我叫顾砚，在深圳一家公司做量化研究员，第 8 年。
每天收盘后，总会有读者在后台问我两个问题：
“量化交易策略，普通人到底能不能用？”
今天这篇，就干脆把我日常做策略的一套“简化版流程”摊开讲清，而且是写给非程序员、非金融硕士看的版本：你不需要会写复杂代码，也不用背一堆公式，只要想搞明白：量化交易策略，是不是能帮自己少踩点坑，多一点确定性。
如果你想在市场里少一点情绪化，多一点规则感，这篇会对你有用。
很多人对“量化交易策略”的第一印象，是一堆代码＋高频交易＋暗黑技术。
实话说，在顶级机构里确实有那种级别的复杂度，但落到普通投资者身上，量化这个词，可以简单粗暴地理解成四件事：
- 有一套清晰写出来的逻辑：什么时候买、什么时候卖、买多少，全写成规则
- 这些规则是基于历史数据验证过的：不是拍脑袋
- 执行时尽量不掺杂情绪和临场发挥
- 能定期量化评估好坏：用数字，而不是感觉
互联网券商公开的数据里，2026 年上半年，A 股活跃账户中有记录的“高频频繁买卖账户”，亏损比例明显高于“低换手率账户”；而同期，一些券商对自营量化策略的统计显示，在同一市场环境下，波动虽然也不小，但回撤控制大多优于散户平均水平。
这不是说“散户注定输”，而是说：有规则、有验证，比凭感觉乱冲，长远看要好太多。
你可以先把“量化交易策略”想象成这样一件事：把你脑子里模糊的想法，变成一句一句写得清清楚楚的“如果……就……”规则，然后拿历史数据去验证，到底值不值得遵守。
很多人一上来就问：“老师，有没有一套通吃牛熊的量化交易策略，稳健年化 30% 的那种？”
我每次听到这种问题，都有点想笑又有点心疼。任何严肃的量化团队都知道：真正能跑得久的策略，几乎没有一套是从“我要 30% 年化”开始构建的。
更现实的做法，是从一个非常小的、具体的问题开始：
- 我手里大部分时间是做指数基金定投，有没有更聪明一点的买入节奏？
- 我喜欢买龙头股，能不能用一些量化指标帮我过滤掉“伪龙头”？
- 我已经用某个交易软件，能不能用它自带的量化功能做最简单的策略？
拿“指数定投”这个最常见的需求举个例子。你可能已经在做按月定投，但心里总有一个疑惑：是不是可以“跌多一点再多买一点”，这样长期收益会更好？
这就是一个非常适合做成量化交易策略的小问题——因为它有三个特征：
- 场景清晰：只针对指数基金的买入节奏，不管卖出
- 易于量化：指数点位、涨跌幅、估值指标，都是数字
- 有大量数据：主流宽基指数都有十几二十年数据可回溯
于是，一个极简的量化策略雏形就出来了：
- 当指数跌破过去 60 日均线，一周内分两次加大买入
- 当指数明显高于 60 日均线，不停止定投，但把单次金额降低一些
听上去是不是很朴素？但只要你肯把这个规则用历史数据跑一遍，就会看到：在某些指数上，它确实提升了长期收益，在某些指数上效果不大甚至变差。
这就是量化带来的第一个红利：你终于不再靠感觉争论，而是用数据说话。
很多人卡在“概念理解”这个阶段，很大原因是脑子里老是浮现那种满屏代码的画面，从一开始就把自己吓退了。
我试着用一个不那么吓人的“三步法”，带你走一遍策略搭建的最小闭环。你可以先用纸和 Excel，完全不写代码。
第一步：把模糊想法写成“条件句”把你的想法拆成几种“看得见”的条件：
- 市场便宜的特征：例如指数跌幅超过一定比例、市盈率低于过去 80% 的时间
- 市场太热的特征：例如涨幅过快、情绪指标高位
- 你的动作：买入多少、减少买入、暂时观望等
写的时候，把所有“感觉”换成“数字”：
- 不写：“跌得有点惨就多买一点”
- 要写：“当指数近 20 个交易日跌幅超过 10%，本周买入金额×2”
这一步，你可以先不管对错，只要做到一句话别人能照着执行，就算达标。
第二步：用历史数据模拟“如果当年就这么干”这一步就叫回测。
哪怕你只会用 Excel，也完全可以做一个粗糙版：
- 找到指数或股票的历史价格数据（券商软件、指数官网一般都能导出）
- 建一个表：按日期逐行列出价格
- 按你的条件句，在对应日期标记你会“买入多少”“卖出多少”
- 计算到今天你会有多少份额、账户大概多大
不少券商在 2024-2026 年都在升级自己的“策略回测”模块，就是为了把这件事情变简单：你只要把规则往里填，系统会帮你跑一遍历史。如果你有点折腾精神，也可以用 Python 之类的语言配合开源回测框架做，这也是近几年个人量化爱好者比较流行的玩法。
在这一步，你会收获一个很现实的体验：很多“自以为聪明”的规则，被历史数据打脸。这很正常，也很宝贵，因为你是在用过去的数据付学费，而不是用真金白银。
第三步：先小仓位真跑，感受“和自己对着干”的感觉回测看起来不错，不代表未来一定赚钱，这个坑我见过太多。
所以在正式把资金交给任何一个量化交易策略之前，我会坚持一条原则：先用很小的资金真实跑一段时间，感受一下它在现实市场里的表现——尤其是它会如何频繁地和你的直觉唱反调。
例如：
你看到市场暴跌很慌，想停手不买；策略却在提示：“当前满足买入条件，应加大买入。”
你觉得涨到这个位置差不多了，想卖掉落袋为安；策略却说：“尚未触发卖出规则，继续持有。”
那一刻，你会第一次真切地体验到：量化最难的部分，不是写规则，是不乱改规则。
有些券商和基金公司在 2026 年披露过一个数据：采用“程序化执行策略”的机构账户里，策略本身盈利能力相近时，人工干预越多的账户，长期收益普遍更差。原因不复杂——人总是习惯在最害怕、最贪婪的时候改规则，而这恰恰是最该听规则的时候。
聊到这，你可能已经被点燃了一点点尝试的兴趣。但容我泼一盆冷水——多数刚接触量化交易策略的人，会在同几个坑里摔跤。
我把自己和身边人踩过的，挑几个典型的说清楚。
过度“调参”，其实是在给历史化妆很多人玩回测，一上来就沉迷于“调参数”：今天把均线从 20 日改成 17 日，收益曲线好看一点；明天再改成 19 日，回撤又小了一点，心里很爽。
结果是：你调整的不是策略的逻辑，而是迎合历史数据的细节。这就像拿一张旧照片 P 图，把皱纹磨平，把光线调亮，看着很完美，但那个人已经不真实了。
在业内，这个问题有个专业名词叫“过拟合”，但你记不住也没关系，你只要记住一个生活化的判断标准：
- 如果你只是换了一下阈值（比如 10% 换成 8%），结果就天翻地覆，多半是在过拟合
- 一个靠谱的策略，参数在一个合理区间里浮动，结果会有变化，但不会从天堂掉到地狱
我会给初学者一个简单建议：用少量、不要太精细的参数，宁愿粗糙一点，也不要打磨成“历史完美版”。
把复杂度当安全感，是很多新手的幻觉这一点，在程序员当投资者身上特别明显。
写代码写惯了，总觉得：“再加一个过滤条件，策略会更安全”；“再嵌套一个逻辑判断，会更精细”。
最后写出一个看起来极度复杂的策略：好几十个条件，几十个参数，连自己都说不清哪个环节真正起作用。这样的策略，看上去像一座精巧的大楼，但任何一个数据环境的小变化，都可能让它摇摇欲坠。
反而是最简单的那些规则——比如只用趋势＋仓位控制——在 2020-2026 这样反复震荡的市场里，展现了很顽强的生命力。一些海外量化对冲基金在公开访谈中也反复强调：能长期活下来的策略，大多逻辑直白，解释得清楚。
对普通人来说，一个很现实的标准是：
- 如果你不能在 2 分钟内，用白话把自己的策略讲清楚，那你大概率也驾驭不好它
忽视成本和滑点，再漂亮的收益都是幻觉在回测里，你下单没有手续费、没有延迟、没有滑点，简直像生活在理想国。
可一旦到了真实市场：
- 你会发现每笔交易要付佣金、过户费
- 高频进出会让成本累加成可观的数字
- 一些不够流动的标的，你想按回测里的价格成交，难度极大
2026 年初，某头部券商披露的内部统计显示：对一类高换手率策略，如果不计成本，年化收益看起来是 18% 左右，扣掉真实成交中的佣金和价差影响，实际年化只有约 10% 出头。
这就是为什么我一直建议新手：在没搞清楚真实交易成本前，不要迷恋那种看起来一天几十次交易的“爽感策略”。
做一个稍微“笨一点”的低换手策略，稳扎稳打，更接近真实可拿到手的收益。
写到这里，我们不妨停下来问一句：你到底图什么？
很多人对量化的期待，带着一点赌博式幻想：“要么暴赚一把，要么认栽。”
可我这些年看到的，真正用量化交易策略获益的人，大多心态平和很多：
- 有的是医生、程序员，把一部分闲钱用简单策略打理，目的是让自己少盯盘，有事干
- 有的是小微老板，通过规则化仓位和止损，避免在生意不好的时候被股市再狠狠多踩一脚
- 还有一些是已经在基金里定投的人，只是希望用量化的方式让自己更有“掌控感”，不再因为短期波动而频繁怀疑自己
如果你也是这样的人，那么你需要的不是一套“暴富脚本”，而是一套让自己更有边界感的工具：
- 边界一：只用自己能长期不用的钱做策略
- 边界二：任何策略都先从小仓位开始，能睡得着觉
- 边界三：给策略设一个“观察期”和“止损线”，数据说它不行，就接受现实
在这套边界之内，量化交易策略带来的，不一定是耀眼的收益曲线，但它可以帮你做到两件非常重要的事：
- 不再每次大跌都惊慌失措，不知道该买还是该跑
- 不再在涨多一点和跌一点点之间反复纠结，浪费精力
很多人读到这里，会产生一个冲动：“我也想试试，用一套自己的量化交易策略来管理一点资金。”
那就不要把这股冲动浪费掉。
你可以今天就做几件非常具体的小事：
- 写下你现在最真实的困惑：是定投节奏？是止损规则？还是持仓太乱？
- 从中选一个最刺眼、最想解决的问题，作为你“第一个策略”的方向
- 打开你常用的券商软件，找找有没有简单的策略回测或条件单功能
- 用最朴素的数字语言，把你的想法写成 3～5 条“如果……就……”的规则
这就是你和“量化交易策略”的开始。
你可能暂时写不出那些机构级别的东西，也暂时用不上高频机器学习模型，但并不妨碍你借用量化的核心精神：
用规则和数据，替代一部分情绪和幻想。
哪怕未来你发现，这条路自己并不打算走得太远，你也会对“自己和市场的关系”看得更清楚一些。
如果你愿意，我们可以在后面的文章里，一起拆解几套常见的简易策略——比如“指数估值定投法”“趋势＋仓位控制法”——看一看，在当下这个瞬息万变又信息爆炸的市场里，它们到底还能帮普通人做点什么。
