什么是量化交易

先别想股票，想想开水果店。

夏天到了，你觉得天热、西瓜好卖，于是多进点货。这是凭感觉做决定。换一种做法，你把判断写下来：

气温高于 30℃ 并且是周末，进货量取平时的 1.5 倍；降雨概率高，就少进一些；其他日子按平均销量进货。

写下来以后，事情就变了：别人可以检查你的条件合不合理、用的数据对不对、你有没有照着做。把经验变成可以测量、可以检查的规则，就是理解量化的起点。

放到金融市场里，规则的原料可以是价格、成交量、财务数据、政策或新闻。量化研究做两件事：先用数据检验这条规则，再决定要不要让程序去执行它。

这里有两个常见误会：

• 量化不等于程序化交易。 程序化交易说的是“用程序下单”这种执行方式；量化研究还包括提出假设、测量和验证。两者关系很近，但不能画等号。
• 量化不等于高频。 每天、每周甚至每月调一次仓，用的也可以是量化方法。

一套交易系统，至少要回答六个问题

“金叉买入”只是一个信号，还算不上系统。一套完整的交易系统至少要回答：买什么？什么时候买？买多少？什么时候卖？最多能亏多少？什么时候停止使用这套方法？

程序能把规则执行得又快又准。但它放大的不只是好规则，也会放大坏规则的后果。

一个讲纪律的例子

看一组纪律参数：亏 8% 止损，赚 20% 止盈，单只股票仓位不超过 25%。 写成流程是：先看已有持仓和账户里的钱，再算每笔持仓的收益率，最后判断有没有碰到退出线。

重点不在这三个数字本身，而在于：它们必须在测试之前就定好。 不能亏了就临时把止损放宽，涨了就临时取消止盈。

8%、20%、25% 只是演示纪律用的例子，没有证明适合任何一只股票。另外，触发了退出信号，也不代表一定能按目标价卖出去：跳空、交易限制、成交不活跃，都可能让你卖不到那个价。

情绪会让人在最不该的时候改主意

市场上涨时大家追着买，下跌时又恐慌着卖，这个循环很常见。规则的第一个用处，就是让你在情绪最强烈的时候，依然按事先想好的方式行动。

还有一笔账值得记住：亏得越多，回本越难。 一只股票从 10 元跌到 9 元，亏了 10%；但从 9 元回到 10 元，需要涨大约 11.11%。

如果亏损比例是 d，回本需要的涨幅是 d ÷ (1 − d)。亏损越大，这个数字涨得越快，看下面这张图就明白了。

回头看 2015 年的行情、黄金白银的阶段性上涨、在低位买入消费股这些例子，说的都是同一件事：人容易在大家都乐观时加大风险，在大家都悲观时放弃原来的计划。 但别拿这些例子里的涨幅，去推算你也能赚到同样的钱。

反过来做也不简单。“别人都在买，所以我要卖”这句话本身不构成规则。逆向交易同样要说清楚：价格偏离了什么？什么时候可能修复？判断错了怎么退出？

量化能做什么，不能做什么

量化的长处：执行一致、能复盘、能同时处理很多只股票、对数据变化反应快。

它的局限同样明确：

• 历史上存在的关系可能会变；
• 数据可能缺失或有误差；
• 模型可能只是“背熟了过去”，并没有预测能力；
• 软件和交易接口也会出故障。

拿光伏企业预测销量来说：行业结构变了以后，过去的销量已经不能代表未来的需求，还得看订单、潜在客户、开工情况和政策。这不是说不用历史数据，而是要检查：哪些数据对眼下的问题还有解释力。 房地产、白酒过去的增长，也不能直接画一条线延长到未来。

一种策略可以搬到别的市场去用，但搬过去的是研究方法。交易时间、费用、能不能卖空、怎么结算、流动性和数据定义都变了，必须重新验证。

做量化研究时，人和 AI 各有分工。

人先提出目标和能被检验的交易假设，并决定自己愿意承担多大的风险。

AI 可以帮你整理资料、解释指标、写代码、检查遗漏、找程序里的错误，还能提醒你“这个策略可能在什么情况下失效”。但 AI 的建议必须验证，不能因为它说得很流畅就当成对的。

举个例子：某个关键词出现在新闻里以后，相关股票出现异动，这可能是一个研究线索。比如“川大智胜”这类名称联想，或者一条光伏新闻带动相关股票，都说明市场有时会对情绪和故事做出反应。但这些只是观察线索，事后觉得“有关联”，不等于证明了因果。

真要研究这类事件策略，你需要保存：新闻发布时间、你最早能看到它的时间、对应的价格，以及你实际能交易的时点。然后再验证：扣掉成本以后，到底还有没有机会。

怎么问 AI 更有用

与其问 AI “下一只会涨的股票是什么”，不如这样问：

这条规则在哪些情况下会失效？哪些数据在当时其实还看不到？程序有没有把未来的数据用到了今天？

这样问，得到的回答更容易检查。

做策略之前，先回答一个问题：我赚的是什么钱？ 常见的有四种思路。

1. 趋势：跟着已经形成的方向走

趋势策略在价格朝一个方向持续运动时参与，方向反转时退出。它不追求买在最低、卖在最高；要确认趋势，通常就得让出开头和结尾的一段。均线、动量、价格突破，都是描述趋势的工具。

以贵州茅台的长期走势为例：市场对它的稀缺性和盈利能力形成了共识，于是有了长期趋势。这里要把两层逻辑分开看：

• 基本面解释“为什么可能有持续的需求”；
• 价格指标检验“市场是不是已经走出了持续的方向”。

共识会变，趋势会结束，拿得久也不自动等于方法有效。

如果你选择跟趋势，就得接受系统经常小亏，用来换取抓住大行情的机会。反过来，在横盘的时候频繁追突破，很可能一直在高买低卖。市场状态和策略假设对不上，是策略失效最常见的原因。

2. 震荡：利用价格在区间里来回波动

震荡策略假设价格围着一个中枢上下晃：偏低时买、偏高时卖。即使最后价格回到起点，中间的来回也可能赚到差价。但要扣掉成本，还要承担价格跑出区间的风险。

举个证券 ETF 的例子：价格在 1 元附近开始建仓，每跌 1% 买一份，每涨 1% 卖一份，每份 1,000 股。听起来很清楚，但真要写成程序，还得回答：

• 这个 1% 是相对一个固定基准，还是相对上一次成交价？
• 持仓和现金最多用多少？
• 价格一下跳过好几档，执行几档？
• 价格跑出区间以后怎么办？

不回答这些问题，“跌买涨卖”这一句话可以写出好几种完全不同的程序。

另一个例子是“每跌 10% 加一次仓”。这里要分清：是新加的仓位占初始资金的 10%，还是把现有持仓增加 10%？两种风险完全不同。这句话本身还不是完整规则，所以它还不能算一个能运行的策略。

布林带和 RSI 是震荡策略常用的两个指标。布林带的上下轨描述价格离近期均值有多远；RSI 描述近期上涨和下跌力量的对比。价格靠近上轨或 RSI 偏高，可以作为“检查是否超买”的线索；靠近下轨或 RSI 偏低，可以作为“检查是否超卖”的线索。但它们不保证价格会掉头：趋势行情里，价格可能一直贴着轨道走。

你可以在看盘软件里打开原油期货的日线，加上布林带，观察价格在什么区间里运动。合约代码里的“2603”表示 2026 年 3 月这类年月信息，具体含义要以交易所和产品规则为准。

商品有实际用途，不代表期货价格有一个跌不破的底。原油期货就出现过负价格。“有使用价值”不能当成不会出现极端价格、不会爆仓的保证。

关于“做 T”：A 股当天新买入的股票，通常当天不能卖出。有底仓时的日内先卖后买，也没有改变当天新买仓位的结算限制。图上画出来的反复买卖，不等于真能做到的收益。

3. 价差：研究两个价格之间的关系

价差策略关心的是两个相关资产或合约的相对价格。核心问题有三个：这个价差为什么应该在某个范围内？偏离以后靠什么修复？修复之前，你能承受它再偏离多少？

国债利差。 假设五年期和十年期国债的利率差从 1% 扩大到 2%，可以用来理解相对定价。但真正构建债券组合时要注意：收益率和价格的方向相反，两个期限对利率的敏感度也不同，不能只看利差数字就决定买卖方向、两边各放一样多的钱。需要先对齐期限、久期和对冲关系。

沪金和伦敦金。 假设换算成同一币种、同一单位后，两者正常差价是 100 元。差价扩大时，卖出相对贵的一边，买入相对便宜的一边，等差价收敛。这需要同时处理汇率、交易时段、手续费、资金调拨、合约规格和两边的保证金。

一开始两边各放 50% 的资金，不代表市场变动以后风险还各占 50%。一边先亏，可能先把保证金耗光。哪怕长期关系最终恢复了，账户也可能已经在半路被强制平仓。

苹果期货的近月和远月。 假设两个月份合约的正常价差是 1,000 元/吨，一条新闻让它扩大到 2,000 元/吨。这时卖出相对贵的近月，买入相对便宜的远月。如果价差回到 1,000 元/吨，不算合约乘数和成本，每吨赚 1,000 元。两条腿方向相反也不等于没有风险：价差可以继续扩大，流动性和保证金占用也会变化。

价差系统可以用“两倍 ATR”作为退出线。ATR（平均真实波幅）描述的是近期价格波动有多大。用在价差系统里，要先说清楚对哪条价格序列算 ATR，并统一金额和单位。两倍只是止损设计的一个例子，不存在对所有情况都最好的倍数。

4. 高频：抢转瞬即逝的报价差

高频交易研究的是盘口、极短时间的价格变化、相关资产之间的传导和成交机会。它依赖低延迟网络、交易所连接、FPGA 硬件和较低的交易成本。FPGA 能把特定的计算逻辑固化到硬件里，让这类计算更快；但设备再贵，也不会自动带来策略优势。

用股指期货演示一下小价差：报价 4,000 点，较高的买价 4,000.6 点，中间成交价 4,000.4 点。假设价差 0.4 点、每点价值 300 元，一手的毛差额是 120 元，还要再扣交易费用和滑点。扣完费用大约剩 90 多元，这只是示意，不代表真实费率，也不是能实现的净利。成交数量变了，还要再乘以手数。

这个演示不代表机构可以绕过“价格优先、时间优先”，或者提前看到别人没公开的订单。真实的机会受公开行情、订单到达时间、撮合规则、排队和成交概率的约束。抢不到单、只成交一边、价格变了、对手更快，都可能让理论上的价差消失。

另一个例子：腾讯这类权重股出现异动，可能和恒生科技相关产品联动。这里“假设 100 毫秒传导”只是用来说明研究思路，并不是实测数据。真要研究，需要核对权重、产品定价、交易时间和成本；相关性不等于低风险套利。用新闻语义、讲话情绪做触发，同样要处理好时间戳和“事后解释”的问题。

对初学者来说，了解高频是为了理解成交成本。这门课的个人实践，主要放在低频的趋势、震荡和选股研究上。 高频交易的监管和接入要求一直在变，以现行规则为准。

市场整体上涨时，很多股票会一起涨。这种跟着大盘走的收益叫 Beta，把超出一般市场表现的那部分叫 Alpha。

入门时，你可以先问自己一句：如果我什么都不做，只买一个合适的基准指数，能赚多少？ 策略比这个多出来的部分，才值得认真研究。

严格来说，评估 Alpha 需要指定基准、风险暴露和模型，不能把任何收益差都叫成“能力”。指数增强的目标是在一定约束下争取跑赢指数，但也不保证每段时间都能跑赢。比较时，要选和你的资产范围、风险相匹配的基准，并统一时间区间和费用口径。

别只看 K 线

研究 A 股，可以同时考虑多因子排序、基本面排雷和事件信息。股价在涨，不代表公司经营没有变坏、没有退市风险、没有重大治理问题。ST、长期亏损、行业前景、龙头地位、董事长失联、ROE 是否连续高于 15%，这些线索都说明：只看 K 线看不清风险。

ROE 15% 只是一个示例门槛，判断财务质量还要结合行业、负债、现金流和异常项目。对风险高的股票少买一点，也不能把风险变成确定的机会。