量化交易这东西听起来门槛很高其实拆开来看就两件事第一你有没有一个关于市场为什么会波动的、可验证的逻辑第二你愿不愿意把这个逻辑老老实实地写成规则让机器去执行。我做了几年量化策略的研究和实盘落地最大的感受是很多人亏钱不是因为代码写得差而是因为压根没想清楚自己的策略在赚谁的钱。这篇就把“策略基础”和“市场逻辑”这两块掰开揉碎讲讲我踩过坑之后总结出来的框架也适合那些刚接触量化、正准备搭第一个策略的新手朋友参考。1. 策略基础先从“你的策略到底在赚谁的钱”说起做量化交易第一步往往不是写代码而是先回答一个问题你的策略凭什么能赚钱这个问题想不清楚后面做的所有回测、优化、上线基本都是自欺欺人。1.1 用量化语言把市场逻辑写下来从“想法”到“假设”再到“可测试的规则”我早期犯过一个典型错误看到一个涨得好的股票就想“趋势跟踪能赚钱”然后直接去网上抄了个双均线策略一跑回测收益曲线漂亮得不得了。结果呢实盘一上净值像坐滑梯。后来复盘才发现我压根没想明白“趋势”为什么存在更没想过这个策略在什么环境下会失效。所以后来我养成了一个习惯动手写代码之前先把策略用一个完整的句式写出来格式大概是——因为市场存在某种现象比如投资者反应过度所以某种标的的价格会在某段时间内表现出某种规律比如惯性上涨我可以用某个因子比如过去N日的收益率去捕捉它并且我愿意承受回撤X%的风险来换取年化Y%的超额收益。这个句式看起来简单但它强制你做了三件事第一把模糊的“感觉”变成有明确指向的“假设”第二给这个假设找一个经济学或行为金融学的解释第三提前设定风险边界而不是等亏了再想办法。举个例子。我现在团队里有个同事专门做股指期货的日内反转策略。他的核心逻辑写得很简洁开盘后前30分钟散户情绪容易主导价格导致价格偏离均衡所以当价格偏离均线超过某个阈值时做回归。这个策略背后对应的市场逻辑是“过度反应后的价格修正”。这个逻辑能不能成立取决于市场上是不是真的有那么多情绪化交易者且他们的交易行为有没有被我们用量化的方式捕捉到。写清楚这个句式之后下一步才轮到数据、代码、回测。很多新手把顺序搞反了一上来就研究库函数、调参、过拟合结果就是策略越复杂亏得越稳定。1.2 常见策略家族与逻辑骨架对比先选赛道再研细节量化策略的范围非常广我平时会把它们粗略分成四个家族趋势跟踪、均值回归、套利、事件驱动。这四个家族的“逻辑内核”是完全不同的适合的人群、资金量、市场环境也完全不同。策略家族核心市场逻辑典型因子/信号适合的市场环境主要风险趋势跟踪价格在趋势形成后具有惯性市场情绪和资金流会推动价格沿原方向继续运动均线突破、动量因子、通道突破强趋势、波动率放大震荡市反复止损假突破频繁均值回归价格围绕某个均衡价值波动短期偏离后大概率回归布林带、Z-Score、基差修复低波动、盘整行情趋势行情中逆势扛单亏损被放大套利同一资产或高度相关资产在不同市场/工具间出现定价错位价格最终收敛价差序列、协整关系、跨期基差市场有效且交易成本低的时段收敛时间不可控流动性风险事件驱动特定事件业绩公告、指数调样、监管变化引发价格重估市场在事件前后存在反应不足或过度反应公告窗口期收益、事件前后波动率变化事件密集区事件不确定性高滑点和冲击成本大我并不是说这四个家族之间有绝对的优劣而是想说每一个策略家族的背后都必须对应一个你能讲得清楚的市场逻辑。如果一个人拿着一个统计上显著、但逻辑上讲不出所以然的策略来找我我大概率不会碰因为统计显著在很多时候只是幸存者偏差的变体。你看很多公开的策略源码代码本身不难难的是理解它那个信号背后的市场行为。比如动量因子为什么过去3到12个月的赢家股票未来还会继续跑赢一个比较主流的解释是“信息扩散缓慢”即利好消息不是瞬间被所有投资者消化而是通过分析师、媒体、交易行为逐步传导。只要这个传导过程存在动量因子就会在一定周期内有效而一旦信息传导速度加快比如市场变成高度机器化交易主导动量因子的衰减速度也会超出你的想象。2. 市场逻辑为什么这个策略能赚钱比怎么赚钱更重要我经常跟人说研究市场逻辑本质上是在研究“对手盘结构”。你得知道你的策略在和谁做对手盘他们的行为模式是什么你赚的钱来源于哪里。2.1 三类核心逻辑来源行为偏差、结构约束与信息传导我把市场逻辑归纳成三个大类它们基本覆盖了我接触过的绝大多数量化策略。第一类行为偏差。人是非理性的A股和美股市场里都能找到证据。比如散户倾向于卖出盈利的股票、死扛亏损的股票这叫处置效应它会导致价格在短期上涨后出现回撤压力在下跌后出现支撑。很多反转因子本质上就是在赚“处置效应”的钱。再比如过度自信会让投资者在信息明确之后仍然频繁交易抬高成交量给流动性提供者创造机会。第二类结构约束。这个范畴比较有意思指的是市场机制本身规定了某些行为。比如公募基金有仓位下限和排名考核压力年底做“冲排名”交易ETF做市商需要在申赎机制下维持库存平衡指数基金必须在调仓日买入新纳入的成分股。这些结构约束带来的资金流变化是可以被预测甚至提前埋伏的。我曾做过一个指数调样事件的策略逻辑就一句话某指数调入的股票在公告日到生效日之间通常会有正向超额收益因为被动资金需要在那段时间内完成买入。这就是典型的、纯粹由市场结构驱动的逻辑。第三类信息传导。信息不是瞬间被所有人都知道的而是分层次、分速度传导的。大单买入先推动价格小单跟在后面公司公告发布后分析师先反应然后是机构最后是散户。凡是利用信息传导时间差的策略本质上都在赚“信息衰减”的钱但这类策略吃数据速度和执行速度门槛非常高。这三类逻辑对应的是完全不同的策略设计和风控思路。做行为偏差的策略你需要关注市场情绪指标和拥挤度做结构约束的策略你需要对规则变化极其敏感做信息传导的策略你需要把基础设施性能压到极致。2.2 市场逻辑失效场景拥挤、结构变化与逻辑被套利任何市场逻辑都不是永动机它一定会遇到失效期。我总结下来失效的原因主要有三类。拥挤交易是第一个杀手。当一类策略赚了钱模仿的资金会越来越多直到把逻辑中的超额收益啃食干净。典型例子是某些高频量价因子2015年之前回测效果极佳2018年以后你再跑同样的因子IC可能直接归零。原因不是逻辑错了而是同样的信号被太多人用交易成本、冲击成本把利润吃掉了。第二个是市场结构变化。规则一变旧逻辑的地基就塌了。比如手续费调整、涨跌停制度修改、T0变T1这些都会让基于旧结构设计的策略失效。所以成熟的量化团队每周都会花时间扫描自己的策略池看近一年内有没有市场规则上的重大调整。第三是“逻辑本身被套利”。市场上有一些聪明资金专职观察别人的策略行为并提前埋伏。比如你看到某只股票连续上涨用动量策略追进去但另一批资金可能在识别到动量信号拥挤之后专门做反转。当反转资金量大于动量资金量时你的动量策略就会在高位接盘。这种“策略间互相博弈”在实盘中非常常见。所以当你设计一个量化策略时我建议你反复追问自己如果这个逻辑已经被很多人知道我还有没有优势我的优势是数据更干净、执行更快还是对某个特定市场环节的理解更深没有这些优势单纯靠一个公开的逻辑很难活过完整市场周期。3. 核心环节实操把市场逻辑变成可回测的策略原型前面讲的是道这部分讲术。目标很明确把一句市场逻辑变成一串可以直接运行、可以判断好坏的代码和参数。3.1 从因子定义到信号生成的完整链路一个可参考的框架我习惯把策略链路分成五层原始数据层、因子计算层、信号生成层、仓位管理