QUANTITATIVE TRADING

什么是量化交易

数学模型 + 计算机程序代替人做交易决策和执行。核心不是"自动下单",而是把交易逻辑变成可验证的代码规则,靠统计优势(edge)而不是直觉赚钱。

量化实验报告(真实数据回测)

1基本流程

STEP 01

数据

行情、财务、新闻、链上数据……一切可数字化的信息

STEP 02

建模

找统计规律(如"某指标超卖后上涨概率更高"),写成信号

STEP 03

回测

在历史数据上模拟交易,验证策略是否真的赚钱,还是过拟合

STEP 04

实盘执行

程序自动下单,毫秒级响应,避免情绪干扰

STEP 05

风控

仓位管理、止损、最大回撤限制——比策略本身更重要

2常见策略类型

类型逻辑特点
趋势跟踪涨了追涨、跌了做空慢,吃大波段,胜率低但盈亏比高
统计套利相关资产价差偏离后回归收益稳但薄,需要高频率
高频交易 HFT拼速度,微秒级抢价差机构专属,拼硬件和机房位置
因子/多因子选股按估值、动量、质量等打分选股持仓周期长,类似"程序化巴菲特"
做市 Market Making同时挂买价卖价赚点差赚流动性钱,风险极高

3量化 vs 传统交易

维度量化传统 / 主观
决策依据统计和回测数据经验和盘感
执行程序自动手动
情绪影响大(追涨杀跌)
可扩展性同时管几十上百个品种精力有限
核心门槛数据 + 数学 + 代码经验和心理

4说实话的部分

  • 量化不是印钞机。大部分零售量化策略长期跑不赢指数——你的对手是华尔街用顶级数据、硬件和人力的团队。
  • 回测赚钱 ≠ 实盘赚钱。过拟合是最大陷阱:策略在历史数据上"记住"了噪音。行话叫"曲线拟合"。
  • 真能长期赚钱的量化,核心优势往往是数据比别人多、执行比别人快、风控比别人严,而不是模型多聪明。
  • 对个人来说,合理的预期是把它当作纪律化的交易工具(消除情绪、严格执行规则),而不是躺着赚钱的机器。