为什么量化系统做好了却不敢用？

我自己的量化系统做了挺久：数据能拉，因子能算，报告能出，交互和性能也都过得去。但到现在，我没开过一次实盘。

不是回测结果难看。是无论结果好看难看，我都说不清那个数是不是真的。

数据错、复权错、撮合错、未来函数、过拟合——这五件事任意一件出问题，回测都会给我一个漂亮的数，而且它们在报告上的样子一模一样。我自己分不出来，换个人也分不出来。

系统VS策略

卡了很久之后我发现，纠结的问题始终是："这个结果不行，是系统的问题还是策略的问题？"

然而，认真思考下来，发现这是一个没有绝对答案的问题。

系统和策略两层之间本来就没有清晰边界：撮合价的假设写在系统代码里，决定的却是策略的含义；一个策略失效和一段数据错掉，输出的样子也几乎一样。

但换个角度，这个问题的拆分方式也不是完全没用，只是用错了地方。拿它做归因，谁也归不出来；拿它做分区，它很好用。

我要做的不是判断问题出在哪一层，而是每一层的假设和设计是否符合预期，因为任何系统都无法完美地复刻复杂的真实市场，相比于完美但黑盒的系统，我更愿意相信不完美但透明的设计，前者看似诱人但不可控，后者虽不性感但可控。

系统的边界

系统能做的：

• 可重复——同一份数据加同一份代码，跑出同一个回测
• 可交叉验证——已知输入给已知输出。比如"买 100 股、持有一天、收盘价成交"，这个收益我能口算，系统输出差超过 0.1% 就是 bug
• 有边界——我清楚哪些结论我能验证，哪些不能

系统不会也不应该做的：

• 未来是否赚钱——这是市场的事
• 100% 证明自己没有 bug——总有边界 case
• 替代经验直觉——很多 quant 的经验是隐性知识，工程化不了

工程意义上的"信"，信的从来不是结果，是边界。我不需要相信这套系统能赚钱，我只需要知道它每一处的假设是不是被思考设计过。

对照参考清单

约束限制：A股市场，日级别

整个系统做下来，深刻觉得必须要理解系统的局限性，才能正确地对待系统产出的结果，不盲从，也不多疑。以下均为经验之谈，仅供参考：

系统层前提

1. 数据语义契约（字段语义 + 数据可用日）

• 是什么：每个字段"什么算什么不算"，以及"什么时候能拿到"
• 为什么必要：不同数据源的字段名一样、含义不一样；财务因子不是发布日就能用，实盘有 N 天延迟
• 不做会失真：拿今天的数据算昨天的收益，就是前视偏差；字段错了，回测的股票池会偷偷变，跑出来的是幸存者偏差

2. 计算口径（复权 + 因子公式的精确数学定义）

• 是什么：复权选前复权、后复权还是不复权；每个因子公式的精确数学定义
• 为什么必要：因子必须和价格口径一致；同一个因子换一种实现，结果可能差 5%
• 不做会失真：除权日因子值跳变，信号不稳；你跑出来的回测和别人对不上

3. 成交价与滑点（成交价假设 + 摩擦）

• 是什么：信号触发后按什么价成交（开盘 / 收盘 / VWAP），假设多少 bps 的摩擦
• 为什么必要：信号定义和撮合价必须配套，否则算的是两个策略
• 不做会失真：回测和实盘的成交价差出好几个点；小摩擦下算出来的 alpha，实盘摩擦一口吃光

4. 涨跌停与可成交性（规则清单 + 一字板 + 拒单在仓位上怎么办）

• 是什么：主板、创业、科创、ST、北交各自的涨跌停；一字板拒单怎么处理；涨停日能不能开新仓，跌停日能不能卖出
• 为什么必要：A 股规则不统一——主板 10%、创业 20%、ST 5%、北交 30%；一字板当天挂着单也成交不了
• 不做会失真：回测里买得到的票，实盘买不进，算出来的是假 alpha；跌停日卖不掉，实际仓位和策略的预期脱节

5. 脏数据判定（标准 + 修复还是剔除）

• 是什么：什么算脏、脏了之后是修复还是剔除、阈值怎么定
• 为什么必要：这是软选择，靠经验，但必须显式——每一个阈值都是一个决定
• 不做会失真：静默修复就是静默失真；脏数据混进因子计算，几个月后才发现

6. 时间结构（调仓频率 + 样本期划分）

• 是什么：日调仓还是周、月调仓；in-sample / out-of-sample 怎么切
• 为什么必要：调仓频率直接决定摩擦的量级；样本期怎么切，决定样本外验证里有多少是偶然
• 不做会失真：回测很漂亮，实盘被摩擦吃光；样本外看着还行，其实是运气

策略层限制

7. 流动性与容量（对手盘 + 规模上限）

• 是什么：策略能跑多大的规模——单股上限加组合上限
• 为什么必要：A 股小盘股可能没有足够的对手盘；个人 100 万没问题，机构 1 亿就失效
• 不做会失真：拿小资金的回测去指导大资金，严重错估

8. 信号稳定性（样本外 + 衰减）

• 是什么：信号在样本外是否还成立；衰减到什么程度该退役
• 为什么必要：样本内漂亮样本外不行，是过拟合；衰减到摩擦以下的信号是负 alpha
• 不做会失真：拿一个已经衰减的信号继续跑，等于送钱

9. 组合层面（多策略相关性 + 仓位管理）

• 是什么：多策略之间的相关性，以及单股、行业、组合的仓位上限
• 为什么必要：以为在分散，实际是同一批因子在几只票上重复押注；单股 50% 就是高杠杆
• 不做会失真：组合没分散，回撤放大，实盘的心理扛不住

10. 因子拥挤度

• 是什么：同一个信号被多少人用
• 为什么必要：5 家在用没问题，500 家在用归零
• 不做会失真：年化慢慢缩水，你以为策略失效，其实是市场变了

11. 策略元层（成立前提 + 失效与变化的区分）

• 是什么：把每个策略的成立前提显式写下来；区分"策略失效"和"市场变化"
• 为什么必要：前提失守却不知道，就会一直调参，而调参不等于想明白
• 不做会失真：把该退役的策略当成需要调参的策略，越调越偏

跨层耦合

12. T+1 × 信号频率

• 是什么：T+1 把信号频率强制降速，高频信号在这里跑不通
• 为什么必要：信号频率和成交时延是耦合的，改频率等于改策略含义
• 不做会失真：你以为在跑原来的策略，实际跑的是它的退路

对量化系统保持清醒

它是个工程系统，不是预测系统。能 100% 验证的只有"代码做了它说要做的事"，别的都给不了——包括"这个策略能不能赚钱"。

量化的根本问题从来不是"有没有一个能赚钱的系统"，是"我能不能持续迭代出一个可重复、有边界、不被自己骗的工程化输出"，它只是工具，不是造钱的机器，量化真正做下来挑的从来不是天赋，而是纪律。