量化交易到底在做什么
很多人听到量化交易，脑子里蹦出的是数学公式、代码和神秘模型。用大白话说，量化交易就是把交易想法写成计算机能执行的规则，让机器帮你盯着市场，该买就买，该卖就卖。股票和期货市场里，价格每分每秒都在跳动，人脑反应速度有限，情绪还会捣乱。量化交易解决的就是这两件事：速度慢和管不住手。
入门阶段不需要你成为数学家或程序员大神，但有些地基必须打牢。下面这几块知识，缺一个都会在实战中摔跟头。
金融市场的基础规则
股票和期货的差异
股票是买公司的一小部分，期货是约定未来某个时间以某个价格买卖某种东西。股票没有到期日，期货有。股票通常全额交易，期货自带杠杆。股票只能做多赚钱，期货既能做多也能做空。这些差异直接决定了策略怎么写。
做股票量化，你得清楚T+1制度，今天买的明天才能卖。做期货量化，你得知道保证金制度，账户里放10万可以操作价值100万的合约，盈亏都被放大十倍。不了解这些规则，写出来的策略可能第一天就爆仓。
交易成本不能忽略
每笔交易都有手续费，股票还有印花税，期货有交易所手续费和经纪商佣金。滑点也是成本，你想按100块买，实际成交可能是100.02。高频策略尤其要算清楚，如果每次赚0.1%但成本0.15%，做得越多亏得越快。入门阶段养成计算净值的习惯，别被毛利润骗了。
编程和工具使用
选择一门语言
Python是量化交易最流行的语言，库多、上手快。Java和C++在低延迟场景下更常见，但入门阶段不需要纠结。把Python学好，pandas处理数据，numpy算数组，matplotlib画图，这三样足够撑起初学者的大部分需求。
回测平台怎么选
回测就是用历史数据检验策略。Backtrader、vnpy、聚宽、米筐都是常见选择。初学者容易犯的错是回测赚钱就上实盘，结果亏钱。回测和实盘之间有巨大鸿沟，滑点、流动性、网络延迟都会吃掉利润。回测阶段就要把成本设得保守一些，别用理想化的成交价。
数据分析的基本功
价格序列的处理
拿到一只股票或期货合约的历史数据，先看开盘价、最高价、最低价、收盘价、成交量。计算收益率用对数收益比简单收益更常用，因为可以累加。移动平均线是最基础的指标，5日均线上穿20日均线叫金叉，下穿叫死叉，这些老掉牙的规则至今仍被广泛使用。
统计概念要懂一点
均值、方差、标准差、相关系数，这四个概念足够入门。均值告诉你平均表现，方差和标准差告诉你波动大小，相关系数告诉你两个品种是不是同涨同跌。夏普比率是收益除以波动，衡量每承担一单位风险能拿多少回报。最大回撤是从最高点到最低点的跌幅，这个数字比收益率更能反映策略的生死。
策略逻辑的核心要素
信号怎么产生
信号就是告诉你该买还是该卖的规则。常见的有均线交叉、突破通道、RSI超买超卖。入门阶段别追求复杂，把简单的双均线策略吃透，理解参数变化对结果的影响。参数不是越优化越好，过度拟合历史数据的策略在实盘中往往表现糟糕。
仓位管理比信号更重要
同样一个买入信号，满仓干和轻仓试，结果天差地别。凯利公式告诉你理论上最优下注比例，但实战中通常用固定比例，比如每次只投总资金的2%。期货因为有杠杆，仓位管理更加致命。10倍杠杆下，价格反向波动10%你就归零了。
风险管理的铁律
止损和止盈
止损是承认错误的艺术。固定比例止损，比如亏损2%就离场，简单有效。移动止损让利润奔跑，价格朝着有利方向走，止损线也跟着上移。止盈可以设固定目标，也可以用技术指标判断趋势是否结束。没有止损的策略，迟早会遇到一次扛不住的行情。
分散和相关性
不要把所有资金押注在一个品种或一个策略上。股票和期货可以搭配，趋势策略和震荡策略可以互补。但要注意相关性，如果两个策略都在做多大宗商品，分散效果有限。真正分散是找那些在不同市场环境下表现不一样的资产。
从模拟到实盘的过渡
模拟盘不花真钱，心态完全不一样。实盘开始建议用最小仓位，把注意力放在执行环节：信号有没有按时触发，下单有没有成交，滑点多大。记录每一笔交易的理由和结果，定期复盘。量化交易不是找到圣杯，而是不断迭代，把胜率和盈亏比维持在正期望值上。
股票和期货的量化入门，说到底就是三件事：懂规则、会编程、管住风险。这三样做到了，剩下的就是时间和经验的积累。
