我叫顾知行，日常工作是给量化团队做策略评审和交易链路验收。很多人问“量化交易是怎么操作的”，其实它不是一句“用程序自动买卖”就能概括的事，而是一条从想法验证、数据处理、回测评估、风控约束到真实下单的流水线。你把它理解成“可复用的交易生产线”更贴切：每一步都要能解释、能复现、能被风控拦得住，才能上线。
我会按我在团队里最常用的视角，把量化从0到1的操作拆开讲：你需要准备什么、每一步在干什么、常见坑在哪里、最后如何落到“能活着运行”的交易系统。
量化策略最核心的产物不是观点，而是一组能在任何时刻给出一致动作的规则：什么时候买、买多少、什么时候卖、遇到极端行情怎么退场。把“感觉会涨”翻译成规则，是第一道门槛。
我常见的策略来源大致三类：
- 统计规律型：例如均值回归、动量、期限结构、价差、波动率结构。它们不要求你解释“为什么”，但要求你能证明在历史上“经常如此”，并且在交易成本之后仍有空间。
- 事件/信息型：财报、公告、宏观数据发布、期权到期、再平衡等。更像“条件触发器”，但对数据时间戳要求极严。
- 微观结构型：盘口、成交簿、撮合节奏、冲击成本。更偏高频或日内，对基础设施与费用敏感。
在把想法落成规则时，我会逼自己写清三件事：
这也是为什么很多“看起来很灵”的想法，上线后不灵：因为它只停留在观点，没有变成在任何情况下都能执行的“机器可读规则”。
量化团队里最贵的不是GPU，是“脏数据导致的虚假收益”。我做评审时会优先检查两件事：时间对齐与交易成本。
时间对齐：避免“偷看未来”很多策略回测收益漂亮，问题出在拿到了当时不可能拿到的数据。典型例子：
- 用收盘价生成信号，却假设能以收盘价成交；更合理的是用下一根K线开盘、或设置滑点后成交。
- 财务数据、指数成分、公告的“披露时间”被忽略，回测直接用“生效日”的数据，相当于提前知道。
- 用分钟级信号却用日线成交价结算，频率不匹配。
我的经验是：回测系统必须有可追溯的时间戳字段（数据产生时间、披露时间、可交易时间），没有就不要相信收益曲线。
成本模型：把“能赚”变成“能落地”量化交易是怎么操作的，落地时一定要把费用拆成三类：
- 显性费用：佣金、交易所/平台费、税费（视市场而定）。
- 隐性成本：买卖价差、滑点、冲击成本（下单越大越明显）。
- 约束成本：涨跌停、停牌、可融券量、最小下单单位、撮合规则。
如果你做的是A股或流动性一般的标的，冲击成本可能直接把“纸面alpha”吃光；做数字资产或外汇，价差和手续费结构又会很不同。成本不建模，回测只是“数学游戏”。
回测要看什么：不只看收益率我在评审里不会只问“年化多少”。更重要的是：
- 回撤与回撤修复时间：你能不能承受它。
- 收益来源稳定性：是不是集中来自少数几天/几只标的。
- 换手与容量：资金变大后还能不能做。
- 鲁棒性：参数稍微变动、样本切分后是否还站得住。
至于统计显著性、过拟合检测、样本外验证这些话题，可以很复杂，但最朴素的一句是：同一个想法，换市场、换时间、换成本假设后是否仍合理。
回测通过不代表能实盘。实盘系统至少要包含三块：风控层、执行层、监控层。很多个人量化卡在“能出信号、不会下单”，或者“能下单、遇到极端就爆”。
风控层：把策略关进笼子里我会把风控分成策略内与策略外两类。
- 策略内风控：止损/止盈、波动率目标、最大持仓、单标的集中度、信号失效后的降仓。
- 策略外风控：账户级最大回撤、单日最大亏损、杠杆上限、保证金预警、黑名单（重大事件、停牌、流动性骤降）。
很多机构会做“硬风控”：触发阈值就强制减仓或平仓；也会做“软风控”：触发后只能下更小的单、或只允许平仓不允许开仓。个人做量化也建议至少有账户级的硬阈值，否则一次极端波动就把长期优势抹掉。
执行层：信号到成交，中间隔着一条“现实”信号发出后，真正的问题是：用什么方式成交、成交多少、成交得多快。
常见执行方式从简单到复杂大致是：
- 市价/限价直接下单：适合低频、流动性好且不追求精细成本控制的策略。
- 拆单执行：把大单拆成多笔，减少冲击。
- 算法执行：例如按成交量比例、时间均匀等方式下单（具体是否可用取决于券商/交易接口能力）。
执行层还要处理一堆“脏活”：部分成交怎么补、撤单频率限制、价格笼子、盘口跳价、断线重连、订单状态不一致等。量化实盘里最常见的亏损，不是模型错，而是执行与风控没兜住。
监控层：你需要“报警”，而不是“祈祷”上线后我会要求至少有三类监控：
- 交易监控：订单失败率、滑点异常、撤单异常、成交偏离。
- 策略监控：信号频率突变、因子分布漂移、相关性突然升高。
- 系统监控：延迟、断线、数据缺失、时钟漂移。
监控的目的不是让你盯盘，而是当系统偏离预期时能及时停机或降级。
我见过太多把量化当“自动提款机”的预期，最后输在三个误区上：
误区一：只要回测好看就能实盘回测是筛选，不是证明。尤其当你用到了高自由度模型、频繁调参、样本期过短时，过拟合概率会明显上升。
误区二：忽略容量与流动性小资金能跑的策略，资金变大后会被冲击成本吞噬；小币种、小盘股更明显。
误区三：风控靠“我会盯着”人盯盘无法覆盖断网、接口故障、极端行情连续跳空等场景。量化的本质是流程化，风控也必须流程化。
如果你在选择券商、交易接口或数据源时想对照权威口径，建议直接看交易所/监管或官方文档的描述与接口规范。比如A股交易规则与公告可在上海证券交易所网站（https://wvw.sse.com.cn）与深圳证券交易所网站（https://wvw.szse.cn）查询；国内证券期货监管信息可在中国证监会官网（http://wvw.csrc.gov.cn）查看。不同市场规则差异很大，别用“别的市场能这么干”去套。
我写到这里，你应该能更具体地理解“量化交易是怎么操作的”：它不是一段策略代码，而是“规则 + 数据 + 回测评估 + 风控约束 + 执行系统 + 监控告警”的组合。你如果愿意再往前走一步，最实用的起点通常不是追求高深模型，而是选一个你能拿到可靠数据、能清楚建模成本、能严格做风控的简单策略，把这条链路跑通。跑通一次，你再谈更复杂的因子和模型，成功概率会高很多。
