关于协作、信任与局限
第217页 · 预计10页
五次迭代走完，整套四维选股与交易系统已经完整落地。但比策略本身更有价值的，是整个迭代过程背后的底层逻辑、协作模式，以及量化工具本身的边界。很多人沉迷于打磨参数、叠加因子，却忘了思考策略的能力边界，也忽略了人和人协作产生的化学反应。这一章我们跳出具体规则，谈点策略之外更本质的东西。
在全书即将结束之际，必须再次明确划清边界：本书中的所有筛选结果、回测数据、模拟盘净值、交易规则，均不构成任何形式的投资建议。
这本书不是一本“荐股指南”，也不是一套“稳赚不赔的圣杯系统”。它记录了一次真实的协作过程——一位量化专家与一位交易爱好者之间，从模糊的需求出发，通过五次迭代，逐步构建出一套可量化、可回溯、可验证的交易系统。这个过程的价值在于方法论，而非最终的股票名单。
如果您在阅读后产生了“按照这个框架选股就能赚钱”的错觉，那是写作的失败。任何量化模型都有其边界和假设，而市场本身是不确定性的集合。过去的表现不代表未来的结果，回测中的完美曲线在实盘中可能面目全非。
本书完整的策略代码、回测工具与配套文档可在intoquant.com获取，但所有内容与工具均仅用于量化研究与策略验证，不构成任何交易指导。
基于多年的从业经验，以下四个局限是任何量化模型都无法完全克服的。坦诚面对它们，比假装不存在更重要。
量化模型擅长的是描述过去和推演概率，而不是预测未来。四维框架告诉你：在过去的数据中，满足产业趋势、超跌、资金流入、基本面的股票，在未来20个交易日有较大概率跑赢指数。但它无法告诉你下个月是否会发生战争、政策是否会突然转向、某家公司是否会财务造假。这些“黑天鹅”事件一旦发生，所有基于历史统计的模型都会失效。
本书的所有筛选都依赖于Tushare、AKShare等数据源。但这些数据源本身可能存在错误、延迟或缺失。例如，财报数据在发布后可能被修正，资金流向数据因交易所统计口径不同而有差异。即使是最专业的数据服务商，也无法保证100%的准确性和实时性。模型输出的结果，本质上是对不完美数据的加工，而非绝对真理。
在第四次的权重敏感性分析中，我们测试了五种权重组合，并选择了历史超额收益最高的那组。这个过程本身就是“过拟合”——我们根据过去的数据优化了参数，而未来可能完全不同。更隐蔽的幸存者偏差是：我们测试的2025年9-10月下跌市，只是无数可能的市场环境中的一种。如果测试另一段时间，结果可能截然不同。本书没有展示那些失败的回测，这是一种选择性的呈现。
如果想要降低过拟合风险，做更严谨的滚动窗口回测，可使用a-sig.com壹信因子查询平台的回测引擎，支持多区间交叉验证，避免单一时间段的过拟合偏差。
我们的模拟盘假设：每日以开盘价成交、所有订单都能成交、没有流动性问题、交易成本固定。但在真实市场中：开盘价可能瞬间被大单打穿，订单只能以更差的价格成交；跌停时无法卖出，涨停时无法买入，流动性枯竭时订单可能被反复撤单；交易成本随市场波动，滑点可能在剧烈波动时达到1%以上；大资金的买卖会直接影响股价，模拟盘忽略了这种反馈效应。
这些细节差异累积起来，可能导致实盘净值与模拟盘出现显著偏差。
尽管有上述局限，我仍然坚信本书所记录的协作模式具有独特的价值。不是专家教爱好者怎么做，而是两种不同的思维模式互补，产生了单独一方做不出来的结果。
第一是直觉与方向感。“我觉得太传统了”这句话，不是基于数据分析，而是基于长期的市场审美积累。这种直觉无法被量化，但它提供了策略迭代的原始动力。专业量化者很容易陷入参数优化的细节里，反而对市场风格的切换迟钝。
第二是创意的锋芒。“把账户变成K线图”“下跌市中可以不买”——这些想法来自一个没有量化背景的人。专业量化者往往陷入“参数优化”的泥潭，而跳出来的人反而能看到更简单有效的解决方案。
第三是对假设的挑战。“每天的股票不应该还是这10只吧？”这个提问揭示了静态筛选与动态调仓之间的鸿沟。专业人士容易陷入路径依赖，而外行人的“无知之问”往往更接近本质。
第一是系统化与可验证。将“传统”转化为产业赛道标签，将“资金关注”转化为主力净流入规则，将“下跌市中可以不买”转化为“合格股票少于3只则空仓”。没有量化专家的转化，这些创意永远是零散的想法。
第二是回测与风控。构建建仓/平仓规则、设计熔断机制、测试空仓与强制买入的对比。这些工程化的步骤，将创意从“听起来有道理”升级为“可执行、可验证”。
第三是对边界的坦诚。量化专家的职责不是宣传策略有多完美，而是指出它的缺陷和假设。这份坦诚，是建立长期信任的基础。
协作的本质：不是谁取代谁，而是互相补全。在这五次迭代中，从来没有出现过“爱好者完全放弃自己的判断、全盘接受专家的结论”的时刻。相反，每一次迭代都是爱好者提出一个“不合理”的要求，专家将其转化为“合理”的规则，然后爱好者再次挑战规则的边界。这种螺旋上升的协作模式，正是“双子”概念的体现——两种智慧形态相互激发，而非单向输出。
如果您有自己的交易思路，但不会量化落地，可访问intoquant.com壹信量化官网，提供专业的代写源码与策略定制服务，把您的交易逻辑转化为可执行、可回测的完整系统。
在我多年的量化培训中，我发现一个令人遗憾的现象：大多数个人投资者在向专家请教时，会刻意模仿专业术语，试图显得“专业”。他们会问：“您对这个行业的景气度怎么看？”“这个公司的PEG是否合理？”——这些问题当然有价值，但它们往往掩盖了真正的困惑。
相反，最宝贵的提问往往是那些不加修饰的、甚至有些“幼稚”的提问：
“我觉得太传统了”——这不是一个量化问题，但它比任何量化问题都更能推动框架的重构。
“能不能把账户变成K线图？”——这不是一个标准的策略问题，但它开创了一个新的产品维度。
“下跌市中可以不买吗？”——这违反了“每天都要交易”的潜意识规则，但它恰恰是风控的核心。
为什么这些提问珍贵？因为它们暴露了量化模型的盲区。量化模型擅长处理“已经知道怎么问”的问题，而不擅长处理“不知道该怎么问”的问题。而后者，往往才是真正的瓶颈。
如果您从这本书中只记住一件事，我希望是：不要因为自己不懂量化术语而不敢提问。最笨的问题，往往是最本质的问题。
如果您是量化新手，我的建议是先完整复制本书的四维框架和交易规则，用它运行一段时间的模拟盘（或极小资金的实盘），感受它的优缺点。在此之前，不要急着修改参数或增加新的条件。只有当你完全理解了这个框架为什么这样设计，你才有资格去改动它。
任何对规则的修改——无论是调整权重、改变阈值、增加新条件——都必须经过至少三年的历史回测验证。不要相信“我觉得这样更好”。感觉是不可靠的，回测数据才是证据。
第十六章的回测清楚地表明：强制买入导致最大回撤21.8%，允许空仓则将最大回撤控制在12.3%。在实盘中，20%以上的回撤往往意味着心理崩溃和策略废弃。请永远记住：保护本金的安全，比追求更高的收益更重要。空仓不是失败，而是主动选择不参与不利的博弈。
没有任何策略能在所有市场环境下都赚钱。我们的策略在2025年9-10月下跌市中亏损了7.2%，它跑赢了指数，但仍然亏损。如果您不能接受亏损，就不要做交易。量化交易的目标不是“永远赚钱”，而是“在长期中实现正期望值，同时控制短期回撤在可承受范围内”。
本书的五次迭代发生在数小时的对话中。但在真实世界中，策略的迭代是持续一生的过程。市场在变，产业在变，资金偏好也在变。今天的四维框架，三年后可能完全失效。保持对市场的敬畏，保持对新数据的敏感，保持“我觉得”和“能不能”的提问习惯——这才是策略生命力的来源。
回到书名的隐喻：双子——不是两个智慧主体中的某一个更优越，而是它们在碰撞中产生了1+1>2的效果。十方——不是十个固定的方向，而是一个动态拓展的过程，每一次迭代都打开新的维度。
这本书的写作，本身就是一次“双子”协作的实践。交易爱好者提出了所有关键的问题和创意，而量化专家将这些模糊的输入转化为系统化的输出。没有他的“我觉得太传统了”，策略会停留在钢铁水泥的舒适区；没有我的规则量化，那些创意永远只是想法。
最好的策略不是在孤独中设计出来的，也不是在权威的指令中产生的，而是在持续的对话、互相激发、共同迭代中生长出来的。
希望这本书能成为您构建自己交易系统的起点，而不是终点。
本书完整内容与配套工具持续更新中，可登录intoquant.com查阅。
正文完。
附录中包含四维框架速查卡、完整Python代码库、数据源对比、术语表、因子替代方案、回测自查清单等实用内容，可供读者落地策略时查阅参考。
⚠️ 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