第 1 章 · 01 量化研究是什么
文档摘要
第 1 章 · 01 量化研究是什么 本节摘要:本节为全教程定调——量化研究是什么。一句话:它是「用数据和方法模型做投资决策」的学科,区别于依赖经验与直觉的主观投资。量化研究可粗分为三个层次:描述(市场是什么样的)、预测(未来大概率怎样)、决策(具体怎么买卖)。本节会厘清几个常被混淆的概念(量化/程序化/高频/算法交易),并点出量化研究最大的敌人——过拟合。读完本节,你对「量化研究」有准确、祛魅的认识,为后续方法论学习打好心态基础。 内容来源:综合本仓库 README 与量化研究通用方法论,知识结构化整理。 ⚠️ 学习提示:本节旨在祛魅——量化不是「稳赚」,它有严格的能力边界和固有风险(尤其过拟合)。请带着批判心态进入后续章节。
第 1 章 · 01 量化研究是什么
本节摘要:本节为全教程定调——量化研究是什么。一句话:它是「用数据和方法模型做投资决策」的学科,区别于依赖经验与直觉的主观投资。量化研究可粗分为三个层次:描述(市场是什么样的)、预测(未来大概率怎样)、决策(具体怎么买卖)。本节会厘清几个常被混淆的概念(量化/程序化/高频/算法交易),并点出量化研究最大的敌人——过拟合。读完本节,你对「量化研究」有准确、祛魅的认识,为后续方法论学习打好心态基础。
内容来源:综合本仓库 README 与量化研究通用方法论,知识结构化整理。
⚠️ 学习提示:本节旨在祛魅——量化不是「稳赚」,它有严格的能力边界和固有风险(尤其过拟合)。请带着批判心态进入后续章节。
学习目标
阅读完本节,你应当能够:
- 用一句话说清量化研究的定义及其与主观投资的区别。
- 说出量化研究的三个层次(描述/预测/决策)。
- 厘清量化/程序化/高频/算法交易这几个易混概念。
- 认识量化研究最大的敌人——过拟合。
一、定义:用数据与模型做投资决策
量化研究(Quantitative Research)的本质:用数据和数学模型来分析市场、预测收益、决定交易。它和主观投资的对比:
| 维度 | 主观投资 | 量化研究 |
|---|---|---|
| 决策依据 | 经验、直觉、调研、故事 | 数据、因子、模型、统计 |
| 表达方式 | 定性判断(「这家公司好」) | 定量规则(「因子值前 20% 买入」) |
| 可回测性 | 难(规则模糊) | 易(规则明确,可历史回测) |
| 可复制性 | 依赖个人 | 规则可复制、可验证 |
| 主要风险 | 认知偏差 | 过拟合、数据问题、模型假设失效 |
💡 核心心法:量化不是「比人更聪明」,而是「把决策规则化、可验证、可复制」。它的力量来自纪律——同样的规则,机器会不折不扣地执行,而人会受情绪干扰。但规则若是错的或过拟合的,纪律只会让你「精确地亏钱」。
二、量化研究的三个层次
量化研究可按「离钱远近」分三层:
描述层(发生了什么) → 预测层(未来可能怎样) → 决策层(具体怎么操作)
描述层:刻画市场
计算各种统计量与指标——收益率分布、波动率、相关性、技术指标。本教程第 3 章技术指标、第 7 章高频因子属于此层。这是基础,但描述本身不产生收益。
预测层:预测未来
建立「因子/特征 → 未来收益」的预测模型。第 2 章多因子、第 4~6 章机器学习/深度学习选股属于此层。这是量化研究的核心,也是卖方研报最密集的区域。
决策层:落实到操作
把预测变成具体的持仓与交易:组合优化、风控、执行。第 9 章组合优化、第 11 章 CTA、第 12 章回测框架属于此层。离钱最近,工程性最强。
💡 关键观察:很多人卡在「预测层」出不来——预测准了却亏钱,往往是决策层没做好(组合没优化、风控缺失、交易成本没算)。完整的量化研究三层都不能少。
三、易混概念辨析
这几个词常被混用,但含义不同:
| 概念 | 含义 | 关系 |
|---|---|---|
| 量化研究 | 用数据和模型研究市场与策略 | 最广义,涵盖下面所有 |
| 量化交易 | 依据量化规则执行交易 | 量化研究的落地 |
| 程序化交易 | 由程序自动执行交易 | 强调「自动执行」,可有量化内核也可无 |
| 算法交易 | 用算法优化下单执行(拆单、TWAP/VWAP) | 强调「执行算法」,偏微观 |
| 高频交易(HFT) | 极高频(微秒~秒级)的交易 | 量化的极端形态,对硬件/数据要求极高 |
本教程主要覆盖「量化研究 + 量化交易」(分钟到日的频率),不深入 HFT 的微秒级领域。
四、量化研究的闭环
一个完整的量化研究流程是闭环的:
每一环都有专门的技术,本教程的 12 章正是按这个闭环组织的:
- 数据(第 12 章)、因子(第 2/7/8 章)
- 模型(第 4/5/6 章)、回测(第 3/6/12 章)
- 组合风控(第 9 章)、策略(第 10/11 章)
五、最大的敌人:过拟合
量化研究有一个贯穿始终的敌人:过拟合(Overfitting)——模型把历史数据里的「噪声」当成了「规律」,回测漂亮但实盘失效。
过拟合在量化里尤其猖獗,因为:
- 数据有限:金融市场数据样本少(尤其低频),容易记住噪声。
- 尝试次数多:试 100 个因子,总有个别「看起来有效」实则是偶然。
- 未来函数:不当使用了未来才能知道的信息(第 6 章 freqtrade 教程详谈)。
防过拟合的核心手段:
- 时序交叉验证(第 4 章):按时间切分,绝不能随机切。
- 样本外检验:留一段数据不参与调参,最后验证。
- 简约性:因子/参数越少越好,越复杂越容易过拟合。
- 经济逻辑:一个因子除了统计有效,还应有可解释的经济原因。
⚠️ 学习提示:本教程每个涉及回测/模型的章节都会反复回到「过拟合」这个主题。卖方研报的回测普遍存在乐观偏差——读任何回测结果,先问「这会不会是过拟合」。
六、本教程的学习心态
- 学方法论,而非抄策略:研报里的具体数字换段行情就会变,但方法论(怎么测因子、怎么防过拟合)是长久的。
- 重代码,更重原理:仓库代码不多,但每个原理都该理解「为什么这样设计」。
- 保持批判:研报是卖方写的,有利益立场;回测有乐观偏差;历史不代表未来。
- 小步验证:任何策略先在样本外、再在模拟、最后小额实盘,逐级升级信任。
本节要点回顾
- 定义:量化研究是用数据和模型做投资决策,核心是「规则化、可验证、可复制」,力量来自纪律。
- 三个层次:描述(市场什么样)→ 预测(未来怎样)→ 决策(怎么操作);只做预测不做决策会「预测准却亏钱」。
- 概念辨析:量化研究(最广)> 量化交易 > 程序化(自动执行)> 算法交易(执行优化)> HFT(微秒级)。
- 闭环:数据→因子→模型→回测→组合风控→执行→反馈,本教程 12 章按此组织。
- 最大敌人:过拟合——数据少+试得多+未来函数;防线是时序交叉验证、样本外、简约性、经济逻辑。
- 学习心态:学方法论非抄策略、重原理、保持批判、小步逐级验证。
下一节,我们画出本仓库的资料地图——华泰/海通/广发的研报、论文、代码、工具各在哪、讲什么、该按什么顺序读。