量化炒股到底在做什么
很多人听到量化炒股，脑子里浮现的是华尔街投行里满屏代码、数学公式和博士团队。真实情况没这么玄乎。量化炒股就是用一套明确的规则代替人脑做买卖决定。规则写进电脑程序，程序盯着行情数据，满足条件就自动下单。
人脑做交易容易受情绪影响。涨了贪心不想卖，跌了害怕赶紧割。量化程序没有情绪，它只认规则。规则说金叉买入，它就买入。规则说跌破均线卖出，它就卖出。这种纪律性是量化最大的优势。
量化不保证每笔都赚钱。它追求的是长期重复执行正期望值的策略。一百次交易里赚六十次亏四十次，每次赚的比亏的多，总体就是盈利。
量化炒股需要哪些基础条件
硬件和软件
一台普通笔记本电脑足够跑日线级别的策略。做日内高频交易才需要服务器和低延迟网络。软件方面，Python是主流选择。免费的数据接口有Tushare、AkShare、Baostock。回测框架可以用Backtrader、vnpy或者自己写简单循环。
数据来源
股票日线数据免费到处都有。期货数据稍贵，但文华财经、聚宽、米筐提供模拟环境。刚开始不需要买昂贵数据，用免费日线数据验证想法就够了。
编程能力
不需要成为程序员。会写for循环、if判断、用pandas处理表格就能起步。网上有大量现成策略代码可以抄改。
从最简单的策略开始动手
双均线策略
选一只股票，计算5日均线和20日均线。5日均线上穿20日均线，全仓买入。5日均线下穿20日均线，清仓卖出。这就是最经典的量化策略。
import pandas as pd
df = pd.read_csv('stock_data.csv')
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
df['signal'] = 0
df.loc[df['ma5'] > df['ma20'], 'signal'] = 1
df.loc[df['ma5'] <= df['ma20'], 'signal'] = 0
df['position'] = df['signal'].shift(1)
df['returns'] = df['close'].pct_change() * df['position']
cumulative = (1 + df['returns']).cumprod()
print(cumulative.iloc[-1])
这段代码计算了从第一天到最后的累计净值。跑十年数据看看结果。如果累计净值大于1，策略赚钱。小于1，亏钱。
回测要避开哪些坑
未来函数是最常见的错误。用今天的收盘价决定今天开盘买不买，这就是偷看未来。必须用昨天或更早的数据做今天的决策。
幸存者偏差也要注意。只拿现在还在上市的股票回测，那些退市的股票没算进去，结果会虚高。
交易成本不能忽略。每次买卖扣掉佣金和印花税，高频策略的成本吃掉大部分利润。
期货量化的特殊之处
期货和股票量化逻辑相通，细节不同。期货有杠杆，满仓操作容易爆仓。期货可以做空，下跌行情也能赚钱。期货有夜盘，程序需要处理连续交易时段。
期货品种少，螺纹钢、豆粕、白糖这些主力合约流动性好。选择一两个品种做趋势跟踪，比股票更容易上手。
期货量化必须加止损。股票跌了可以装死，期货带杠杆跌多了会被强平。程序里写死单笔亏损不超过总资金的2%。
怎么判断一个策略能不能用
看四个核心指标
年化收益率。跑赢余额宝和指数基金是最低要求。
最大回撤。从最高点跌到最低点的幅度。超过30%的回撤普通人扛不住，会中途放弃。
夏普比率。每承担一单位风险获得多少收益。大于1算及格，大于2算优秀。
交易次数。太少说明信号稀疏，统计上不可靠。太多说明手续费吃掉利润。
样本外测试
用2015年到2020年数据开发策略，拿2021年到2023年数据验证。样本外表现和样本内差不多，策略才靠谱。样本外完全失效，说明策略过拟合了历史数据。
实盘要注意的细节
程序化交易接口要稳定。券商API偶尔会断线，需要写重连逻辑。
滑点要算进去。回测按收盘价成交，实盘可能买贵卖便宜。每笔交易多算0.1%的滑点成本。
资金管理比策略本身重要。凯利公式可以计算最优仓位，但普通人用固定比例更安全。每次投入总资金的10%到20%。
定期检查策略是否失效。市场风格变了，均线策略可能连续半年不赚钱。这时候要么暂停，要么换策略。
普通人学习量化的路径
先手动复盘。拿Excel拉历史数据，算均线，标记买卖点。理解策略逻辑再写代码。
用模拟盘跑一个月。程序自动交易，但不投真钱。看看实际成交和回测差多少。
拿小资金实盘。五千到一万块跑半年。心理压力小，能暴露真实问题。
逐步增加品种和资金。一个策略稳定盈利后再开发第二个。股票期货都做，分散风险。
量化炒股不是一夜暴富的工具。它是一套需要持续学习、测试和优化的系统工程。把纪律交给程序，把精力放在策略研究上，长期来看收益会超过大多数手动交易者。
