量化研究到底在研究什么
很多人听到量化研究，脑子里浮现的是一群数学天才盯着屏幕敲代码，模型自动印钞。真实情况没那么玄乎。量化研究就是拿历史数据翻来覆去地看，想找出一个规律：过去经常发生的事，未来能不能接着发生。
股票市场里，这个规律可能是“小市值股票在每年二月表现更好”。期货市场里，可能是“螺纹钢库存降到某个水平以下，价格容易反弹”。量化研究要做的事，是把这些模糊的感觉变成精确的数字规则。规则写清楚，交给电脑去跑，电脑不会犹豫，不会因为昨天亏钱就改主意。
关键点在于，规律找出来容易，相信它难。历史数据里总能挖出几千个看起来赚钱的规律，大部分是巧合。量化研究真正的工作是区分哪些规律有逻辑支撑，哪些纯粹是数据噪音。
股票和期货的量化逻辑不一样
股票量化绕不开三个东西：估值、动量、质量。估值告诉你贵不贵，动量告诉你最近谁在涨，质量告诉你公司赚不赚钱。把这三点做成打分表，每个月给股票排名，买前五十名，卖后五十名。这种做法叫多因子选股，公募私募都在用。
期货量化盯的是另一套东西。期货合约有到期日，价格受现货、库存、基差、宏观预期共同影响。螺纹钢期货不光看钢材本身，还要看房地产开工、基建投资、铁矿石成本。量化模型要把这些变量塞进去，找出哪个变量在什么阶段主导价格。
一个明显的区别：股票量化持仓周期偏长，几周几个月很正常。期货量化因为杠杆高、波动大，持仓周期可以短到几分钟。日内高频期货策略靠的是买卖价差和订单流，普通散户做不了，光交易成本就吃掉利润。
回测赚钱不等于实盘赚钱
新手最容易掉进的坑，是拿回测曲线当圣旨。回测年化收益百分之三十，最大回撤百分之十，实盘一跑，三个月亏百分之十五。问题出在四个地方。
数据质量差。股票复权处理不对，期货主力合约拼接错误，回测结果全是幻觉。用错误数据训练出来的模型，实盘必然失效。
过度拟合。为了让回测好看，不断调参数。均线从五天调到七天，再调到九天，总有一个数字让曲线最漂亮。这个数字只属于过去，未来不认。
交易成本被低估。股票有印花税和佣金，期货有手续费和滑点。回测里一笔交易赚千分之三，实际扣掉成本只剩千分之一。高频策略尤其致命。
市场结构变了。二零一七年之前小市值策略在A股很灵，之后新股发行加快、退市制度收紧，小市值不再稀缺，策略就废了。量化研究必须持续跟踪市场结构，不是一劳永逸。
普通人怎么做量化研究
没有编程基础，可以从Excel开始。把沪深三百成分股的历史数据下载下来，算一算市盈率倒数排名，每个月买倒数前十名，持有一个月。这种土办法也叫量化，只是手动执行。
有Python基础，用backtrader或者vnpy搭一个简单框架。股票策略先跑通一个双均线：短期均线上穿长期均线买入，下穿卖出。期货策略跑一个布林带突破：价格突破上轨做多，跌破下轨做空。不要急着优化参数，先看逻辑通不通。
资金量小，别碰期货。期货一手保证金虽然不高，但波动一大容易爆仓。股票量化可以从ETF轮动开始，沪深三百ETF和中证五百ETF轮着拿，谁的动量强拿谁，一年调仓几次。
资金量大，分散到三到五个低相关策略。一个做股票价值，一个做期货趋势，一个做套利。策略之间相关性越低，整体回撤越小。
量化研究的纪律比模型重要
模型是死的，人是活的。实盘跑起来，连续亏五天，很多人就开始手动干预。本来该买入的信号，因为害怕跳过。本来该卖出的信号，因为不甘心拖着。量化研究花几个月搭出来的优势，几天就被情绪毁掉。
写清楚策略规则，写清楚什么情况下策略失效，写清楚最大回撤容忍度。到了止损线就停，到了失效条件就关。市场永远在变，没有永远赚钱的模型，只有永远遵守纪律的人。
量化研究不是圣杯，是一把尺子。它帮你量出自己到底有没有优势，优势有多大，什么时候优势消失了。量出来没有优势，老老实实买指数基金。量出来有优势，管住手，让机器干活。
