建立正确投资心态，避免“寻找圣杯”的歧途
第351页 · 预计20页
本章实战输出：建立正确的投资心态，认清因子的局限性，别陷入“寻找圣杯”的误区。也算是给你的量化之路做个阶段性小结——不是结束，而是新的开始。
写到最后一章，想聊一个有点沉重但绕不开的话题：我们做的这些事情，到底合不合规？会不会有一天被监管找上门？
我不是律师，给不了法律意见。但可以说说我在这个行业里看到的、听到的、亲身经历的一些“灰色地带”。
什么是灰色地带？
有些行为，法律法规没有明确禁止，但明显不道德；或者看起来合法，但利用了制度的漏洞。
举个例子：你在盘中用算法识别出某只股票的盘口有大单托盘，于是你跟进去买。这合法吗？合法。但你有没有想过，那个大单托盘可能是主力故意挂出来引诱你进去的？你没有参与操纵，但你利用了别人的操纵行为来获利。这算不算“不当得利”？法律上不算，但道德上，你其实是在吃人血馒头。
还有一个更典型的例子：抢先交易。你发现某只股票的龙虎榜显示机构买入，于是你在第二天开盘前就挂单买入。这合法。但如果你是通过某种方式提前知道了龙虎榜的名单，比如从数据商那里购买了还未公开的数据，那就可能涉及内幕交易。灰色地带就在于：什么算“提前知道”？
我给自己定了三条红线
为了不惹麻烦，也为了睡得着觉，我给自己定了三条红线。你可以参考，也可以自己调整。
第一条，不做虚假申报。从不挂单后秒撤。我的撤单率长期控制在10%以下，远低于监管关注线，虽然没有明确数字，但行业默契是20%以内。如果你的策略需要频繁撤单才能赚钱，那这个策略本身就站不住脚。
第二条，不利用未公开信息。我只用公开的数据源，财报、行情、新闻、搜索指数。从不买所谓的“内幕数据”，也不打探小道消息。赚不到那个钱，也省得提心吊胆。
第三条，不操纵收盘价。不在14:57之后大量买入或卖出，就是为了影响收盘价。这种行为就算不被监管认定为操纵，也会被其他交易者鄙视。
你可能觉得这些红线太保守，错过了很多机会。但我的经验是：那些靠灰色地带赚到的钱，总有一天会连本带利吐回去。不是不报，时候未到。
监管在收紧，你感觉到了吗？
从2024年到2026年，程序化交易的监管政策一步步收紧。报告制度、差异化收费、高频交易认定标准，每一项都在压缩量化的操作空间。
证监会主席明确说过“充分考虑个人投资者占大多数的国情市情”，要“切实防范滥用技术优势”。大白话就是：你们做量化的，别把散户割太狠，否则我要管了。
这不是威胁，是必然。任何市场，当一种交易行为变得过于强势，监管就会出手平衡。所以，做量化的人要有心理准备：暴利时代正在过去，未来拼的是稳健和合规。
如果你问我，我会说：合规不是限制，而是保护。有了明确的规则，你才知道什么能做、什么不能做，不用在灰色地带里胆战心惊。
写了八章干货，最后得泼一点冷水。书里的方法都有局限，我不能假装它们无所不能。
局限一：过拟合依然存在，你无法完全避免
我在第七章讲了过拟合的识别和防范，但说实话，没有一种方法能100%杜绝过拟合。就算你用滚动窗口验证、参数敏感性分析，你仍然可能在样本外翻车。
为什么？因为你永远不知道未来会发生什么。市场结构会变，投资者行为会变，监管政策会变。你在历史数据上找到的“规律”，可能只是过去的产物，而不是永恒的真理。
我给你一个残酷的数据：超过90%的量化策略，在实盘运行一年后，夏普比率比回测时至少下降30%。这不是我编的，这是行业里公开的秘密。
所以，不要把任何因子当成“圣杯”。永远留一手，永远设止损。
局限二：数据源可能中断，你的系统会瞬间瘫痪
你在书里跟着我用了AKshare、Tushare这些免费数据源。它们很好，但它们不稳定。
我在第二章提到过TusharePro曾停运。AKshare也经常因为目标网站改版而短暂失效。如果你的系统完全依赖一个免费数据源，一旦它挂了，你的策略就瞎了。
怎么应对？多源备份。我在系统里同时集成了AKshare和Tushare，一个不行自动切另一个。你也可以加上baostock、券商API等。另外，关键数据，比如因子值、历史收益，存本地，不要每次都重新算。
局限三：黑天鹅事件，你的模型从未见过
2020年新冠、2024年微盘股崩盘、2015年股灾，这些都是“黑天鹅”，发生的概率极低，但一旦发生，影响巨大。
你的因子模型是基于历史数据训练的。它没见过疫情，没见过流动性枯竭，没见过连续熔断。当黑天鹅来临，模型会彻底失效，甚至反向，比如平常有效的避险因子，在危机中反而失灵。
怎么办？接受这个事实。不要指望模型能预测黑天鹅。你能做的是：控制总仓位，永远不要满仓，分散策略，不要只赌一个因子，以及在极端行情下手动干预，关闭策略。
我不会给你一个“黑天鹅防御公式”，因为不存在。我能给的是建议：留一笔现金，任何时候都别花。当市场崩溃时，现金就是王。
2023年以来，大语言模型火得一塌糊涂。很多人问：LLM会不会颠覆量化投资？我们还需要自己挖因子吗？
LLM能做什么
我在第三章和第五章都用了LLM，生成因子表达式、解读监控报告。这些都是LLM擅长的：文本理解、模式识别、代码生成。
LLM也可以用来做情感分析，比传统的词典法更准，可以用来总结研报，提取关键信息，甚至可以用来写回测代码，虽然经常有bug。
LLM不能做什么
但是，LLM有致命的弱点：它不懂金融因果，也不懂时间序列。
你给它1000只股票的历史数据，让它找出哪个因子能赚钱。它会怎么做？它会用统计学方法找相关性，找到一些看似显著的规律，但可能只是巧合。这些巧合在样本外大概率失效。
更重要的是，LLM不理解“滞后”和“未来信息”。你让它写一个因子，它可能直接用了“未来收益率”作为输入，因为它在训练数据里看到了。你必须手动检查每一行代码，否则就会出现前视偏差。
我的判断
LLM会成为量化研究者的强力辅助工具，但不会取代人。因为金融预测本质上是一个“非稳态”问题，过去的规律不一定适用于未来。人类研究者需要注入经济学直觉和常识，这是LLM不具备的。
所以，不要焦虑“AI会抢我的饭碗”。它会帮你省时间，但最后的决策还得你来做。
这本书快结束了，想问你一个问题：你读这本书，是为了什么？
是为了找到一把能快速赚钱的“钥匙”？还是为了保护自己，不被市场上那些华丽的回测曲线欺骗？
如果是前者，你可能失望了。我没有给你“圣杯”。如果是后者，那么你的目的达到了，你现在应该能分辨一个因子是真是假，一个回测有没有作弊，一个策略值不值得跟。
一些最后的忠告
忠告一：不要用杠杆。
量化因子本身就有风险，加杠杆只会放大亏损。如果你非加不可，控制在1.5倍以内。
忠告二：分散，分散，再分散。
不要把所有钱压在一个因子上。即使那个因子过去三年表现完美。用3-5个低相关的因子构建组合，定期再平衡。
忠告三：用小资金先跑。
任何一个新因子，先用总资金的1%-5%实盘跑三个月。如果实盘表现与回测接近，而不是差很多，再逐步加仓。
忠告四：记录每一笔交易。
不是为了税务，是为了复盘。当你亏钱的时候，你能清清楚楚看到是因子失效了，还是市场风格切换了，还是你自己执行错了。没有记录，就没有进步。
忠告五：不要追求“完美”。
不存在夏普5、回撤0%、年化50%的策略。如果你看到了这样的回测曲线，它一定是假的。接受市场的随机性，接受你的策略会亏钱，接受你不可能永远正确。
我在这个行业里十年了，见过靠量化赚了几个亿的人，也见过亏得倾家荡产的人。那些最终活下来的，不是最聪明的，而是最有纪律的。
纪律是什么？
就是当你的因子发出预警信号时，即使它还在赚钱，你也要减仓。
就是当你的回测报告完美无瑕时，你也要怀疑它是不是过拟合。
就是当市场一片狂热时，你依然按照自己的系统执行，不追高。
就是当市场一片恐慌时，你依然不轻易割肉，除非系统让你割。
量化交易的本质，不是预测未来，而是管理概率。你知道这个因子有55%的胜率，那就长期执行，接受那45%的失败。只要你坚持纪律，大数定律会站在你这边。
但最难的不是理解概率，而是在连亏十次之后，你还能相信概率。
我经历过。连续亏损两个月，每天晚上睡不着，怀疑自己的因子是不是早就失效了，怀疑自己是不是个傻子。但我回顾了回测，确认没有过拟合，确认交易成本算进去了，然后咬牙继续执行。第三个月，因子回来了，把前两个月的亏损全部抹平，还多赚了一些。
如果我在第二个月底放弃了，我就真的亏了。这就是纪律的价值。
如果你读完了这本书，觉得“防守”的道理都懂了，但还想系统地学习“进攻”，也就是如何从零搭建一套完整的A股量化交易系统，那么我的另一本书《双子～十方》可能会适合你。
《双子～十方》讲什么？
讲如何设计一个稳健的量化策略框架。
讲如何做资金管理和风险控制。
讲如何从数据获取到实盘下单，全流程打通。
讲如何应对各种市场环境下的策略调整。
如果说这本书是教你“识别谎言、避开陷阱”，那《双子～十方》就是教你“构建系统、主动进攻”。两本书合在一起，攻防兼备。
你可以在各大电商平台搜索《双子～十方》，或者访问我的网站获取更多信息。
说明一下，这只是介绍，不强推。你觉得有用就去看看，没用就忽略。
问题1：做量化会不会被监管认定为“市场操纵”？
只要你不做虚假申报、不利用未公开信息、不操纵收盘价，基本不会。如果你严格遵守交易所的程序化交易报告制度，你就是合规的。
问题2：我的因子在回测里夏普1.2，实盘只有0.5，正常吗？
正常。实盘夏普通常是回测夏普的50%-70%。因为回测无法模拟所有实盘细节，滑点、冲击成本、网络延迟、情绪影响。如果实盘夏普只有回测的30%以下，那可能是过拟合或者数据有问题。
问题3：LLM会不会让我失业，如果你是量化研究员？
短期不会。LLM能写代码、做分析，但不能理解金融逻辑。未来量化研究员会从“写代码”转向“设计策略逻辑和验证”，LLM是助手，不是替代者。
问题4：我要不要把全部积蓄都投到自己的量化策略里？
千万不要。任何策略都有失效的风险。建议用闲钱投资，占比不超过总资产的30%。保住本金比追求收益更重要。
问题5：这本书学完了，我下一步该做什么？
把书里的代码跑一遍，搭建自己的监控系统。
自己动手挖几个因子，用第二章的方法回测。
用小资金实盘测试一个最简单的因子，比如反转因子，感受实盘与回测的差距。
继续学习，阅读附录推荐的论文和书籍。
三条红线
不做虚假申报，撤单率控制在20%以内
不利用未公开信息
不操纵收盘价
应对黑天鹅
总仓位永远小于80%
留至少20%现金
分散策略，配置3-5个低相关因子
LLM使用原则
用它生成想法和代码，但必须人工审查逻辑
不要让它直接做交易决策
警惕前视偏差
实盘五诫
不加杠杆
分散投资
小资金先跑
记录交易
不追求完美
自我检查清单，每季度一次
我的策略撤单率是否超过了20%？如果超过，调整算法。
我的数据源是否有多重备份？AKshare、Tushare、本地缓存。
我的总仓位是否超过80%？如果超过，减仓。
我是否在用杠杆？如果是，强烈建议去掉。
我是否记录了每一笔交易的逻辑和结果？如果没记，从今天开始记。
长期心态建设
接受“实盘收益低于回测收益”的事实。
接受“连亏是正常的”的事实。
接受“没有圣杯”的事实。
坚持纪律，即使连续亏钱。
定期学习，跟踪市场变化和新的研究成果。
全书到此结束。
写到这里，也有些不舍。这本书的初衷是让你不再被那些漂亮的回测曲线欺骗，不再被那些“神秘因子”收割。我希望你读完以后，能带着怀疑的眼光去看每一个策略，也能带着信心去构建自己的系统。
因子会撒谎，但你可以学会识破谎言。
祝你在量化之路上，少踩坑，多赚钱，睡得着觉。
作者，于2026年
（全书完）
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录