第七部分 · 路线、复盘与检查清单 · 第 29 章

最终清单:动手前必须真正懂的事

在真正动手做量化之前,有些事必须先真正弄懂,而不是“好像知道”。这一章给你两份清单:第一份是从金融小白走到量化之前,必须真正理解的金融常识;第二份是着手做量化项目之前,必须真正做到的准备。把这两份清单当成过关检查,任何一条答不上来,就说明前面某一章还需要回去补。

读完这一章,你会明白

• 进入量化前,金融基础必须落到现金流、权利、风险、价格和交易制度上。
• 能读懂产品报告、收益风险指标和 A 股交易规则,才有资格判断量化回测是否真实。
• 量化项目的最低标准是流程可信: 数据、时间、股票池、交易规则、成本、因子、模型、组合、报告和模拟盘都要过关。
• 复杂模型不能替代基础检查;很多假收益来自地基错误,不是模型不够高级。

1. 能解释钱和财富的区别

你应该能说清楚: 钱不是财富本身,真实财富是商品、服务和生产能力。货币数量增加不必然让社会变富,如果真实产出没有增加,更多货币可能只是推高价格。

这个问题看似基础,但它决定你如何看通胀、央行、资产价格和泡沫。如果你把账户数字上涨等同于真实财富增加,后面很容易误读金融市场。

自测方式很简单: 试着用小岛捕鱼、鱼票和渔网的故事,给一个没学过金融的人讲清储蓄、投资和资本。

银行不是保险柜,而是信用和期限转换系统。它把短期存款转成长期贷款,让经济能提前投资,也因此面对挤兑和流动性风险。

你应该能说清银行资产负债表: 贷款是银行资产,存款是银行负债。储户以为钱随时可取,但银行资产很多是长期贷款。

如果你能解释为什么银行需要资本、准备金、央行和存款保险,说明这部分地基基本稳了。

2. 能区分股票和债券

股票是剩余收益权,债券是合同索取权。股东承担更高不确定性,有机会分享公司长期增长;债权人优先拿本息,但收益上限更明确。

股票风险主要来自盈利、估值、流动性和市场情绪。债券风险主要来自利率、信用、流动性和通胀。债券稳不稳,要看久期、发行人和市场利率。

如果你能解释为什么利率上升会让旧债价格下跌,也能解释为什么股票估值受折现率影响,就说明你开始把资产定价连起来了。

基金是集合投资载体,有管理人、托管人、份额、净值、费用和申赎规则。ETF 是能在交易所买卖的基金份额,既有净值也有交易价格。

你应该能看懂基金月报: 产品类型、基准、净值、回撤、费用、持仓、归因、规模和风险提示。不要只看近一年收益排名。

如果你能解释 ETF 为什么会折价或溢价,以及流动性差的 ETF 为什么买卖成本高,说明你已经不只是在背产品名字。

3. 能说清 A 股交易规则

A 股不是全天随便交易。它有交易日、集合竞价、连续竞价、涨跌幅、T+1、停牌、ST、退市、交易单位和费用。

你应该能解释今天买入为什么通常今天不能卖,为什么涨停不一定买得到,跌停不一定卖得出,为什么卖出股票会有税费和交收时间。

这些规则直接进入回测。一个不懂交易规则的量化回测,很可能只是漂亮幻觉。

你应该能手算简单收益率,理解复利,知道年化不是预测,知道波动率衡量颠簸,最大回撤衡量从高点跌到低点的痛感。

夏普不是万能,高夏普也可能隐藏尾部风险。信息比率用于看相对基准的超额质量。胜率高不代表赚钱,盈亏比和成本同样重要。

如果你看一条收益曲线,能主动问基准、回撤、成本、样本长度和风险来源,说明你已经不是只看收益的新手。

4. 能解释有效市场和行为偏差

有效市场不是说价格永远正确,而是提醒你公开信息很难被轻易反复赚钱。随机游走不是说价格没有原因,而是说新信息难预测。

行为偏差说明人会过度自信、追涨杀跌、损失厌恶、锚定成本价。但知道别人有偏差,不等于你能免费赚钱。

这一点会让你对策略更谦逊。任何优势都要解释来源,并接受竞争会侵蚀收益。

金融基础不只是概念,还包括知道什么钱不能拿去冒险。生活钱、应急钱、短期要用的钱,不应放进高波动策略。

你应该能写出自己的最大可承受亏损、单策略仓位上限、是否使用杠杆、什么时候停止、什么时候复盘。

如果这些问题答不上来,就算你会写模型,也还没准备好实盘。

5. 做量化项目前必须真正做到的事

这一章是给准备动手做量化项目的你。不要因为会 Python、会机器学习、能画净值曲线,就以为自己已经能做量化。真正的最低标准不是模型名字,而是流程可信。下面每一项都不是装饰,而是防止你把错误结果当成投资能力。

你要知道每个字段来自哪里,什么时候下载,是什么口径,是否复权,是否点时,是否会修正。一个因子值异常时,你应该能追到原始数据和处理脚本。

如果你的数据来自临时 CSV、手工复制、来源不明接口,或者下载后被随手改过,回测结果就很难相信。数据可追溯是量化项目第一条底线。

最低标准是: 原始数据不手改,处理脚本可重复,数据检查自动运行,异常有日志。

6. 时间线必须正确

每个特征都要在交易决策前可见。财报按公告日,宏观按公布日,指数成分按生效日,行情按实际交易时点。任何晚于决策时点的数据都不能用。

时间线错误会制造最漂亮的假收益。模型一旦偷看未来,后面所有机器学习和优化都没有意义。

最低标准是: 每个数据表都有可用日期,每个标签都在特征之后,回测里信号生成和成交时间分开。

回测某个历史日期,只能使用当时存在、当时可交易、当时属于股票池的资产。不能用现在还活着的股票回填过去,也不能用当前指数成分回测历史。

股票池错误会带来幸存者偏差和成分回填偏差。它会悄悄删除失败样本,让策略看起来更稳。

最低标准是: 保留退市样本,按历史成分调仓,明确 ST、停牌、新股和低流动性股票过滤规则。

7. 交易规则必须进入回测

A 股有 T+1、涨跌停、停牌、交易单位、费用和交易时段。期货有保证金、换月、涨跌停和夜盘。ETF 有折溢价和流动性。不同品种规则不同。

回测忽略规则,就会买入真实买不到的涨停股,卖出真实卖不出的跌停股,或者当天买当天卖。这样的收益不能实盘。

最低标准是: 交易日历正确,成交时点明确,涨跌停停牌处理明确,费用和滑点保守估计。

交易成本不是一个小数。佣金、印花税、过户费、买卖价差、滑点、冲击、融资、融券、展期,都会影响净收益。

一个策略如果成本翻倍就从赚钱变亏钱,说明边际很薄。你可以继续研究,但不能把它当成强策略。

最低标准是: 报告同时展示无成本、正常成本、两倍成本、三倍成本下的结果。

8. 因子必须有单独报告

不要把一堆因子直接喂给模型,然后只看最终净值。每个重要因子都应该单独看覆盖率、IC、RankIC、分层收益、换手、行业和市值暴露。

单因子报告能告诉你模型输入是否有基本意义。没有单因子审查,复杂模型可能只是在混合噪声。

最低标准是: 每个核心因子有定义、方向、数据口径、统计表现和失效阶段说明。

复杂模型必须和简单基线比较。等权、指数持有、单因子、线性模型、树模型,都可以是基线。没有基线,你不知道复杂模型到底增加了什么。

如果深度学习模型只比简单动量因子好一点点,但成本更高、解释更差、样本外更不稳,它未必值得用。

最低标准是: 任何复杂模型都要报告相对简单基线的增量收益、增量风险和增量成本。

9. 组合必须有约束

预测分数不能直接变仓位。组合要有单票上限、行业限制、风格暴露、现金比例、换手限制、流动性过滤和风险预算。

没有约束的组合可能重仓少数股票、押单一行业、买入流动性很差的资产。回测好看,实盘危险。

最低标准是: 报告持仓数量、最大单票、行业分布、换手、成交额参与率和相对基准暴露。

一份策略报告应该能由代码重新生成。图表、指标、配置、数据版本都要能追溯。手工截图和复制粘贴很容易制造不一致。

可复现报告能让你一个月后回来看懂当时做了什么,也能让别人审查你的结果。

最低标准是: 一条命令或一个脚本能重新生成主要报告,报告里包含配置和数据版本。

10. 模拟盘必须先于实盘

模拟盘验证真实时间流程。数据是否按时来,信号是否生成,订单是否合理,未成交如何处理,盘后是否对账,这些都不是历史回测能完全验证的。

没有模拟盘,你第一次遇到数据延迟、空信号、订单异常和对账差异,就会发生在真实资金里。

最低标准是: 模拟盘运行一段时间,有日志、报告、异常记录和修复记录,再考虑小资金实盘。

小结

这一章的正文不是让你记住几个孤立名词,而是要把它们放回同一条因果链里。读完后,先用自己的话复述下面几条判断,再顺着“小节回看”检查是否能解释每一步。

• 进入量化前,金融基础必须落到现金流、权利、风险、价格和交易制度上。
• 能读懂产品报告、收益风险指标和 A 股交易规则,才有资格判断量化回测是否真实。
• 量化项目的最低标准是流程可信: 数据、时间、股票池、交易规则、成本、因子、模型、组合、报告和模拟盘都要过关。
• 复杂模型不能替代基础检查;很多假收益来自地基错误,不是模型不够高级。

小节回看

• 1. 能解释钱和财富的区别
• 2. 能区分股票和债券
• 3. 能说清 A 股交易规则
• 4. 能解释有效市场和行为偏差
• 5. 做量化项目前必须真正做到的事
• 6. 时间线必须正确
• 7. 交易规则必须进入回测
• 8. 因子必须有单独报告
• 9. 组合必须有约束
• 10. 模拟盘必须先于实盘

自测

为什么金融小白要先理解钱和财富的区别?

因为这决定你能否正确理解通胀、资产价格和真实经济增长。

为什么 A 股交易规则是量化基础?

因为 T+1、涨跌停、停牌、费用和交易单位会直接影响回测和实盘。

为什么数据可追溯是第一底线?

因为任何异常结果都必须能回到原始数据和处理脚本检查,否则无法判断真假。

为什么复杂模型必须有基线?

没有简单基线就不知道复杂模型提供了什么增量,也无法判断复杂度是否值得。