量化做不到的四件事，也就是你必须亲自站的四班岗

你去问一个做量化的人「这套东西能干什么」，他大概能讲一小时：能不带情绪地执行、能同时看几百个品种、能把一条规则在十年历史上重放一遍看结果。

你接着问一句「那它不能干什么」，气氛通常会变一下。你会得到一句很体面的回答：市场上没有圣杯。

这句话听着谦虚，其实等于没说。它把「不能」糊成了一团雾，你既没法拿它去检查一份方案，也没法拿它去安排自己该在哪儿使劲。一条真正有用的边界，应该是能点名的：它长什么样、为什么必然长这样、遇到了我该怎么办。

这一篇就点四条。每条我都会讲三件事——先打个比方让你抓住直觉，再说它对你的决策意味着什么，最后说它在真实的量化系统里以什么形式露头。讲完四条，我会花一整节讲这篇真正想说的那件事：边界不是缺陷，边界是分工表。 它告诉你哪些格子交给机器填是安全的，哪些格子你必须自己拿笔填。

先划清这一篇不讲什么。「什么样的人不适合做量化」是性格和处境的问题，归 什么样的人不适合做量化；「上手要跨过哪几道坎」是资源和技能的问题，归 散户做量化，真实门槛在哪几道。这一篇只谈方法本身的能力天花板——就算你性格合适、门槛全过了，下面这四件事它依然做不到。

边界一：它没见过的事，它不会算

先打个比方

你雇了一个开了二十年本地出租的司机。他熟到什么程度？哪个路口早高峰会堵、哪条巷子能穿、哪段路雨天积水，全在他脑子里。你坐他的车，闭着眼都放心。

某个月，市政把主干道改成了单向通行，还新开了一条高架。

这时候会发生一件微妙的事：这位司机原来最值钱的那部分能力，短时间内变成了负债。 因为「熟」的本质是把路线固化成了反射动作，他会下意识往老路上拐。一个刚来的新司机反而不会犯这个错——他没有可依赖的记忆，只能老老实实看路牌。

请注意，司机没变笨，他的经验也没有作废。变的是他的经验所描述的那个世界。

这对你的判断意味着什么

量化系统的全部本事，来自对历史数据的统计。回测就是拿过去的行情把一套规则重放一遍算成绩；模型训练就是让程序从过去的数据里找出重复出现的模式。两者的共同前提是一句话：未来这段路，和我学过的那段路，长得差不多。

所以任何回测数字、任何模型的准确率，正确的读法都不是「它有多准」，而是「它在那一段历史里有多准」。这两句话之间隔着一整个假设。

顺着这个逻辑往下，你就有了几个非常具体的追问，而且不需要懂代码就能问出口：

• 你测的那段历史里，都包含哪几种日子？ 有没有一次真正的暴跌，有没有一段长到让人绝望的横盘，有没有跨过一次利率环境的翻转。如果这套东西只在一段单边上涨里被验证过，那它对下跌的应对能力是完全未知的——不是「较弱」，是未知。
• 这段历史里有没有发生过制度层面的改动？ 交易规则、涨跌幅限制、做空工具的可得性、信息披露要求，这类东西一变，靠某种市场摩擦活着的规律可以当场死掉。跨过这种断点的历史数据，前后两段其实不是同一个市场。
• 它对「没见过的日子」的默认反应是什么？ 这是最关键的一问。人碰到没见过的路口会减速，程序不会。程序会把陌生的输入代进原来的公式，输出一个格式完全正常、看起来很有底气的数字。它不会告诉你「这个我没学过」，它只会给你一个答案。

最后这一点值得多说一句：极端行情之所以危险，不只是因为跌得多，而是因为它天然属于「样本里很少见」的那一类——正因为少见，历史统计对它的刻画最粗糙，偏偏它对你的账户杀伤力最大。这个错位本身就是一类专门的风险，尾部风险：VaR 说「95% 的日子最多亏 2%」，剩下那 5% 呢 把这件事拆得更细。

它在系统里长什么样

我读了本地留存的开源交易框架 freqtrade 的文档快照。它在讲回测的那一页，专门列了一节「回测所做的假设」，一条一条写清楚模拟成交时都当作什么成立。列完之后，作者自己写了两句收尾的话，大意是：即便做了这些努力，回测永远不能替代先用模拟盘跑一遍；另外请记住，过去的结果不保证未来的成功。

我想让你注意的是这两句话出现的位置——它们不在免责声明里，是在技术文档的正文里，紧跟着一长串技术细节之后。写这套系统的人，把「我的成绩单不能外推」当成了系统说明书的一部分。

还有一处更硬的证据。这个框架的机器学习模块里有个函数，功能是判断当前这个模型是不是「过期」了：拿模型训练完成的时间戳和现在比，算出中间隔了多少小时，超过你在配置里写的那个上限就返回「已过期」。而这个上限的处理方式很有意思——如果你没填，它就不做这个检查（具体的默认行为以你手上那个版本为准）。

这个设计等于在说两件事。第一，模型是有保质期的东西，跟牛奶一样，不是造出来就永远能用；第二，保质期多长，系统不替你决定，你自己填。

这一条边界的成因，说到底只有一句话：统计只能描述它见过的世界，而未来永远保留着长得不一样的权利。

边界二：它不会替你决定「你能亏多少」

先打个比方

你要装修，找了三家公司。它们都很专业：能出效果图，能把每一项材料的用量和单价列成表，能告诉你选这个牌子的地板比那个贵多少、耐磨多少、能多用几年。这些活儿它们干得比你强得多。

但有一个数字，三家公司谁也没法替你填：你打算花多少钱。

这个数不是算出来的，是从你的处境里长出来的——你手上有多少现金、这笔钱后面还有没有别的用处、你能不能接受为了好看多背两年债。同样一套户型，一个人填三十万，另一个人填十万，两份方案会长得完全不同，而且两份都是对的，因为填的人不同。

装修公司能给你的是「这个预算下最好的方案」。它给不了你「你的预算」。

这对你的判断意味着什么

量化能算的东西非常多：每个品种买多少、止损放在哪个距离、几个仓位之间怎么分配才不会同涨同跌。止损就是「跌到某个价我就认输出来」的那条线，仓位就是这笔钱占你总资金的比例。这些全都能算，而且算得比拍脑袋强。

但你要看清楚一件事：这些计算全都是在你给定的某个前提之上进行的，而那个前提叫「你能承受多大的亏损」。 这个数一改，所有输出跟着改。

所以有三个非常实用的推论：

第一，同一套信号，两个不同的风险偏好，会跑出两条完全不同的资金曲线。 有人会觉得「那不还是同一套策略吗」——不是。判断买什么的部分相同，但决定亏多少的部分不同，而后者对你的实际体验影响更大。你受不受得了这套东西，往往不取决于它选得准不准，取决于它敢让你亏多深。

第二，你从别人那儿抄来的参数，是别人的疼痛阈值。 这可能是散户最常犯又最不自知的错。一个管着长期资金、五年不用赎回的人，和一个下个月要用这笔钱付首付的人，就算看好同一个东西，合理的仓位也不该一样。参数可以复制，处境不能复制。

第三，顺序不能反。 正确的顺序是：先想清楚这笔钱的性质和你能忍的最深回撤（回撤就是账户从最高点往下掉过多少），再去看方案能给你什么。而多数人是反的——先被一条漂亮曲线勾住，然后回过头给自己凑一个能接受这条曲线的心理预算。这个顺序一反，风险偏好就从「输入」变成了「事后合理化」。

它在系统里长什么样

这一条在系统里的证据，比我预想的要直白。

freqtrade 的配置文档里有一张参数表，其中有几项被明确标注为「必填」：最多同时持有几笔交易、每笔投多少钱、止损设为多大比例、以及一组「赚到多少就了结」的阈值。也就是说——在你回答完这几个问题之前，这个框架根本不启动。 它没有默认值可以让你糊弄过去，因为这几个问题没有客观正确答案。

再看另一边。qlib 是一套用来做量化研究的开源工具，它的组合优化器里有一个入参叫 lamb，源码注释直接写明这是「风险厌恶参数」，并说明这个值越大，优化目标越偏向收益那一侧；代码里还加了一句断言，要求它不能是负数。

把这两处并排看，指向同一个结论：在真实的量化系统里，「你有多怕亏」不是一个被算出来的结果，是一个必须由人填进去的输入。 它是方程的系数，不是方程的解。

一台机器最诚实的地方，恰恰是它拒绝替你填这一格。因为亏的时候难受的是你，不是它。这条边界不是技术不够，是归属问题：承担后果的人，才有资格设定后果的上限。这个道理在把 AI 卷进投研流程之后同样成立，只是形式更隐蔽，有三件事，无论 AI 多好用都别交给它 讲的是同一个归属逻辑的另一面。

边界三：它只在你写下的规则里应变，规则之外它不会停下来问

先打个比方

扫地机器人是个挺聪明的东西。它会绕开椅子腿，会记住房间的地图，电量低了会自己回去充电，撞到门槛会换个角度再试一次。你看它转半天，会真的觉得它在「随机应变」。

然后有一天，孩子把一杯牛奶打翻在地上。

机器人开到那儿，不会停，不会犹豫，更不会喊你。它会带着那摊奶，把整个屋子拖出一片漂亮的花纹。

它笨吗？它绕障碍、回充电桩的本事一点没退化。问题在于，它的所有「灵活」，都发生在设计者预先想到的那几种情况里。 「地上有液体」不在那份清单上，于是它对这件事的反应不是「停下来」，而是「按最像的那条规则继续执行」。

这才是最要命的地方：遇到规则外的情况，它的默认动作不是暂停，是照常。

这对你的判断意味着什么

你会听到很多「智能」「自适应」「动态调整」的说法。这些词不假，但要看清它们的作用范围：自适应调的是你允许它调的那几个旋钮，不是自己长出新旋钮。 波动变大了它把止损放宽，这叫自适应；交易所今天下午系统故障了，这不在旋钮里。

哪些情况天然在规则之外？举几个不需要专业背景就能想到的：品种临时停牌、市场触发了某种全局性的暂停机制、你的数据源断了但程序不知道自己断了、你自己家里出了急事需要把钱抽走、以及最普通的一种——你发现这套东西赖以成立的那个前提，好像已经不成立了。

最后这种最难处理。前面几种至少会报错，会有明显的异常。而「前提悄悄失效」这件事不会触发任何报警，程序看到的一切数据格式都正常，它会一丝不苟地继续下单。

所以，量化不会替你做的那个动作，叫踩刹车。它会执行你写好的所有「如果…就…」，唯独不会执行那个你从来没写下来的「不对劲，先停」。

它在系统里长什么样

freqtrade 里有一组叫「保护机制」的功能，看名字最像临场应变：短时间内连续触发几次止损就暂停交易一段时间、回撤达到某个程度就暂停、某个品种表现太差就锁住一段时间不碰、刚卖掉的品种设一个冷静期不许马上买回来。

但你把它们的参数看一眼就明白了：每一条都要你事先填清楚回看多长时间、几笔算够、暂停多久。文档还专门提醒，这些保护机制在回测里默认是不生效的，得你显式打开。

换句话说，这些不是应变，是提前写好的应变。它们本质上还是「如果…就…」，只不过写的是关于亏损本身的条件。真正意义上的临场应变，在这个系统里被放在了完全不同的地方——放在了给人按的那些命令里：暂停开新仓（已有的仓位仍按各自规则处理）、立刻平掉某一笔或全部、彻底停机。

而最能说明问题的是另一个命令。这个框架允许你手动告诉程序「我认为现在市场是往上、往下还是没方向」，然后策略代码里可以读到这个判断。文档里关于它有两句话，我认为是这一整节的证据核心：

第一句，这个变量在程序启动时是空的，必须由使用者来设。系统承认自己不知道大方向，专门留了一个插槽等人填。

第二句更值得玩味：文档在这里加了一个醒目的警告，说因为这个变量本来就是给人在实盘里手动改的，用到它的策略在回测里很可能给不出可靠、可复现的结果。

这句话把整件事挑明了：凡是靠人临场判断的部分，回测天生测不出来。 它既不能证明你的临场判断有用，也不能证明没用——它只是压根没有这一格。所以你在回测报告里看到的一切，都是「假设全程没有人干预」的结果。这是一份成绩单，也是一个隐含的前提说明。

这条边界的成因，说穿了是规则的封闭性：一套规则再复杂，也只能覆盖写下它的人想到过的情形。而市场恰恰是一个不断生产新情形的地方。

边界四：过去成立过，不等于会继续成立

先打个比方

一家藏在巷子里的小馆子，有道菜做得特别好，价格还实在。开头两年，只有附近的人知道，去了就有位子。

第三年它上了本地的美食榜。你现在去，门口排两小时。第四年，隔壁开了三家做同一道菜的，招牌都长得差不多。第五年，原来那家的味道没变，价格没变，但你已经不觉得它多划算了——因为选择变多了，也因为你为它多花了两小时。

这里面没有谁做错事。菜没变差，老板没变坏。变的是有多少人知道这件事。

这对你的判断意味着什么

一条能带来超额收益的规律——超额收益指的是扣掉市场整体涨跌之后还剩下的那部分——它的钱从哪儿来？很大程度上来自「知道并且在做的人还不多」。当这个条件变了，收益就会被磨薄。这件事的完整机制、四个典型阶段、以及怎么把「真的在衰减」和「本来就是假的」分开，信号衰减：好因子为什么会慢慢失效 已经讲透了，我这里不重复推导，只讲它作为一条边界，对你的用法意味着什么。

有三点是你必须自己接住的：

第一，历史业绩是「曾经成立」的证据，不是「继续成立」的保证。 这句话被说滥了，但多数人只把它当成一句免责套话。它其实是一句可操作的话：当有人拿历史业绩说服你的时候，你要追问的不是「过去多好」，而是「当初让它有效的那个原因，现在还在不在」。有原因才有边界，没原因的好看曲线，你连它什么时候会失效都判断不了。

第二，失效通常不是归零，是变薄。 这个区别很致命。归零你能一眼看出来，变薄你看不出来——它可能刚好薄到被你的交易成本吃掉。手续费和买卖差价这些成本对每个人不一样，于是同一套东西，在成本低的人手里还能勉强活着，在成本高的人手里已经是负的了。它的「死期」因人而异，而你只能自己算你那一版。

第三，也是这一条最特殊的地方：四条边界里，只有这一条会随时间单调恶化。 前三条的严重程度大致是恒定的——历史覆盖不全就是覆盖不全，风险偏好就是要你填，规则之外就是不会停。而这一条不同，它今天比昨天更严重，明天比今天更严重。

这个性质直接决定了应对方式：前三条可以一次性处理好，这一条只能持续复检。 你没法「修好」它，只能定期回来看它现在到哪一步了。这也是为什么成熟的做法会给模型设保质期、会定期重新训练——不是因为程序会坏，是因为它描述的那个世界在往前走。这件事在模型层面的完整形态，见 模型会过期：找到一个好模型，其实才刚开始。

把四条并排看：边界不是缺陷，是分工表

四条讲完，我要说这篇真正想说的那件事了。

一把卷尺量不了温度。你不会说这把尺子有缺陷，你只会说：量长度用它，量温度得换个工具，而且得先知道你现在要量的是哪个。

量化的边界也是这个性质。它不是「这个方法不够好，等技术进步就能补上」——四条里没有一条是技术问题。第一条是统计的本性，第二条是后果归属，第三条是规则的封闭性，第四条是竞争的必然。它们不会因为算力更强、模型更大而消失。

边界真正的用处，是把一份工作切成两半，告诉你哪半该交出去、哪半必须自己扛。我把它列成一张表：

你面对的问题	谁来回答	为什么是他
这套规则在过去某一段历史上表现如何	机器	这正是它擅长的：不带情绪、不漏样本、算得比你快也比你准
我这笔钱能承受多深的回撤	你	这个数从你的处境里长出来，机器只能把它当输入
现在这个市场，还是不是我验证过的那个市场	你	机器只能报告「和过去不一样」，要不要因此停手是判断，不是计算
出现了规则里没写的情形怎么办	你	规则之外没有规则，只有人
这条规律现在还剩多少	机器测量，你决策	测量是统计活儿，「薄到什么程度我就不做了」是你的成本和你的忍耐度

看这张表最该有的感受不是沮丧，而是踏实——你终于知道自己该站在哪儿了。很多人做量化做得焦虑，恰恰是因为把这五行全推给了机器，然后发现机器给的答案接不住现实，于是开始怀疑一切。问题不出在机器身上，出在分工上。

顺着这张表，有三件事是你现在就能做的。

一、事前写下你的人工接管清单。

写清楚：什么情况下我不再让它跑。关键在于，每一条都要写成第三方能判断真假的句子。「感觉不对就停」不算数，因为事情真发生的时候，你的感觉会准时替你找到「再等一根 K 线」的理由。而「连续多少个交易日出现某种状况就停」是能判断的——判据能不能判断，比判据定在哪儿更重要。

为什么必须事前写？因为这份清单要对付的正是「规则之外」，而人在规则之外的时候，情绪的音量最大。你事前那个冷静的自己，是唯一有资格给事中那个慌张的自己立规矩的人。

二、把风险偏好当输入，先填后算。

在看任何一条曲线之前，先自己回答三个问题：这笔钱多久不用？我能忍受账户从高点往下掉多少而不改动作？如果最坏情况发生了，我的生活会不会被影响？把答案写下来，再去看方案。

顺序颠倒的代价是隐蔽但昂贵的：先看曲线，你的风险偏好就会被那条曲线塑造，而不是被你的处境塑造。

三、给每套东西设一个复检节奏和一个下架条件。

借用前面那个「模型保质期」的思路：不要等它出事才回头看，而是到期就体检一次。 复检的间隔取决于你这套东西的换手快慢，快的看得勤些，慢的可以宽一点；关键是这个节奏得是事先定的，不是心血来潮想起来才看。

下架条件同理，事前写、写成能判断的。这一条对付的正是第四条边界那个「单调恶化」的性质。

最后我想留一句可以直接拿去用的话。判断一个人或一个产品可不可信，最快的办法不是听他讲能做到什么，是问他做不到什么。 能把边界讲清楚的人，说明他真的走到过边界上；一句「没有圣杯」就带过去的人，多半还没走到那儿。而一份从头到尾只有优点、连一句「本方法未能覆盖」都没有的材料，你要格外小心——不肯说边界的东西，边界往往就在你脚下。

小结

• 边界一，没见过的事它不会算。 一切回测和模型都在说「在我学过的那段历史里」。它对陌生输入的反应不是报警，是照常给你一个格式正常的答案。追问：你测的历史里都有哪几种日子、跨没跨过制度改动。
• 边界二，它不替你决定能亏多少。 开源框架把仓位、止损这类参数列为必填才肯启动，研究工具直接把「风险厌恶」做成一个入参——你有多怕亏是方程的系数，不是方程的解。别人的参数是别人的疼痛阈值。
• 边界三，规则之外它不会停，只会照常。 所谓保护机制也是提前写好的「如果…就…」；真正的临场判断被放在给人按的那几个命令里。系统甚至专门留了一个「由人来设的大方向」变量，并老实说明用了它的策略在回测里不可复现——凡是靠人临场判断的部分，回测天生测不出来。
• 边界四，过去成立过不等于继续成立。 而且它是四条里唯一随时间单调恶化的一条，所以它需要的不是一次性处理，是持续复检；失效常常表现为变薄而不是归零，薄到刚好被你的成本吃掉。机制见 信号衰减。
• 四条都不是技术不够，分别源于统计的本性、后果的归属、规则的封闭性、竞争的必然，算力再强也不会消失。
• 边界的正确用法是当分工表：历史统计交给机器，风险预算、市场是否已变、规则外的处置留给你自己。三个动作——事前写人工接管清单、先填风险偏好再看曲线、给每套东西设复检节奏和下架条件。
• 想接着看回测和实盘之间那三处具体的机制差异，去 回测好看实盘亏，差的到底是哪三件事；想看历史成绩具体是在哪道工序上被做漂亮的，去 回测偏差地图。

一句话说完这篇：这套方法能替你干的活，是把过去数清楚；至于你能亏多少、现在情况是不是变了、出了意外要不要收手——这三件事没人能替你做，所以它做不到，其实是你该站的岗。