断偏离的极限在哪里。纯粹看数字做统计套利的人很容易死在“黑天鹅”上。实际上这类策略更贴切的叫法是“均值回归策略”。它赚的是“价格关系恢复合理”的钱本质是市场参与者在情绪化交易中把相关性资产推到了不合理的位置。3.3 市场中性策略赚的是“选股能力”而不是“大盘上涨”的钱市场中性策略的思路是一边做多一篮子你看好的股票一边用股指期货做空等市值的指数把大盘涨跌的影响对冲掉留下的就是纯粹的选股超额收益。第一性原理很清晰A股市场长期存在“散户主导、信息不对称、个股分化大”的特征有经验的量化模型能选出跑赢指数的组合。但大盘涨跌本身不可预测与其赌方向不如把方向风险对冲掉只赚“好股票跑赢烂股票”的钱。这类策略的核心竞争力在选股模型而不在对冲本身。做空股指期货只是为了剥离市场风险真正创造收益的是组合里那些跑赢指数的股票。所以市场中性策略的关键在选股因子的有效性以及行业、风格暴露的控制。实际执行中很多人会忽略一个细节股指期货有基差成本如果贴水很大策略的收益会被侵蚀不少。这也是每个做中性策略的人必须盯着的成本项。3.4 指数增强策略赚的是“指数β 选股α”的双份钱指数增强可以理解为市场中性的“兄弟策略”但不对冲。它的目标是在跟踪某个指数的基础上通过主动选股或择时实现超越指数的收益。第一性原理分两层长期来看指数本身代表一国经济的增长和企业盈利的扩张这是β收益只要经济长期向上这部分钱是“坐享其成”的再叠加模型的选股能力选出比指数成分股更优的组合赚到α超额收益。也就是“不定投的宽基指数长期向上能人异于常人的选股眼光”。这里有一个极其重要的认知指增策略不是在不同股票之间做选择题而是在指数的基础上做加分题。很多做指增的新手容易把它做成主动选股偏离指数太多结果指数涨的时候你跑输指数跌的时候你更惨。成熟的指增策略会严格控制跟踪误差确保超额收益来自稳定的选股能力而不是风格的偶然暴露。3.5 事件驱动策略赚的是“市场反应不足”的钱事件驱动策略是在公司发生重大事件时进行交易比如业绩公告、增发、回购、股权变动、大股东变更等。这些事件会改变公司的基本面预期但市场对事件信息的消化往往不是瞬间完成的会出现定价偏差。第一性原理在于市场对信息的反应存在“反应不足”和“反应过度”两个阶段。事件驱动策略赚的是反应不足阶段的钱即在事件公布后市场还未充分定价时提前布局等价格充分反映事件价值后卖出。这背后是人类的“有限注意力”——一个人每天能关注的信息量是有限的市场整体对某一条信息的消化需要时间。做事件驱动策略最累的是数据。每起事件都要人工判断逻辑是否成立比如大股东增持可能是真看好也可能只是维稳股价。所以事件驱动策略的壁垒不在交易模型而在事件数据库的广度和判断逻辑的深度。同时要留意事件被提前炒作的情况——当消息在公告前已经被市场充分预期公告后反而可能出现“见光死”做这类策略必须把事件发酵时间纳入考量。3.6 高频做市策略赚的是“提供流动性”的钱高频做市是常被影视剧和媒体神化的领域。它的核心不是预测涨跌而是同时挂出买单和卖单作为交易的对手方。你以买一价买入以卖一价卖出赚中间的价差。做市策略每天交易成千上万次单笔利润极低靠的是交易次数和极低的延迟优势。第一性原理在于市场需要流动性有人想买的时候必须有人卖有人想卖的时候必须有人买。做市商扮演的就是这个角色赚取的其实是“流动性服务费”——这有点像实体商城里的收银台无论顾客买什么收银台都有服务费进账前提是你得站在那里。做市策略的核心壁垒是技术包括极低的交易延迟、精确的仓位管理模型和严密的风控制度。最大的风险是“被信息驱动的聪明钱收割”当市场出现单边行情时做市商的库存会出现巨大亏损。所以做市策略盈利的关键不是预测市场方向而是控制库存风险确保价差收入大于库存损失。3.7 网格交易赚的是“震荡市波动”的钱网格交易很适合个人投资者上手。逻辑很简单设定一个基准价格价格每下跌一格就买入一份每上涨一格就卖出一份始终保持低买高卖的操作节奏。它本身不需要预测方向只要价格在一个区间内反复震荡就能持续获利。第一性原理是震荡行情中价格在某个区间内的来回摆动是一种高概率事件——尤其是在基本面没有重大变化、市场情绪主导的时段。网格赚的是“波动率红利”而不是趋势利润。把网格想象成一张捕鱼网价格每穿越一个格子就有一小段利润收入囊中网撒得越密捕捉到的小波动利润越多但被单边行情冲破的风险也越大。网格最大的风险是“单边下跌时的持续补仓”。如果价格跌破网格下沿你的仓位会越补越重占用资金越来越多。所以使用网格策略必须提前设定好总资金上限和最大建仓深度并在建仓到一定程度后停止买入绝不能无限制地“越跌越买”。平心而论网格不太适合大资金操作但作为震荡市中的阶段性策略胜率体验相当好。3.8 多因子选股策略赚的是“风险因子补偿”的钱多因子选股是目前机构量化中使用最广泛的策略范式。它的思想是股票的收益可以分解到多个因子上比如估值因子市盈率、市净率、质量因子ROE、毛利率、动量因子过去一段时间的涨幅、规模因子市值大小等。模型通过对各个因子打分选出综合得分最高的股票组合。第一性原理需要重点解释多因子模型赚的其实是“风险溢价补偿”。以市值因子为例小市值公司流动性差、经营风险高所以市场给出的长期回报率更高价值因子则需要承担“价值陷阱”风险。这些因子之所以能赚钱不是因为这些特征本身好而是因为它们对应了投资者承担了某些风险风险需要被补偿。理解这一点非常重要因为它决定了你对因子失效的态度。当某个因子连续三年表现不佳时不是因子“失效了”而是市场的风险偏好发生了变化。在做多因子模型时比“找到好因子”更重要的是“理解因子背后的风险暴露”以及在因子间做好分散配置。很多人拿着回测数据疯狂调参找好因子最终都会陷入过拟合的泥潭这就是因为只关注了数字、忽略了逻辑。3.9 期权波动率策略赚的是“恐慌溢价”的钱期权策略相对进阶但近年关注度越来越高。其中最常见的一类是卖出波动率策略通俗讲就是卖出期权做空隐含波动率。期权定价中天然包含了市场对未来的不确定预期而在大多数时候市场会高估尾部风险——也就是给“黑天鹅”支付过高的保险费。第一性原理在于人们天生害怕极端行情愿意为保护自己支付昂贵的费用这就导致“波动率溢价”成为一个长期存在的统计现象。做空波动率的人本质上是扮演“保险公司”的角色——大部分时候赚取保险费小概率在极端行情中赔大钱。策略长期盈利的前提是极端行情发生的频率低于保费定价中包含的频率。这类策略的难点不在策略本身而在风险控制。卖出波动率策略的收益曲线非常平滑看起来很美但遇到极端行情时会“单月亏掉三年收益”。所以做这个策略仓位管理比择时重要得多必须有严格的压力测试和止损机制。我很少建议新手在没有充分理解期权定价原理之前碰这个策略它的“看起来容易赚钱”恰恰是最危险的部分。4. 怎么选策略资金、性格、技术缺一不可讲了九大策略肯定会有人想问那我适合做哪个这是个复杂的问题。策略没有绝对的好坏只有适合不适合。选策略至少要考量三个维度资金规模、性格特征和技术储备。4.1 不同资金体量的适配策略资金体量直接决定了你能进入哪些策略的门槛。我根据自己的实操经验整理了一份参考表资金规模推荐策略方向主要理由10万以下趋势跟踪、网格交易资金小灵活容错率高策略简单可执行10万-100万多因子选股、指数增强、统计套利策略容量充足能用模型化思维管理100万-1000万市场中性、事件驱动、统计套利需要控制回撤适合有选股能力的资金1000万以上中性策略、做市机构级、指增容量和安全边际优先追求稳定复利这里有个容易被忽略的点策略容量不只是“能承载多少钱”还和策略的交易频率有关。高频策略的容量通常以“每天能成交多少量”为上限而日频或周频调仓的多因子策略容量就大得多。你资金量小的时候跑高频策略没问题资金量大了高频容量扛不住必须往低频、大容量方向切换这是量化资金管理的必经之路。4.2 性格和策略风格的匹配很多人做量化策略亏钱不是策略不行而是风格不匹配。趋势跟踪策略经常连续止损几个月如果性格急躁很容易中途放弃网格交易需要极强的纪律性每档仓位必须严格按照规则执行如果总想“优化一下”手动干预策略效果会大打折扣。我的建议是在选定策略之前先问自己几个问题你能接受的最大回撤是多少你能忍受策略连续几个月不赚钱吗你每天有时间盯盘还是只能收盘后看一眼答案会直接决定你更适合趋势跟踪需要耐心和信仰还是更适合网格交易需要纪律和规则。做量化其实是和自己的性格和解的过程找到匹配的策略类型执行起来会轻松很多。5. 实盘中最常见的坑和我的排查经验最后这部分我把这些年实盘遇到的高频问题整理出来。每一个都是真金白银换来的教训希望能帮你少走弯路。5.1 回测漂亮实盘稀烂这是最经典的问题。回测年化40%、最大回撤8%一上实盘就变成年化负收益问题大概率出在过拟合或未来函数上。我见过太多人在回测里用了未来数据比如用当天的收盘价计算信号却在当天开盘买入——这在回测脚本里只是一个没注意到的shift参数实盘里根本无法实现。排查建议做回测时务必区分信号形成时间和下单时间所有指标的计算只能用到当时已经发生的数据。还可以做样本外测试把最近两年的数据完全从参数优化中剔除用历史数据定参数、用最新数据验证能过滤掉大量过拟合策略。5.2 策略容量算错资金进去了就跑不动国内股票市场冲击成本尤其显著。一个日频交易的小市值策略在回测里换手率做到日均30%理论上很漂亮但实盘用大资金跑冲击成本可能直接把超额收益吃光。解决思路是在回测模型中显式地加入交易成本、滑点和冲击成本模型。如果资金量较大还要做“按成交量限仓”的压力测试比如设定单笔买入量不超过当日成交量的5%。抛开容量去谈论策略收益基本等于耍流氓。5.3 忽视交易成本量化交易赚钱靠的是“积少成多”但当你的单笔利润只有0.1%的时候万二的佣金、万五的滑点就会侵蚀掉一半利润。很多初学量化的朋友把大量精力花在优化模型上却忽略了成本优化这是捡芝麻丢西瓜。我的习惯是每次做策略评估时默认把成本参数设置为普通交易者的2倍如果策略在这样的成本假设下还能赚钱实盘才值得跑。尤其是高频策略每一笔交易的成本都要精确计算否则回测结果完全是自我安慰。5.4 过度优化策略被“驯化”机器学习里有个概念叫偏差-方差权衡量化交易中也存在类似的“参数驯化”。有些人在回测中反复调整参数直到历史曲线的回撤完美、收益完美这种策略一旦实盘就会原形毕露——因为它已经被“驯化”成了只适合历史行情的模型。解决的方法很简单参数少一点、逻辑硬一点。优先使用有明确逻辑支撑的参数范围比如20日、60日均线这类长期被市场使用的参数而不是通过搜索算法找出来的“最优参数”。如果你想测试某个参数在40到100之间哪个最优那就用样本外数据去验证而不是在全部数据上反复试。我自己的原则是宁可接受一个逻辑清晰但收益平庸的策略也不要一个收益逆天但解释不清的“黑盒策略”。长期来看可解释的策略才能稳定执行黑盒策略在亏损时你连调整方向都找不到。6. 写在最后量化只是工具认知才是壁垒从事量化交易这些年我最大的体会是量化并不会让赚钱变得容易它只是把投资决策从“拍脑袋”变成“有依据”。市场永远在进化策略永远会失效唯一能让你长期留在牌桌上的是你对市场底层逻辑的认知深度。如果你刚起步我的建议是从两类策略中选一个深入研究。一类是趋势跟踪因为逻辑简单、容易执行、适合培养纪律感另一类是多因子选股因为它是机构的主流范式学透了能建立整体的量化框架。不要一上来就追求复杂的期权策略或高频做市那些是金字塔尖的游戏普通人冲上去容易被砸到。另外分享一个小技巧每做一个策略都强迫自己用一段话把它赚的钱解释清楚。如果这段话里包含“因为散户会追涨杀跌”“因为市场高估了恐慌”“因为价格关系终将回归”这类能讲出人性的句子策略大概率站得住脚。如果你发现解释起来很困难只能说这个策略的盈利来源你自己还没想明白那实盘前最好再等等。做量化是一场长跑比的不是谁跑得快而是谁活得久。希望这篇文章能帮你建立起策略选择的坐标系在这个充满噪声的市场里守住自己的一点点确定性。