一套量化策略知识体系的自白：我为什么这样规划（总论第1章）

📘 本章重点

⚠️ 本章难点

⏱️ 预估学习时间

1.1 诚实交代：我不是量化大佬

首先，我必须诚实地告诉你：我不是什么量化投资的大佬，也不是哪个对冲基金的基金经理，更没有什么“十年十倍”的实盘神话。我只是一个对量化投资有着强烈好奇心的普通人，一个愿意花时间去琢磨“交易背后的数学逻辑”的学习者。

之所以要在一开始就把这件事说清楚，是因为我不想让你对我产生任何不切实际的期待。这本书（或者说这个系列文章）不是“圣杯”，不是“稳赚秘籍”，更不是“一夜暴富指南”。它是我学习过程中的真实记录——包括我理解的、我困惑的、我验证成功的、以及我踩过的坑。

如果你是因为想找一个“必胜策略”而点进来的，那我现在就可以劝退你：这个世界上不存在永远赚钱的策略。但如果你是想看看一个普通人如何一步步拆解、理解、甚至动手实践那些传说中的量化策略，那么这套书或许正是你需要的。

老陈点评：这种坦诚的态度非常可贵。量化领域充斥着“年化50%+”的夸张宣传，而真正的从业者都知道，策略回测和实盘之间有着巨大的鸿沟。承认自己的局限性，是学习的第一步。

我是怎么学东西的呢？我有个笨办法：把自己学到的东西，用最清晰的方式写出来，然后亲手去验证它。

对于量化投资，我的学习路径是这样的：

找到一个策略 —— 从经典文献、论坛、论文或者朋友推荐中获得一个策略的逻辑，或者就是一个简单的想法。
彻底理解它的原理 —— 它为什么赚钱？它在什么市场环境下有效？它依赖哪些假设？背后的原理和依据是什么。
用代码实现它 —— 我用Python，在聚宽、掘金或自己的回测框架里把它写出来。
跑回测，看结果 —— 不是只看收益，而是看最大回撤、夏普比率、盈亏比、不同参数下的稳定性。其实我更看重的是回测的结果是否和预先设想一致，是否能在正确的表达下呈现出正向或向好的结果。
模拟盘跟踪 —— 如果回测看起来靠谱，我会用小资金或模拟盘跑一段时间，感受实盘的摩擦成本和心理波动。
写成文字 —— 把上面所有的过程整理出来，包括我的思考、我的疑惑、以及我最终得出的结论。

所以你现在看到的每一章，都不是我“已经精通”之后才写的，而是我正在学习、正在研究、正在练习的过程中写下的。这也意味着，书中的内容可能会随着我的认知升级而不断修订——这是好事，说明我在进步。

老王补充：我特别认同“模拟盘跟踪”这一步。很多人回测一做觉得漂亮，直接上实盘，结果被滑点和手续费打得鼻青脸肿。模拟盘跑一个月，你会发现很多回测里看不见的问题。

那么，这套书是为谁写的呢？

如果你恰好是上述任何一种人，我很高兴你能来到这里。

小李问：我没有编程基础，能看得懂这本书吗？

老陈点评：本书的策略讲解部分尽量用通俗语言，代码示例是独立的。如果你暂时不想学编程，可以跳过代码部分，先理解策略的逻辑和原理。等你感兴趣了，再回来跑代码也不迟。

我必须再强调一次：这本书是未完成的。

我目前的知识有限，书中的策略只是我学习路上遇到的一部分。还有很多优秀的策略我不知道，或者还没来得及研究。因此，我在这里向你发出一个开放的邀请：

如果你知道某个有意思的量化策略、交易逻辑、或者另类算法（无论是否赚钱，只要逻辑清晰、有代表性），请一定推荐给我。

你可以在每章下方的评论区，或者专门的互动区留言。我会定期筛选这些推荐，选择那些逻辑新颖、能打开新思路、或者特别有故事性的策略，作为后续章节加入本书，并且会在那一章的开头致谢你的推荐（如果你愿意署名）。

这意味着，这套书的最终内容没有预先设定的边界。它会随着我的学习、你的推荐、以及市场的演变，不断生长。你今天看到的第10章，可能半年后就会多出第40章。

所以，你看到的不是一座已完工的雕像，而是一棵正在生长的树。

老王补充：这个“开放共建”的想法很好。量化领域变化太快，一个人不可能通晓所有策略。我自己也经常从同行和网友那里获得新思路。你推荐一个策略，我来帮你回测验证，这种模式很实在。

最后，照例要说一下免责声明——虽然是老生常谈，但非常重要。

好了，坦诚的话说完了。如果你还愿意继续往下看，那就让我们一起开始这段“边学边写”的旅程。

关于心态：你认为“边学边写”这种学习方式最大的优点和缺点分别是什么？
关于开放共建：如果你有一个策略想法，你会愿意分享给我吗？为什么？
关于未来展望：如果五年后量化投资的书籍不再是静态的“PDF”，而是像维基百科一样随时可编辑、可评论、可迭代，你认为这种模式对初学者会有哪些颠覆性的影响？