量化交易从入门到精通 02：如何挑选真正适合你的那一个-平芜编程栈

量化交易从入门到精通 02：如何挑选真正适合你的那一个

一、灵感遍地开花：策略想法的各类来源
二、策略没有绝对好坏，只有适不适合你
- 1、你的可支配时间
- 2、编程技能
- 3、资金规模：是绕不开的现实门槛
- 4、你的投资目标
三、写在最后

很多刚踏入量化交易的朋友，第一大困惑往往是：到底从哪里获取靠谱的交易策略？是不是好策略都被对冲基金锁在小黑屋里，普通人根本接触不到？

事实恰恰相反🤔。市面上公开可见的交易思路成百上千，不需要高昂成本，就能接触到大量策略灵感。学术论文、财经专栏、博客、交易论坛到处都散落着交易想法。但能看到想法≠拿到可以直接实盘赚钱的成品策略。找到策略源头只是第一步，学会结合自身条件筛选、改造策略，才是量化交易者真正的必修课。

一、灵感遍地开花：策略想法的各类来源

交易灵感来源大致可以划分为三类：学术资源、财经网站博客、交易论坛与期刊杂志。

序号	资源名称	资源类别
1	哈佛商学院金融教授网站	学术类
2	社会科学研究网络	学术类
3	美国国民经济研究局	学术类
4	商学院量化金融研讨组	学术类
5	《纽约时报》马克・赫尔伯特商业专栏	学术类
6	《经济学人》巴特伍德金融专栏	学术类
7	雅虎财经	金融网站和博客
8	TradingMarkets	金融网站和博客
9	Seeking Alpha	金融网站和博客
10	TheStreet 网站	金融网站和博客
11	The Kirk Report	金融网站和博客
12	Alea Blog	金融网站和博客
13	Abnormal Returns	金融网站和博客
14	布雷特・斯蒂恩伯格交易心理专栏	金融网站和博客
15	个人交易博客站点	金融网站和博客
16	Elite Trader	交易员论坛
17	Wealth‑Lab	交易员论坛
18	《股票、期货和期权杂志》	新闻和杂志

表格说明：上表仅为一部分公开策略灵感渠道，互联网上还有海量同类资源可以挖掘。

不少人最开始都会盯上学术论文。我早年做研究的时候，第一个实盘策略，就改编自学术文献里 PEAD 策略。但踩过不少坑：很多论文里的策略，要么逻辑过于复杂普通人很难落地；要么论文发表公开之后，市场套利力量涌入，策略已经失效；还有一部分策略高度依赖昂贵的历史基本面数据库；更有不少策略只适用于小市值股票。小市值标的流动性很差，回测看着收益亮眼，一旦放到真实市场交易，滑点会直接吞掉大部分利润😮‍💨。

那论坛、博客里网友晒出来的高夏普策略就香吗？也要打个大大的问号。

💡夏普比率：衡量每承担一份风险，可以拿到多少超额收益。数值越高代表风险调整后收益越好，负数代表承担风险却没有拿到超额回报。

网上晒出来的 “神策略”，大多有局限：只在某一段历史行情生效、只适配特定品种、关掉交易成本才好看。直接拿来实盘大概率翻车。但这不代表这些内容毫无价值。原始策略可以当做 “原材料”，我们动手微调改造，就有可能蜕变为盈利策略。

我身边就有个真实案例：朋友在 Wealth‑Lab 论坛看到一个宣传高夏普的策略，原样回测效果平平。仅仅做了简单改动：缩短持仓周期，调整开平仓时间点，改造之后，这套策略变成了收益相当不错的主力策略。

很多人会疑惑：真的有人愿意把赚钱策略公开出来？确实，完整的成品盈利策略很少会无偿分享。但底层思路到处都是，真正属于你的 “独家秘方”，并不是那个基础想法，而是你改造、调优的那部分技巧。

写交易博客也是获取灵感的绝佳途径。你分享出去一个想法，读者会反馈给你数倍的新思路，哪怕远隔十几个时区也能碰撞火花。同时读者还能帮你排雷：曾经我分享过一个教授提出的季节性选股思路，还没实盘，就有读者回测指出这套策略缺陷，后续我自己验证也确认策略无效，帮我避开一笔潜在亏损。

有意思的对比：作为独立交易者，获取想法反而比大型对冲基金内部更加轻松。曾经我在百亿规模的千禧基金工作时，见过交易员撕毁公开发表的论文，害怕程序员偷学到自己的交易思路。反观个人交易者，手里没有上亿资金，大家防备心更低，更愿意互相交流思路。

核心真相：做量化，从来不缺策略点子。真正的难点，是从一堆想法里，筛选出适配你自己的策略。

二、策略没有绝对好坏，只有适不适合你

不要迷信别人口中的 “圣杯策略”。一套策略能不能用，取决于你的客观条件：时间、编程能力、本金、投资目标。

Mermaid 流程图说明：本图梳理个人筛选策略的四大核心维度，每一项条件都会约束你的策略选择范围。

1、你的可支配时间

如果你是兼职玩家，不建议直接上手纯日内手工策略。最优选择是隔夜持仓策略；如果硬要做日内，整套系统必须高度自动化，同时配置异常告警。

我曾经一边上班一边做个人交易，只使用开盘前、收盘前各执行一次调仓的 ETF 策略。辞职初期自动化工具不完善，依旧坚守低干预策略；后来配置实时监控软件，条件满足自动下单，才实现近似 “兼职运行” 的量化交易。

2、编程技能

掌握 VB、Java、C# 这类编程语言，就可以驾驭更高频、覆盖大量证券的策略。
如果几乎不会代码，就尽量选择每日仅交易少数品种的低频策略。当然，也可以付费雇佣他人帮你完成代码开发。

3、资金规模：是绕不开的现实门槛

一般来说，账户资金低于 5 万美元，做量化会处处受限，10 万美元可以当做一条参考分界线。

资金体量会影响账户类型选择、交易品种、杠杆、乃至你买不买得起合格的历史数据。

对比项	小资金账户	大资金账户
账户模式	自营交易公司会员	独立交易账户
偏好品种	期货、外汇、期权	股票、衍生品均可
交易周期	适合日内	日内、隔夜均可
交易模式	单边交易为主	单边 / 市场中性对冲
股票标的池	小规模	大规模股票池
历史数据	日度数据，大概率存在幸存者偏差	无幸存者偏差，支持短周期 tick 数据
新闻数据源	延时、覆盖面有限	实时、全覆盖新闻库
基本面、新闻历史库	难以负担	可采购完整历史数据库

表格说明：这不是硬性铁律，是现实参考。小资金也可以通过加入自营交易公司，突破部分限制。

📌什么是幸存者偏差：只用现存的股票数据做回测，忽略已经退市、摘牌的标的，回测收益会虚高，结果会欺骗交易者。

也不用过度焦虑数据成本。我早期就使用带有幸存者偏差的免费数据源做日内策略，依旧实现盈利。只要清楚数据的短板，知道回测结果存在的偏差，免费数据源也可以为小交易者服务。但对于多日、长期持仓策略，幸存者偏差的危害会急剧放大。

另外做期货一定要留意合约本身价值。举个例子：铂金期货保证金 8100 美元，但是单张合约实际价值约 10 万美元，单日 6% 波动并不罕见，一张合约就会产生数千美元盈亏，小账户很容易被巨大波动重创。反观标普 500 迷你 ES 合约，风险相对温和很多。

杠杆也需要辩证看待：期货外汇更容易拿到高杠杆，但杠杆是双刃剑，只有策略本身持续盈利，杠杆才能放大收益；市场中性对冲策略风险更低，但会消耗更多资金或者占用杠杆额度。

4、你的投资目标

有人希望月月稳定赚钱；有人只看重多年之后的总财富。两者对策略持仓周期要求完全不同。

想要每个季度甚至每个月都看到稳定收益，就要缩短平均持仓周期；如果持仓长达数月乃至一年，单月收益必然大幅波动，哪怕组合持有几百只股票也很难抹平起伏。

很多人固有认知：想要长期最高收益，就买入并长期持有。这个结论在量化视角下并不成立。抛开税务、借贷约束，长期最高收益来自夏普比率最高的策略，可以借助杠杆放大收益。
一个短期、年化不高但是夏普很高的策略，长期下来，收益甚至可以碾压高收益但夏普糟糕的长线持有策略。这点后续在资金风险管理章节还会深入拆解。