量化进阶 · 组合与机器学习 · 第 4 期

A 股量化,水土不服在哪

china-specific constraints · limit-up, T+1, halts, ST

把美股动量策略原样搬到 A 股,回测好看实盘亏。原因不在策略,在市场结构:涨跌停锁死流动性、T+1 让日内策略失效、停牌频发打乱回测、ST 戴帽改变风险结构。一句话——A 股不是"美股+中文",是一套独立约束系统,策略必须为它重新设计。
⏱ 约 12 分钟 🎯 做 A 股量化的人 📦 源:ht-ashare-quant

01反共识:A 股不是"美股+中文"

很多人觉得"策略逻辑一样,换个数据源就行"。错——A 股的四个约束会让同一个策略跑出完全不同的结果。

涨跌停:主板 ±10%,创业板科创板 ±20%,ST ±5%。听起来只是限制,实际影响巨大——涨停板你想买买不到,跌停板你想卖卖不掉。流动性在极端时刻直接消失,而极端时刻恰恰是策略最想交易的时刻。

可执行交易 = 信号 × (1 − P(涨停未开) − P(跌停未开) − P(停牌))

T+1:今天买明天才能卖。美股的日内反转、T+0 套利、高频做市在 A 股全部失效。你能做的只有"持仓过夜"型策略,日内波动再大也吃不到。这把 A 股策略的可行域砍掉一大半。

A 股不是美股+中文,
是独立约束系统。
灏天文库 · 量化进阶·组合与机器学习 P.10

02A 股约束演示器:调涨跌停看策略能跑出多少

一个理论年化 20% 的策略,在美股无约束下能跑满。搬到 A 股,调涨跌停比例、停牌率、T+1 影响,看实际能跑出多少——约束越严,理论收益打折越狠。

🧪 A 股约束演示器
调约束强度,看理论策略在 A 股实际能跑出多少收益。
10%
3%
20%
实际可执行 涨跌停损失 停牌损失 T+1 损失
理论年化
20%
实际年化
—
收益留存
—

03A 股量化的四个特殊性

涨跌停

流动性在极端时消失

策略最想交易的时刻恰恰是涨跌停时刻,买卖盘被锁死。回测必须模拟"未成交",不能假设按收盘价成交。

T+1

日内策略全部失效

今天买明天才能卖,T+0 套利、日内反转、高频做市都做不了。可行策略只剩持仓过夜型。

停牌

回测被打乱

重组、重大事项停牌几天到几个月,复牌后跳空。回测若不处理停牌,会把停牌期当正常持仓,结果失真。

ST 制度

风险结构突变

戴帽后流动性骤降、波动放大、退市风险显性化。ST 股池和正常股池是两个世界,策略要分池设计。

这四个特殊性不是"调参数能绕过"的,是结构性约束。所以 A 股量化圈有一套自己的工具链:tushare/akshare 拿数据、baostock 补历史、本地数据库处理停牌复权、回测引擎必须支持涨跌停模拟和 T+1。直接用 backtrader/zipline 的美股默认配置,回测结果会系统性高估收益。

极端时刻想交易,
恰恰交易不了。
灏天文库 · 量化进阶·组合与机器学习 P.11

04带走这套清单

✅ A 股量化 6 条本土化

  1. 回测必须模拟涨跌停:未成交单按次日开盘重试,不能假设按收盘价成交。
  2. 处理停牌与复牌:停牌期不计持仓收益,复牌跳空单独建模。
  3. 分池设计策略:ST 股、新股、主板、创业板/科创板分开做,别混池。
  4. 接受 T+1 约束:放弃日内策略,专注持仓过夜型,调仓频率降到日级以上。
  5. 用 A 股专用数据源:tushare/akshare + 本地清洗,别直接套美股数据接口。
  6. 成本按 A 股算:佣金+印花税+过户费,双边成本约 0.15%,比美股高一个量级。
美股策略原样搬,
A 股回测高估三成。
灏天文库 · 量化进阶·组合与机器学习 P.12