模型吐出一列分数，它是怎么变成持仓的

有个瞬间大概你也经历过：教程终于跑到最后一格，屏幕上打出一张表，几千行，每行一个代码加一个小数。你心想，行吧，那就买分数最高的那五十个呗。

然后你去翻这个框架里「策略」两个字底下的目录，发现事情不太对——那里不是一个文件，是好几个，各自还在干不太一样的活。有的在算「我想要的组合长什么样」，有的在算「跟现在比差多少」，有的干脆在管「这几笔单子今天分几次下」。你原以为是一行代码的事，被拆成了一条小小的流水线。

这篇就讲这条流水线。这段路上每个角色都在悄悄改动你的想法，而改动的地方，恰恰是很多人回测和实盘对不上的原因。

关于「一列分数为什么不能直接当交易指令」这个概念本身，本站的从分数到持仓已经讲透了，这里不重讲。本篇只看一件事：一个真实系统把这段路切成了几段，为什么这么切。

先想一次大扫除

周末你要把客厅重新摆一遍。这件事在你脑子里是一件事，但真做起来是三件。

第一件，画出理想的样子。 沙发靠窗，书架挪到墙角，茶几换个方向。这一步只关心「摆成什么样最好」，不关心怎么搬。你画这张图的时候是不会去想沙发有多沉的。

第二件，对着现状列出「谁要挪到哪」。 这一步才是真正的麻烦。屋里就这么大空地，你不可能同时把所有东西都悬空——得先搬走一件，才腾得出地方放另一件。所以哪怕理想图上只有三处不同，实际执行顺序也可能有七八步。而且你会发现有几个柜子是钉死在墙上的，图上画得再好看，它就是不能动。

第三件，真的去搬。 沙发一个人抬不动，得分两趟；下午楼道在装修，搬不了；搬到一半发现新位置的插座被挡住了。

这三件事你在脑子里是混着想的，所以经常出岔子：画图的时候没考虑柜子钉死，列步骤的时候没考虑空地不够，真搬的时候才发现全盘要改。

一个把这三件事写成代码的系统，没法混着想。它必须把它们拆开，明确谁负责哪一段、谁向谁交货。拆开之后你才看得见：混着想的时候，你到底跳过了什么。

投资层：这三段各自在回答什么问题

翻译到投资上，这三段分别是三类完全不同的判断。

第一段回答「我希望账户里是什么样」。 持哪些、各占多少比重。它是一个静态的、理想的目标状态，跟你现在手上有什么无关。这一段的输入是模型给的分数，输出是一张「理想图」。

第二段回答「从现在这样，怎么走到那样」。 这一段最容易被跳过，也最容易出事。因为它要处理的全是现实约束：你现在手上有的东西值多少钱、其中有多少是现在就能变现的、卖出去要扣多少费用、买进去还要留多少余地。它的产出不是「理想图」，是一串具体的买单和卖单。

第三段回答「这几笔单子今天怎么下」。 一次性砸进去，还是分几笔慢慢来？这一段跟模型好不好完全没关系，但它决定你实际拿到什么价格。

多数人的错，是把第一段的产物直接当成了第三段的结果。你看着理想图说「我这个组合今年涨了 20%」——那是理想图涨了 20%，中间两段每一段都在给这个数字打折。

再说一句更扎心的：理想图是免费的，后两段全都要花钱。 你在第一段里想得再精妙，收益也得靠后两段兑现，而后两段只会做减法。

系统层：qlib 把这三段交给了谁

现在看这个开源框架是怎么切的。

它的选股策略层有两种口径，对应两种「理想图」的画法。一种是直接给名单：按分数排序，取前几名，每期只替换掉掉队的那几只。另一种是给权重：你实现一个函数，告诉系统「在这个时刻，我希望每只票各占总资产的百分之几」——系统不问你怎么算出来的，只要这张表。

给权重这条路，产物只是一张理想图，本身还不能下单。所以它后面必须挂一个专门的角色：订单生成器。这个角色拿两样东西——你的理想图，和你此刻真实的持仓——做差，然后吐出一串委托单。

再往后是执行层。qlib 里还有一类完全不看分数的策略，它们只干一件事：把已经定下来的单子，按某种节奏拆开下出去（比如在一段时间里均匀地分批成交）。这类策略可以嵌在选股策略下面，形成「上面按天决定买什么，下面按更细的粒度决定怎么买」的两层结构。

三个角色，三种职责，交货物不同：第一个交理想图，第二个交订单，第三个交成交。

这个切分本身就是一句话的翻译：选股能力和交易能力是两种能力，不该混在一个人身上评价。一个组合表现不好，可能是选股差，也可能是选得对但买得贵。不拆开，你永远分不清。

第一个坑：分数只有排序，没有量纲

这一段是我最想让你带走的。

模型输出的那一列小数，长得很像收益率。0.0231，看着就像「预期涨 2.31%」。它不是。

qlib 的文档里专门交代了这件事，而且交代得很硬气：框架不给预测分做统一缩放。理由给了两条——一是不是所有策略都在乎数值大小（只按排序取前几名的策略，分数是 0.02 还是 20 都不影响结果）；二是模型的训练目标、损失函数、数据处理各不相同，没有一种通用办法能把输出还原成有意义的量。文档甚至给了个务实建议：真想还原成可解释的数值，你得拿模型最近的输出和你真实的目标值再单独做一次拟合。

这件事的后果比它听起来严重。

如果你用的是只看排序的策略，没事。 排序不受缩放影响，分数是什么量级都无所谓。

如果你用的是需要求解的组合优化策略，就出大事了。 那类方法要在「预期收益」和「风险」之间做权衡，它必须知道 0.02 到底是 2% 还是 20%。你喂给它一列量纲不明的数，它照样会给你算出一个漂亮的解——一个建立在错误尺度上的、看起来非常专业的解。

这就是为什么框架宁可什么都不做，也不替你猜。在一个诚实的系统里，「我不知道」比「我猜一个」有价值得多。 它把这个决定顶回给你，是因为只有你知道自己的模型在预测什么。

顺带说一句，这也解释了为什么研究阶段大家都爱用最简单的排序策略：它对分数的要求最低，所以它测出来的东西最干净——如果连排序都赚不到钱，那分数就是真没用，跟后面任何一层都无关。至于分数是怎么造出来的，那是因子生成那一层的事，这里不展开。

第二个坑：能动的钱，不等于你有的钱

回到大扫除的第二段——「先腾地方」。这一段在代码里的样子，比你想的琐碎得多，而每一处琐碎都对应现实里一个会让你亏钱的地方。

订单生成器要算「我现在到底有多少钱可以调动」。这个数不是账户总资产，它至少被扣了三刀。

第一刀，不能交易的部分不算数。 系统会分别算两个值：一个是持仓的总市值，一个是其中可交易部分的市值。停牌的、封在涨跌停里的，市值照样在你账上，但你没法把它变成钱去买别的。理想图上让你减仓的那只票，如果今天动不了，那它释放不出任何购买力。

这一刀砍掉的东西，就是很多回测虚高的来源。一个不区分这两个值的回测，等于假设你的持仓随时可以全部变现——撮合与成交假设里说的正是这类事。

第二刀，预留现金。 系统会按你设的投资比例，先把一部分资产划出去不动。留这一手不是为了择时，是为了给现实留缓冲：成交价跟你估的不一样、手续费、最小交易单位取整，任何一处都可能让你算出来的钱不够花。

这里有一个很有画面感的极端分支：如果把能卖的全卖了，都还凑不够那笔要预留的现金，程序不会报错，它会走另一条路——把所有能卖的都卖掉。翻译成人话就是：当你的组合已经被套牢到连留出安全垫都做不到时，唯一的动作是全面撤退。 这是一段写在代码里的、很冷静的风控。

第三刀，成本预扣。 算可用金额的时候，系统会先按交易成本率打个折再去分配。理由很朴素：你有一百块，不能买满一百块的东西，因为买的动作本身要花钱。人做这一步最容易忘——算完仓位发现现金不够，只好临时少买一点，于是实际持仓和你算的那个又差了一截。

三刀砍完，剩下的那个数才是真正能用来实现理想图的钱。这也是为什么实际持仓永远不会正好等于理想图。它们之间的缝，不是 bug，是现实。

第三个坑：一天之内，谁先谁后也是假设

订单生成器最后要把差额变成一串委托单。这里有两处细节，各自藏着一个假设。

第一处：卖单永远排在买单前面。 生成的时候买卖是分开攒的，最后返回的时候，是卖单列表拼上买单列表。

# return order_list : buy + sell
return sell_order_list + buy_order_list

（注释写的是 buy + sell，代码是先 sell 后 buy——这种小小的不一致在真实项目里到处都是，看代码不看注释是个好习惯。）

先卖后买不是随手排的，它对应现金约束：你得先把钱收回来，才有钱花出去。 你手工操作时也是这样——想换仓，总得先卖掉旧的。但你在纸上算收益的时候，往往默认这两件事同时发生。它们不同时发生，中间那段时间你是空着一部分仓的，市场不会等你。

第二处，更有意思：同一天里那几十笔单子，谁排第一？

这个问题看着无聊，其实无解。因为钱是有限的，排在前面的单子先花钱，排在后面的可能就没钱了——顺序会影响结果。可现实里并没有一个「正确的顺序」。

源码里的处理方式是：把涉及的代码先排序，然后用一个固定的随机种子打乱。旁边的注释解释得很直白——集合的遍历顺序不固定，会导致同样的参数跑出不同的回测结果；排序再用固定种子打乱，是为了让顺序既不带偏向、又每次都一样。

停在这里想一下。这是回测这件事的一个缩影：系统遇到了一个「必须选一个、但没有正确答案」的岔路口，它选了一个能复现的做法。选择本身没问题，问题是——这个选择进了你的回测结果，而报告上不会写它。

你的回测里有多少个这样的岔路口？开盘价还是收盘价成交、涨停能不能卖、除权当天怎么算、同一天多笔单子谁先谁后……每一个都被某人替你决定了一次。你看到的那条净值曲线，是这些决定的合集。这就是为什么两个人用同一份分数、同一套规则，能跑出差很远的结果，而且谁都没作弊。

为什么「少动」本身就是一种收益来源

现在说这条线里最值钱的一句话。

按分数排序取前几名，最偷懒的做法是每期把名单整个重排一遍：昨天的前几名扔掉，换成今天的前几名。这么干，最坏情况下你每期换掉全部持仓。

qlib 的做法不是这样。它每期只替换掉队的那几只，持仓的大部分原地不动。官方文档给了这个做法的换手率量级——大致是「每期替换的只数」的两倍，除以「总持仓只数」。（换手要乘二，因为卖一只加买一只是两笔交易。）

这个式子里没有魔法，但它把一件事说清楚了：换手率是你自己拧出来的，不是市场给的。 持仓只数越多、每期替换得越少，换手就越低。

那少动为什么是收益来源？关键在两边的性质不对称：

成本是确定的，优势是概率性的。 你每换一只票，手续费、印花税、买卖价差、你的单子把价格推走的那部分——这些一分不少地当场发生，百分之百会发生。而你换的理由是「新的那只分数更高」，这个「更高」只是概率意义上的更高，而且模型的区分度本来就薄。用一笔确定的支出，去换一份概率性的、幅度可能只有零点几个百分点的优势，这笔账在多数情况下是亏的。相关的账怎么算，交易成本假设里有系统的讲法；换手频率往哪边拧要还什么债，看调仓频率。

所以「少动」省下来的不只是手续费，它省下的是一整串本来就期望为负的赌注。不下这些注，等于净赚。

这个思路在框架里还有更彻底的一种实现。它给「每只票在一次调仓里权重最多能变多少」加了一个上限——不管理想图跟现状差多远，一次最多挪这么多。这意味着一件很反直觉的事：你可能永远到不了理想仓位。

而这是故意的。理想图在这类设计里不再是一个要达成的目标，它降级成了一个方向。你朝它走，但走多快另有一套规矩管着。为什么敢这么设计？因为理想图本身就是有噪音的——分数天天在抖，今天的理想图和明天的理想图可能差挺多。你要是每次都追到位，追的大半是噪音，付的却是真钱。

这里面还藏着一层：这个上限同时也在护着你不被自己的规模所伤。持仓越集中、单只挪得越猛，你的单子对价格的推动就越明显——那正是流动性与容量会卡住你的地方。给单次变动设个天花板，等于强制自己慢慢来。

对着自己的操作想一想：你有没有过「看了一眼榜单，觉得手上这只不如那只，就换了」的时候？换的理由通常都成立，问题在于它太便宜了——你只需要动一下手指，成本却是真金白银当场付掉的。给自己的换手加一个上限，是普通人能从这类系统里抄走的、最不需要技术的一条纪律。

这一层管不着的事

把职责边界说清楚，比说它能干什么更重要。

它不产生观点。 分数从哪来、好不好，这一层一概不问。给它一列随机数，它照样一丝不苟地给你排序、算差额、生成订单、控制换手。整条流水线会安静地、专业地执行一个没有任何信息量的输入。

它不判断模型是不是过期了。 今天用的分数是昨天那个模型算的，那个模型是什么时候训的、还灵不灵，这一层看不见。模型会随时间失效，重训要怎么排进流程，是在线更新那一层的事。

它不做择时。 按名单走的那类策略，持仓只数是守恒的——卖几只补几只。它永远端着同样多的票，牛熊一个样。它赚的是排序的钱，市场整体涨跌不归它管。指望它帮你躲开系统性下跌，是找错了工具。

它不保证成交。 生成订单是一回事，成交是另一回事。停牌、涨跌停、流动性不足、你的单子把价格推走，全都在这一层之外。

想看这些角色在整个流水线里各自站在哪个位置，qlib 是什么那篇有一张全景。

顺便提醒一句：这类框架里但凡涉及自动下单的部分，都不是「配好就能撒手」的东西。程序不会累但也不会怀疑自己，一个写错的规则会被百分之百忠实地、不知疲倦地执行下去。真要往真钱方向走，风险敞口、断线处理、异常停手这些事，一件都不能省。

小结

• 「从分数到持仓」在真实系统里不是一件事，是三件：画理想图、算差额生成订单、真去交易。混着想，你就看不见自己跳过了什么。
• 模型给的分数只有排序含义，没有量纲。只看排序的策略无所谓；需要求解的优化类策略如果拿到量纲不明的数，会算出一个建立在错误尺度上的、非常专业的答案。框架宁可不猜，把这个决定顶回给你。
• 「能动的钱」被砍了三刀：不可交易的部分不算数、预留现金要划走、交易成本要预扣。所以实际持仓永远不等于理想图——那道缝是现实，不是 bug。
• 卖单排在买单前面（先收钱才有钱花）；同一天里几十笔单子的先后顺序无解但会影响结果，系统只能选一个能复现的做法——你的回测曲线里，混着一堆这样的、报告上不会写的选择。
• 「少动」是收益来源，因为成本是确定的、优势是概率性的。只换掉队的那几只而不是整体重排，以及给单次权重变动设上限，都是在拒绝一串期望为负的赌注。
• 这一层不产生观点、不判断模型是否过期、不做择时、不保证成交。

一句话说完这篇：分数只告诉你谁看起来更好，剩下的全是搬家的活——先腾地方、再算钱够不够、能搬的才搬，而且慢慢搬比一次搬到位更划算。

本文基于上述源码与文档快照做概念讲解，未实际运行该程序；文中不涉及任何具体标的，也不构成投资建议，边界见免责声明。想系统看这一卷的其他内容，回到量化与 AI 投研卷。