量化交易不是玄学，是门手艺
很多人听说量化交易能赚钱，就一头扎进来，结果连K线都看不懂。量化交易本质是用数学模型代替人脑决策，把交易逻辑写成代码，让机器自动执行。想学会这门手艺，得先打好几层地基。
金融市场的基本规则
股票和期货是量化交易最常接触的两个战场。股票是T+1交易，当天买不能当天卖，期货是T+0，当天可以反复买卖。股票没有杠杆，期货有杠杆，保证金交易意味着盈亏都被放大。这些规则直接决定策略怎么写。
股票市场里，你需要知道什么是市盈率、市净率、换手率、成交量。期货市场里，你需要理解合约乘数、到期日、升贴水、主力合约切换。不了解这些，写出来的策略就像在沙漠里造船。
交易成本也得算清楚。股票有佣金、印花税，期货有手续费、滑点。高频策略尤其敏感，一笔交易赚0.1%，成本吃掉0.05%，长期下来就是生死线。
数学和统计是语言
量化交易不要求你是数学家，但基础概念必须懂。概率论里的期望值、方差、正态分布，统计里的回归分析、假设检验、相关性，这些是理解市场波动的工具。
举个实际场景：你想知道均线策略在螺纹钢期货上是否有效。需要计算历史回测的夏普比率、最大回撤、胜率。夏普比率衡量每承担一单位风险获得多少收益，最大回撤告诉你最坏情况下账户会亏多少。不懂这些指标，策略好坏全凭感觉。
线性代数在因子模型里用得多。多因子选股，本质是求解一个矩阵方程，找到哪些因子能解释股票收益。微积分在推导期权定价公式时出现，普通交易者不需要手推，但要知道Delta、Gamma这些希腊字母代表什么风险。
编程是双手
Python是目前量化交易最主流的语言。你需要学会用Pandas处理数据，用NumPy做数值计算，用Matplotlib画图。回测框架推荐Backtrader或vn.py，前者适合股票，后者适合期货和实盘。
代码能力不需要达到程序员级别，但要能独立完成数据清洗、策略编写、回测分析。比如从Tushare或AkShare拉取股票日线数据，计算20日均线，写一个金叉买入死叉卖出的逻辑，跑出资金曲线。这个过程能跑通，就算入门了。
数据库知识也有用。MySQL或SQLite存储历史行情，方便快速查询。量化交易的数据量不大，单机数据库足够。
策略逻辑从简单开始
新手最容易犯的错是一上来就搞机器学习、神经网络。均线、布林带、MACD这些经典指标还没吃透，就想着用深度学习预测价格，结果过拟合严重，实盘亏钱。
股票策略可以从双均线、动量、均值回归入手。期货策略可以从趋势跟踪、套利、日内突破开始。每个策略都要明确入场条件、出场条件、仓位管理。仓位管理比入场信号更重要，凯利公式、固定比例、波动率倒数都是常见方法。
回测时要警惕未来函数。用当天收盘价决定当天开盘卖出，就是偷看未来。回测曲线漂亮不代表实盘赚钱，要留一段样本外数据验证。
风险控制是生命线
量化交易爆仓的案例不少，多数是因为杠杆失控或止损缺失。期货自带杠杆，满仓操作一个反向停板就能让账户归零。股票虽然没杠杆，但集中持仓遇到黑天鹅也会重伤。
止损规则要写进代码里。固定百分比止损、ATR止损、时间止损都可以。单笔交易亏损不超过总资金的1%到2%，这是行业老手的底线。
分散投资不是买十几只股票，而是策略之间的低相关性。趋势策略和震荡策略同时运行，一个亏钱另一个可能赚钱。资金曲线更平滑，心态才稳。
心理和纪律
量化交易用机器执行，但策略是人写的。连续亏损时想手动干预，连续盈利时想加大仓位，这些冲动会毁掉系统。回测阶段就要模拟极端行情，知道策略最大回撤是多少，实盘才能扛住。
每天复盘交易记录，检查滑点是否正常、信号是否遗漏、代码是否有bug。量化交易不是躺赚，是持续迭代的手艺活。
学习路径建议
第一步，用模拟盘跑通一个股票双均线策略，理解回测报告。第二步，换成期货主力合约，加入止损和仓位管理。第三步，尝试多品种、多策略组合。第四步，小资金实盘，记录每笔交易。
书籍方面，Ernest Chan的量化交易系列通俗易懂，Marcos Lopez de Prado的 Advances in Financial Machine Learning 适合进阶。量化交易没有捷径，把基础打牢，市场会奖励耐心的人。
