策略不是"写出来就完事"
很多人以为，量化策略就是"想一个赚钱的主意，写成代码，然后就自动收钱了"。这是整个量化领域最普遍、也最危险的误解。
一个策略的生命，远比"写代码"长得多。它从你脑子里一个模糊的灵感开始，经历数据清洗的痛苦、回测结果暴跌的绝望、参数微调的自我怀疑、模拟盘日日焦虑的等待、再到实盘每一个波动都牵动心弦的煎熬。
这一章，我们跟随一个策略，走完它的完整生命周期——九个阶段。
九步生命周期
让我们深入每一步。
第1步：灵感 —— "这个想法好像有用"
灵感的来源五花八门：读了一篇论文、观察到某个市场现象、听同事说起一个交易思路、甚至是在超市排队时想到"今天打折的商品，是不是也有某种规律？"。好的灵感往往来自跨领域的联想——把物理里的"动量"概念搬到股市、把生物学的"协同进化"搬到多因子模型，等等。灵感阶段最重要的不是"这个想法对不对"，而是"这个想法能不能被数据验证"。如果一个想法无法用数据"检验"，它就不是量化策略的候选。
第二步：数据 —— "兵马未动，粮草先行"
灵感有了。接下来你需要数据来验证它。如果你的灵感是"财报发布后，业绩超预期的公司会涨"，那你就需要财报日期、预期值和实际值。如果你发现某只股票的"百度搜索量"和它的股价有关联，那你需要搜索趋势数据。数据获取可能是整个生命周期中最耗时的步骤——清洗脏数据、对齐时间戳、处理缺失值。数据质量决定策略质量：数据错了，策略永远对不了。
第三步：特征工程 —— "让数据变得好消化"
原始数据不是模型能直接"吃"的。价格数据需要变成"涨跌幅"，需要变成"移动平均"、需要变成"波动率"；财务数据需要标准化（不同国家会计标准不同）、需要横向比较（同行业均值）；新闻文本需要变成"情感分数"。特征工程是量化策略中最需要经验、也最能拉开差距的环节。好的特征能让最简单的模型发挥出色；差的特征，再好的模型也于事无补。
第四步：模型 —— "用规则还是让机器自己学？"
这一步是大多数人以为的"量化交易"。但真相是：对于初学者来说，90%的策略用简单的规则就够了（比如前面说的双均线交叉）。不要一上来就搬出深度神经网络——大炮打蚊子，打是打得到，但调试和维护的代价是规则模型的十倍。模型选择原则：能用简单规则解决的，不上统计模型；能用统计模型解决的，不上机器学习；能用机器学习解决的，不上深度学习。
第五步：回测 —— "试吃"
回测是策略的第一次"大考"。它的逻辑很简单：拿出历史数据（比如过去3年），假设自己在那3年里按照策略规则交易，看看结果怎样。回测中有三大天敌：生存偏差（只用了活下来的股票的数据，忽略了退市的）、前视偏差（不小心用了交易时才不知道的信息）、过拟合（策略对历史数据拟合得太好，但对未来无效）。第11章会专门讲这三种偏差怎么识别和避免。
第六步：优化 —— "让策略更好一点"
如果回测结果不错，下一步就是优化——调整参数、改进信号、尝试新的特征组合。但优化阶段有一个"无声杀手"：过拟合。你调整了100次参数，终于找到一组让回测曲线完美的组合——恭喜你，你大概率只是"拟合了噪声"而非"发现了规律"。优化阶段的铁律：永远保留一部分"样本外数据"不碰，只在最后一轮验证时使用。如果样本外数据上的表现远远差于样本内，你的策略就是过拟合了。
第七步：模拟盘 —— "演习"
模拟盘是用模拟资金在真实市场环境中运行策略。和回测的关键区别：模拟盘面对的是"真实的未来数据"——这些数据策略之前从来没见过。模拟盘最少要跑1个月，最好跑3个月。这段时间是在回答一个问题："这个策略在回测中表现好，是因为它抓住了真实规律，还是因为它巧妙地拟合了历史噪声？"
第八步：实盘 —— "真金白银"
模拟盘通过了。你需要深呼吸，然后……用小到"亏了也不心疼"的金额上线实盘。实盘和模拟盘之间有很多微妙差异——滑点、冲击成本、竞争者的动作。而且实盘最大的挑战不是技术层面的，是心理层面的：当你看到自己的钱在屏幕上往下跳，还能不能坚持策略、不手动干预？
第九步：监控与迭代 —— "策略也需要保养"
策略上线不是终点，是起点。你需要持续监控它的表现，判断"表现不如预期"是"正常波动"还是"策略失效"。策略失效的典型信号：夏普比率持续下降、回撤突破历史最大回撤的1.5倍、因子IC变为负数。当有效信号消失时，需要分析原因：是市场格局变了？还是策略逻辑被太多人发现导致拥挤？有时候，给策略"减仓乃至退役"也是一种能力。
整个生命周期的耗时参考
| 阶段 | 典型耗时 | 关键风险 |
|---|---|---|
| 灵感→数据 | 1天~1周 | 数据不可得 |
| 数据→特征 | 1~4周 | 脏数据、特征偏差 |
| 特征→模型 | 1~2周 | 模型选择不当 |
| 回测→优化 | 2~8周 | 过拟合、幸存者偏差 |
| 优化→模拟 | 1~3个月 | 样本外表现不佳 |
| 模拟→实盘 | 逐步放量，3~6个月 | 心理压力、滑点 |
| 实盘→监控 | 持续进行 | 策略失效、市场变化 |
一个策略从灵感到完全可信，平均耗时6个月到1年。如果有人说"三天就能上线赚钱的策略"，只有两种可能：要么他是天才，要么他在骗你。
AI思考练习：走一遍流程
复制下面这段话发给 AI，让它带你走一遍策略生命周期：
本章小结
本章要点
- 九步生命周期：灵感→数据→特征→模型→回测→优化→模拟→实盘→监控。每一步都可能让策略"夭折"。
- 策略是"养"出来的：从灵感到可信，保守估计6个月到1年。不存在"三天上线赚钱"的好策略。
- 最关键的不是模型：是特征工程（让数据变得好消化）和回测（能否识别并避免过拟合）。好的特征让简单模型起飞，差的特征让深度学习也无能为力。
- 回测的三大天敌：生存偏差、前视偏差、过拟合——第11章会专门讲如何识别和避免。
微信扫一扫，支持作者继续创作