量化投资到底在赚什么钱
很多人一聊量化投资，脑子里浮现的就是一堆数学公式、程序员敲代码、服务器嗡嗡跑。这画面没错，但容易把注意力带偏。量化投资的核心压根不是模型有多花哨，而是找到能持续解释收益的因子。
打个比方，你开一家餐厅，模型是菜谱，因子是食材。菜谱写得再精美，食材不新鲜、不对路，做出来的菜也没人买单。量化投资里，因子就是那些能系统性解释股票或期货收益差异的变量。比如价值因子——便宜的公司长期跑赢贵的；动量因子——过去涨得好的股票短期内倾向继续涨；波动率因子——低波动的股票长期风险调整后收益更高。这些逻辑用大白话讲都听得懂，量化只是把它们变成可计算、可回测、可执行的规则。
股票市场里，因子挖得越准，模型越简单反而越稳。期货市场更看重期限结构、展期收益、库存变化这些因子，逻辑同样朴素：现货紧张，近月合约就贵，做多近月空远月就有正收益预期。量化投资赚的是因子暴露带来的风险溢价，不是靠模型把噪音拟合出花来。
模型是厨房，因子是食材
模型和因子的关系，一句话就能说清：因子是模型的基础食材，模型是烹饪方法。
因子回答的是“买什么”的问题。你找到估值低、质量高、动量强的股票组合，这就是因子选股。模型回答的是“怎么买、买多少、什么时候调仓”的问题。多因子模型把多个因子加权合成一个打分，然后按分数排序选股。风险模型控制行业和风格暴露，避免组合押注单一因子翻车。组合优化模型在收益和风险之间找平衡。
没有好因子，模型再精巧也是空转。你拿一堆和未来收益无关的变量喂给机器学习模型，它能在历史上拟合出漂亮曲线，实盘一跑就亏钱。这叫过拟合，量化圈里翻车案例一抓一大把。反过来，因子逻辑扎实，哪怕用最简单的等权打分模型，长期也能跑出超额收益。
期货CTA策略里也是这个理。趋势跟踪因子就是“过去涨就做多、过去跌就做空”，规则简单到用Excel都能回测。但就是这个简单因子，在商品期货上几十年有效。模型的作用是控制仓位、分散品种、管理回撤，不是替代因子逻辑。
因子怎么挖才算靠谱
挖因子这事，门槛不在数学，在经济逻辑。一个因子能赚钱，背后必须有行为金融学或微观结构上的解释。
股票里常见的动量因子，逻辑是投资者反应不足，好消息需要时间消化，所以价格趋势会延续。反转因子逻辑相反，短期涨太多有人获利了结，跌过头有人抄底。价值因子背后是投资者对坏消息过度反应，便宜股票被错杀。质量因子赚的是好公司持续赚钱的钱。这些逻辑不需要复杂公式，但需要你对市场参与者行为有判断。
期货因子更贴近供需。展期收益率因子——近月合约比远月贵，说明现货紧张，做多近月空远月能赚展期收益。基差动量因子——基差走强的品种未来涨幅更大。仓单因子——注册仓单大幅增加往往预示供应宽松，价格承压。这些因子用大白话讲就是“看现货脸色做期货”。
因子有效性检验有标准流程。IC值看因子暴露和未来收益的相关性，ICIR看稳定性，分层回测看单调性——因子值从高到低分组，收益是否也单调递减。换手率太高的因子扣掉交易成本可能白干。这些指标不用深奥数学，初中水平就能看懂。
模型别搞太复杂
很多人迷信复杂模型，觉得神经网络、深度学习一定比线性回归强。实盘结果往往打脸。
股票多因子选股，线性模型加权打分足够用。因子之间相关性高，用PCA降维或者正交化处理，避免重复暴露。非线性模型在因子交互上确实有优势，但可解释性差，回撤时你根本不知道哪里出了问题。期货趋势策略，双均线模型简单粗暴，参数少反而稳健。
模型的核心任务是控制风险暴露。你选了一堆小市值因子股票，行业集中在电子和医药，市场风格一切换就崩。风险模型帮你约束行业偏离和风格暴露，让组合收益更多来自因子本身而非押注赛道。组合优化模型在换手率约束、个股上限、行业中性之间找可行解，保证策略可执行。
给普通投资者的启发
量化投资不是机构专利。散户理解因子逻辑，完全可以用简单规则改善交易。
股票上，你至少可以做到别在估值高位追涨。低估值分位数买入、高估值分位卖出，这就是价值因子的朴素应用。别把仓位押在一两个行业，分散到相关性低的板块，这就是风险模型思维。
期货上，别逆着期限结构做。现货升水的品种，做空近月要格外小心。库存低位、基差走强的品种，回调做多胜率更高。这些规则不需要跑模型，看一眼数据就能判断。
量化投资的核心是用系统化规则替代情绪化决策，因子是规则的灵魂，模型是规则的载体。因子挖得深，模型简单点无妨；因子没逻辑，模型再炫也是赌博。股票期货都一样，赚的是风险溢价的钱，不是模型复杂度的钱。
