什么是量化投资:用规则代替情绪
到了量化这个支线,我们聊一个常被神化、也常被误解的话题:量化投资到底是什么?先说结论,它不是什么神秘的印钞机,核心思想其实可以一句话概括——用规则和数据做决策,把人的情绪从交易里拿掉。
我先给你讲个我早年见过的场景。一个朋友做主观交易,盘前研究得头头是道,列了三条买入理由、两条止损纪律,笔记写得比谁都工整。真到开盘,某只票低开了 3%,他盯着分时图,手一抖就把计划里”跌破就走”改成了”再等等看”,结果一路扛到收盘,亏了小两成。事后复盘,他自己都承认:那两条止损纪律,写的时候是清醒的,执行的时候是慌的。量化想解决的,恰恰就是这中间”从清醒到慌”的那一段落差——把决策定死在你清醒的时候,不给盘中的你临时改主意的机会。
量化投资的核心思想
传统投资里,买卖很大程度依赖人的主观判断,而判断容易被贪婪、恐惧、侥幸、过度自信这些情绪污染。量化投资的出发点,就是把决策过程”代码化”:
- 先用历史数据,找到某种可重复、可验证的规律;
- 把这个规律写成明确的规则(满足什么条件就买、什么条件就卖);
- 交给程序严格执行,不掺杂当下的情绪。
一句话:用纪律代替冲动,用统计代替直觉。
这里有个新手常犯的理解偏差,得先掰开。很多人一听”量化”,第一反应是”那不就是用电脑算得快嘛”。速度只是表象,不是本质。量化真正值钱的地方是**“可证伪”和”可复现”**这两个词。一条主观判断,比如”这行业景气度要起来了”,你没法客观检验它对不对,赚了是眼光好,亏了是运气差,永远说不清。但一条量化规则,比如”当某指标连续 20 日高于其自身均线时持有,反之空仓”,它是白纸黑字的,谁拿去跑都是同一个结果,历史上灵不灵、灵到什么程度,数据会给你一个不带感情的答案。把”我觉得”变成”数据显示”,这才是量化思维的地基。至于用不用电脑、快不快,那是执行层面的事,不是它的灵魂。
它和”主观投资”的区别
| 维度 | 主观投资 | 量化投资 |
|---|---|---|
| 决策依据 | 人的分析与判断 | 模型与数据规则 |
| 一致性 | 易受情绪、状态影响 | 规则统一,前后一致 |
| 覆盖广度 | 精力有限,盯不过来 | 可同时处理大量标的 |
| 主要风险 | 人性弱点 | 模型失效、规则过拟合 |
注意:量化不等于高频交易,也不等于”用电脑就稳赚”。它只是一种用系统化方法做决策的范式,既可以服务于长线,也可以服务于短线。
我特意把这句话单拎出来说,是因为”量化 = 高频 = 一堆博士拿超算抢毫秒”这个刻板印象,把太多普通人挡在了门外,也把另一批人骗进了坑。真实情况是:一个每季度才调一次仓、只看基本面因子的多因子选股策略,它是量化;一个一天成交上万笔、拼的是机房离交易所有多近的做市策略,它也是量化。两者除了都”按规则办事”之外,几乎没有共同点。前者一台普通笔记本、一份年报数据就能起步,后者是极少数机构的军备竞赛。你要学的、用得上的,几乎肯定是前面那一类。别被”高频”这个最吸引眼球、也最不可复制的极端案例带偏了对整个领域的认知。
一个量化策略大致怎么诞生
虽然细节千差万别,但流程通常包含这几步:
- 提出假设:基于某种逻辑,猜测”什么样的特征,可能对应更好/更差的表现”;
- 数据与因子:收集历史数据,把假设变成可计算的”因子”或指标;
- 回测:在历史数据上模拟这套规则,看它过去表现如何;
- 风控与组合:加入仓位、止损、分散等约束,控制风险;
- 实盘验证:小规模真实运行,看现实和回测是否吻合;
- 持续迭代:市场在变,策略会衰减,需要不断监控、调整、淘汰。
这六步里,新手最容易轻视的是第一步,最容易迷恋的是第三步。我见过不少刚入门的人,跳过”提出假设”,直接把一堆指标一股脑塞进程序里,让电脑自己去”跑出”最赚钱的组合。这个做法听着高效,其实是在自掘坟墓——你没有先讲清楚”这条规律为什么应该成立”的经济逻辑,纯靠数据挖出来的关系,十有八九是巧合。历史上有人认真统计过,某国的黄油产量和某地股市指数能拟合出高得吓人的相关性,可你敢照着这个下注吗?一个健康的假设,应该是你能用大白话向外行解释清楚”为什么这样做可能有效”的,比如”便宜的好公司长期跑赢贵的差公司,因为估值终会回归”。逻辑在前,数据在后,顺序反了,后面每一步都是在给错误添砖加瓦。
再说第五步实盘验证,这一步的必要性常被低估。回测是在一个”理想真空”里跑的:你默认每一笔都能在你想要的价格成交,不考虑买卖之间的差价、手续费、冲击成本,也不考虑你想买的时候可能根本没那么多货。真金白银进场,这些摩擦一项项冒出来,一个回测年化看着二十几个点的策略,扣掉现实成本后可能只剩个位数,甚至由盈转亏。所以严肃的做法从来不是”回测好看就梭哈”,而是先拿一笔小钱、按真实规则跑上一段时间,看纸面收益和实盘收益的裂缝有多大。这条弯路,早走比晚走划算太多。
量化的优势
- 克服人性:规则不会因为今天心情差就乱操作,这是它最大的价值;
- 纪律一致:同样的情况,永远做同样的处理,可复现、可评估;
- 效率与广度:能系统地扫描、处理远超人脑负荷的信息量;
- 可检验:策略的好坏可以用数据回测、用统计评估,而不是靠嘴说。
量化的局限与陷阱(必须清醒)
量化绝不是”稳赚黑科技”,它有非常现实的坑:
- 过拟合:在历史数据上精心”调”出来的漂亮曲线,很可能只是套住了过去的偶然噪音,一到实盘就失灵。回测越完美,越要警惕;
- 市场会变:历史规律不保证未来重现。一个策略今天有效,明天可能因为太多人用、或环境改变而失效;
- 黑天鹅:模型基于”正常情况”建立,面对极端事件可能瞬间失效甚至加速亏损;
- 门槛不低:真正做量化,需要数据、编程、统计、金融知识的综合能力,以及对风险的敬畏。
回测赚钱 ≠ 实盘赚钱,这是量化里最该刻在脑门上的一句话。
这四个坑里,过拟合是隐形的头号杀手,值得多花两句话讲透。你可以这样打个比方:一个学生如果把往年考卷的标准答案全背下来,他在做这几套旧卷时能拿满分,但这不代表他学会了知识,换一套新题他可能就抓瞎。策略参数调得太细、太贴合历史,本质就是在”背答案”。判断自己是不是过拟合了,有几个朴素的信号可以自查:一是规则里有没有一堆解释不清的”魔法数字”(为什么是 17 日均线而不是 15 或 20?说不出理由就危险);二是把参数稍微动一动,收益曲线是不是就崩了(真规律应该有一定的稳健区间,而不是踩着钢丝);三是把策略拿到它没见过的另一段历史、另一个市场上去跑,还灵不灵。经不起这几问的漂亮回测,基本可以判死缓。
黑天鹅这一条也别当成小概率就轻慢。模型是用平常日子的数据喂出来的,它对”从没发生过的事”没有任何免疫力。历史上不止一次,一些用了顶尖数学、看起来固若金汤的策略,在一场谁都没料到的极端行情里几天之内就把多年积累抹平。这不是说量化不能用,而是提醒你:任何一套系统都必须预设”如果我错了,最多亏多少”,把这条底线用仓位和止损写死,而不是赌那件坏事永远不发生。投资有风险,尤其是当你以为自己已经把风险算清楚了的时候——这句话对量化尤其成立。
对普通学习者的意义
你不一定要成为量化交易员,但量化的思维方式对每个投资者都有价值:
- 用规则约束自己,减少情绪化操作;
- 重视数据和证据,而不是凭感觉和故事下注;
- 对任何”完美策略”保持怀疑,理解没有圣杯。
落到最普通的日常里,哪怕你从不写一行代码,也能借用量化的骨架。比如你可以给自己定几条”傻瓜规则”:单一标的最多投入总仓位的多少、亏到某个幅度就必须减仓、每月固定日子定投而不管当天涨跌。这些规则本身不高深,难的是在情绪上头的时候还能照着执行。你把它们提前写在纸上、甚至设成自动扣款,就是在用量化的方式给未来那个可能会慌、会贪的自己戴上安全带。规则的价值,从来不在于它多聪明,而在于它替你挡住了那些”就这一次破例”的冲动。这也正好呼应了投资里更底层的东西——先理解自己能扛多大波动、亏多少不至于失眠,再谈用什么方法。
把量化理解成”一种更系统、更诚实地面对不确定性的方法”,而不是一夜暴富的捷径,你就抓住了它真正的精髓。说到底,它对抗的不是市场,而是我们自己身上那些反复让我们高买低卖的老毛病。工具会过时、策略会衰减,但”用规则约束冲动、用证据代替臆测”这套心法,值得你带着走很久。
本文仅为投资教育科普,不构成任何投资建议。量化策略同样存在亏损风险,投资有风险,决策需谨慎。