很多人买股票靠的是"我觉得这家公司不错"。量化投资走的是另一条路:先把"什么叫不错"翻译成数字和规则,再让程序按同一套标准去筛、去买、去卖。"量化"两个字,指的就是把投资决策变成可以量化计算的东西。

举个完整的例子。老周业余研究投资,他有个朴素想法:盈利稳定、价格不贵的公司,长期看更可能表现好。凭感觉的做法是:他每天刷新闻,看到顺眼的公司就买一点。量化的做法是:

  • 把想法写成规则。 老周定下标准:连续 3 年盈利增长、负债率低于 60%、市盈率低于同行业平均水平(均为演示数字)。
  • 让程序去执行。 电脑把市场上几千家公司挨个按这三条过一遍,筛出符合的 30 家,各买一份,单一公司不超过总资金的 5%(演示数字)。
  • 定期检查,规则不变就照办。 每季度程序重新筛一遍,不符合标准的公司换掉,符合的留下。老周不因为"今天心情好"或者"群里有人推荐"临时加仓。

这个过程里,老周的经验和判断并没有消失——规则是他定的。电脑负责的是不知疲倦、不带情绪地把同一套标准执行到底:凌晨三点它不会恐慌抛售,涨了 20% 它也不会得意忘形地追高。

一眼看懂 / 示意图

老周怎样把想法变成可执行规则

  1. 01想法

    盈利稳,价格不贵

  2. 02规则

    盈利、负债、估值三项条件

  3. 03执行

    筛出30家,按规则调整

全为虚构演示,不是选股条件推荐。

记住三句话就够了

1. 规则是人定的,机器只负责执行。 量化投资不是"电脑自己想出了赚钱办法"。选哪些数据、定什么标准、什么情况停下来,全是人的研究和管理工作。程序只是一台极其守纪律的执行机器——规则好,它执行得好;规则错了,它也会极其守纪律地一直错下去。

一眼看懂 / 示意图

模型前后都有人负责

  1. 01提出问题

    确定要解释的经济关系与数据

  2. 02形成规则

    计算、筛选、回测与风险约束

  3. 03实际运行

    执行并检查偏差、成本和失效情况

示意研究流程,不提供可直接交易的参数。

2. 上场之前先"回测"。 规则定好后,通常先用多年历史数据模拟跑一遍:如果十年前就按这套规则做,赚不赚钱?跌得最惨的时候亏多少?这个过程叫回测,相当于让策略先"参加考试"再上战场。但回测成绩好不等于未来一定好——下面会讲为什么。

3. 量化有快有慢,不都是"秒杀交易"。 老周的策略一个季度才调整一次,这也是量化。量化说的是决策方式(用模型和规则做决定),和交易快慢是两回事。有的量化策略确实以毫秒级速度频繁买卖,那种高速玩法属于高频交易,两者有交叉但不是同义词。

一眼看懂 / 示意图

量化和高频:两个观察角度

  1. 01量化

    按可计算的规则做决策

  2. 02高频

    交易速度快、频率高

量化策略也可能一个季度才调一次;两者都可能亏损。

为什么模型再聪明也可能失灵

既然有数据、有模型、有纪律,量化投资是不是稳赚?不是,而且失灵的方式有好几种:

  • 把巧合当规律。 历史数据里藏着大量"看着像规律"的巧合。如果一条规则是从过去数据里硬凑出来的(比如"凡是名字带某字的公司都涨"),回测成绩可以很漂亮,一上实盘就露馅。
  • 环境变了,老地图失效。 规则是在过去的市场环境里总结出来的,一旦市场结构、监管规则或参与者变了,原来好用的规律可能从此不灵。
  • 大家都用同一张地图。 如果很多机构用着相近的规则,会同时买、同时卖,互相踩踏——2007 年 8 月美国市场就发生过量化基金集体大幅回撤的事件,研究认为,相近策略的集中去杠杆和做市资金撤出是重要原因。
  • 机器本身也会出岔子。 程序错误、数据错误、系统故障,都可能让自动化变成"自动化地犯错"。

所以自动化能减少一部分随手乱操作,却不会自动消除亏损。量化只是换了一种做决策的方式,不改变投资本身有赚有赔这件事。

两个常见误会

误会一:"量化就是机器人炒股,稳赚不赔。" 不存在这种事。量化策略照样亏钱,只是亏得"很有纪律"。看到"AI 炒股稳赚""量化模型保本高收益"之类的宣传,多问几句总没错。

误会二:"量化是高深机构的专利,和普通人无关。" 普通人多半不会自己写量化程序,但很可能间接接触过:不少基金(包括一些指数基金增强、量化对冲基金)背后用的就是量化方法。看懂"人定规则、机器执行、规则会失效"这三点,再去看这类产品的宣传材料,就不容易被唬住。