第七部分 · 路线、复盘与检查清单 · 第 31 章

一个稳妥的项目与结语

这一章先讲一个正面案例:一个稳妥的个人量化项目,是怎样从一个很小的问题出发,一点点长成能长期运行的东西的——它和那些追求一夜暴富的做法,区别到底在哪里。最后是全书的结语,回答一个问题:读完这本书,你现在真正应该带走的是什么。不是某个策略,而是一套看待金融和量化的方式。

读完这一章,你会明白

• 稳妥项目从小问题开始,先保证数据和基线可信,再谈因子和模型。
• 单因子报告、样本外、模拟盘和小资金半自动,能把研究逐步推向真实世界。
• 金融的底层是现金流、权利、风险和价格;量化的底层是数据、假设、验证和执行。
• 不要追求神奇模型,先建立可信流程: 数据正确、回测真实、成本保守、风险可见、实盘可控。

1. 问题很小

小周没有问能不能年化 50%,也没有问能不能预测明天涨跌。他的问题是: 在沪深 300 成分股里,低估值、质量和动量三个简单因子,是否能在月频调仓下提供一点超额收益。

这个问题小,所以可控。股票池明确,频率明确,因子明确,基准明确。小问题不代表价值低,它能让研究边界清楚。

很多好项目都是从小问题开始。问题越小,越容易检查数据、复现结果、解释失败。

小周先不写策略,而是写数据检查脚本。他检查交易日是否连续,股票代码是否重复,成分股是否按日期变化,复权收益是否合理,停牌和涨跌停字段是否存在。

他发现一个供应商数据里,某些股票停牌日仍然有前收盘价,如果不额外处理,回测会假设停牌日能成交。这个发现还没带来收益,但避免了一个大坑。

这一步说明,好研究不是从模型开始,而是从数据可信开始。

2. 做最简单基线

数据检查后,小周先做两个基线: 买入并持有沪深 300,以及在成分股中等权持有。这样他知道指数本身和简单等权策略表现如何。

有了基线,后面任何因子策略都要回答: 它比基线好在哪里? 是收益更高、回撤更低、还是风险暴露不同? 如果连简单基线都跑不赢,复杂模型没有意义。

基线让研究不再飘。它是你和自己较真的参照物。

小周分别测试低估值、质量和动量。每个因子都有单独报告: 覆盖率、IC、RankIC、五分组收益、换手、行业暴露和失效年份。

他发现低估值因子在某些年份有效,但行业暴露明显;动量因子收益不错,但换手较高;质量因子单独收益一般,但回撤较低。

这些结果没有神奇之处,但很真实。它们告诉他每个因子的性格,为多因子组合提供依据。

3. 多因子组合

小周没有优化出历史最佳权重,而是先用等权合成。每月选综合分数靠前的股票,加入行业偏离和单票上限,扣除费用和滑点。

策略结果比基准略好,但不是惊人好。年化超额不高,有几年跑输,换手可以接受,最大超额回撤也在可承受范围。

他没有因为结果不惊艳就放弃,也没有强行调参。他把这个策略定位为教学版指数增强,继续检查稳健性。

小周把最后两年留作样本外,只在前面样本上确定规则。样本外表现普通但没有崩。然后他跑模拟盘,每天按真实时间更新数据,每月生成调仓清单。

模拟盘暴露了几个问题: 数据有时延迟,一只股票涨停买不到,成本略高于回测假设。小周没有急着实盘,而是把这些问题写进报告并修正流程。

模拟盘不是证明策略强,而是证明流程能跑。小周理解了这一点。

4. 小资金半自动

几个月后,小周用很小资金半自动执行。他让系统生成订单清单,自己人工核对后下单。每天盘后对账,记录成交价格、费用、滑点和心理状态。

小实盘没有赚很多钱,有一个月还亏了。但流程稳定,真实成本和模拟接近,未成交原因清楚,对账没有问题。

这比短期赚钱更重要。它说明系统开始接近真实可运行状态。

小周没有马上放大资金。他先写复盘: 哪些假设被验证,哪些还没验证,最大风险是什么,如果规模扩大五倍会怎样,是否需要更好的风险模型。

他的下一步不是加杠杆,而是改进报告和风控: 加入行业归因,加入成本敏感性,加入策略停用规则,继续观察样本外。

这个正面案例的重点不是收益,而是路径。稳妥的量化项目是慢慢长出来的,不是一次灵感砸出来的。

5. 你现在应该带走什么

如果你从零读到这里,你不需要觉得自己已经成了金融专家。更现实、也更重要的变化是: 你已经知道金融不是神秘赌场,量化也不是魔法模型。金融是在时间、风险和信息之间安排资源;量化是把金融假设写成数据、模型、组合和交易流程,再接受市场检验。

第一条直觉是,钱不是财富,真实生产力才是地基。第二条直觉是,金融工具都可以拆成现金流、权利、风险和价格。第三条直觉是,任何收益都有人承担风险,不存在脱离风险和成本的免费午餐。

这些直觉比背术语更重要。以后你看到新的金融产品,不要先被名字吸引,先问它承诺什么现金流,谁拿收益,谁承担风险,价格怎么形成,如果市场变坏会怎样。

只要保持这几个问题,你就不容易被包装绕晕。金融世界复杂,但复杂的东西也要回到朴素问题。

6. 再带走市场直觉

市场不是完美机器,但也不是随便捡钱的地方。价格会反映信息,也会被情绪和约束扭曲。你可以研究市场错误,但必须解释为什么自己能识别、能交易、能承受等待。

有效市场和行为偏差并不矛盾。有效市场提醒你竞争很强,行为偏差提醒你人会犯错。量化研究就在这两者之间寻找可能存在、但不容易拿走的机会。

以后看到一个策略,先问它的优势来自哪里: 信息、分析、执行、风险补偿、行为偏差,还是只是市场 Beta。回答不上来,就不要急着相信。

量化里的数据不是普通表格。每个字段都有时间、口径、缺失、修正和权限。一个公告日错了,一个复权口径错了,一个股票池回填了,都可能把回测变成假象。

所以,量化的第一层专业性是尊重数据。先问当时是否可见,再问是否干净,再问是否可交易。模型只能在正确数据上发挥价值。

如果你以后做项目,请把数据检查当作正式成果。它不如模型听起来酷,但它决定模型是不是在真实世界里学习。

7. 再带走回测直觉

回测是排练,不是承诺。一个好的回测会尽量模拟当时能看到什么、能买卖什么、要付多少成本、会遇到什么限制。一个坏的回测只是用历史答案画一条漂亮曲线。

看到漂亮回测时,先查错: 未来函数、幸存者偏差、成交价格、交易成本、涨跌停、停牌、容量、参数稳定性和样本外。查完还好,才值得继续。

不要害怕修正后收益下降。下降说明你拿掉了假收益。剩下的普通结果,比虚假的惊艳结果更接近可用研究。

量化实盘不是 notebook。真实系统要处理数据更新、模型版本、订单状态、成交回报、撤单、风控、日志、权限、监控和对账。任何一个环节错了,都会影响账户。

计算机背景是优势,因为你能把流程系统化。但系统化不是只追求自动化,而是让每一步可追溯、可审查、可停止、可恢复。

自动化越强,边界越要清楚。没有风控和对账的自动交易,不是高级,只是危险。

8. 最后带走个人边界

个人做量化,不要把学习和赌博混在一起。先用小问题、小数据、小项目、小资金建立流程。不要借钱,不要上来加杠杆,不要因为短期赚钱就放大仓位。

你的第一目标不是战胜所有机构,而是建立一套自己理解、能复现、能复盘、能控制风险的研究流程。这个目标已经很有价值。

如果未来你进入量化行业,这套基础会帮你听懂别人讨论的东西。如果你只是个人投资者,它也会帮你少犯大错。

读完之后,不要立刻追复杂策略。先选一个项目: 指数增强回测、基金月报分析、数据质量检查、模拟盘状态机。选一个,做完整,写报告。

完整的意思是: 数据有说明,假设有边界,结果有基准,成本有敏感性,风险有指标,失败有复盘。只要做到这一点,哪怕策略没有赚钱,你也已经在真正学习量化。

金融和量化都不是靠一次阅读学会的。它们靠不断把想法放进现实约束里检验。愿意检验,愿意修正,愿意承认不知道,这就是长期进步的起点。

9. 回到第一章

这本书从一座只有鱼的小岛开始,不是为了讲童话,而是为了提醒你: 金融世界再复杂,最后也要回到真实资源和真实风险。

渔网提高生产力,储蓄给未来留空间,信用把未来承诺提前到今天,市场给风险和现金流定价,量化用数据检验这些价格是否有规律。整条链连起来,金融就不再是一团雾。

如果以后你在复杂模型、复杂产品、复杂行情里迷路,就回到这个小岛: 真实东西是什么,未来承诺是什么,谁承担风险,价格有没有补偿这些风险。这个问题永远有效。

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。

• 稳妥项目从小问题开始,先保证数据和基线可信,再谈因子和模型。
• 单因子报告、样本外、模拟盘和小资金半自动,能把研究逐步推向真实世界。
• 金融的底层是现金流、权利、风险和价格;量化的底层是数据、假设、验证和执行。
• 不要追求神奇模型,先建立可信流程: 数据正确、回测真实、成本保守、风险可见、实盘可控。

小节回看

• 1. 问题很小
• 2. 做最简单基线
• 3. 多因子组合
• 4. 小资金半自动
• 5. 你现在应该带走什么
• 6. 再带走市场直觉
• 7. 再带走回测直觉
• 8. 最后带走个人边界
• 9. 回到第一章

自测

小周为什么先选小问题?

小问题边界清楚,更容易检查数据、复现结果和解释失败。

为什么先做基线?

基线让策略结果有参照,避免复杂模型连简单方案都比不过。

读完后最应该先做什么?

选一个小量化项目完整做完,包括数据、回测、报告和复盘。

为什么不要马上追复杂模型?

因为没有数据、回测、成本和风险基础,复杂模型只会更难发现错误。