量化交易策略公开后，为何无一能持续盈利？

量化交易系列（七）：为什么所有公开的量化策略，都赚不了钱？ 导语 2019 年，一位名叫 Marcos López de Prado 的量化金融教授在康奈尔大学做了一场演讲。他在 PPT 上打出一行字："一个策略一旦被写进论文，它的预期收益就开始归零。" 台下笑了。但他没在开玩笑。 他随后展示了一组数据：过去 20 年金融学术界发表的数百个"显著有效"的交易因子，在论文发表后的样本外表现——平均衰减超过 50%。也就是说，论文里年化 10% 的策略，发表后大概只剩 5%，再扣掉交易成本，基本归零。 这个现象不是个例，而是规律。它指向一个量化交易中最反直觉、也最残酷的真相： 一个策略的价值，与知道它的人数成反比。知道的人越多，它就越不值钱。当所有人都知道时，它的价值精确地等于零。 这就是本文要回答的核心问题——散户的量化策略到底是什么？为什么我从不公开自己的策略？以及，为什么你在网上能找到的所有量化策略，从它被公开的那一刻起，就已经死了。 一、先回答一个根本问题：散户的量化策略到底是什么？ 在讨论"公开不公开"之前，我们得先搞清楚——散户做量化，策略层面到底在做什么？ 散户量化策略的三个层次 第一层：规则化的择时和选股 这是最基础的层次。散户把自己的投资逻辑翻译成可执行的规则： "RSI 跌破 30 时买入，涨到 70 时卖出" "当 20 日均线上穿 60 日均线时建仓" "市盈率低于行业中位数且 ROE 连续三年大于 15% 的股票，等权买入" "BTC 周线 MACD 金叉 + 链上活跃地址数创新高时开多" 这些策略的共同特点是：逻辑简单、回测容易、学习门槛低。你在任何一本量化入门书籍或者 B 站教程里都能找到类似的东西。 第二层：因子驱动的系统化投资 这是系列第四篇讲的多因子模型的应用。散户在这个层次会： 构建一个因子库（动量、价值、质量、波动率等） 对每个因子进行历史回测和 IC（信息系数）分析 用多因子打分或线性回归的方式对股票排序 根据排序结果构建组合，定期再平衡 这个层次的门槛显著提高——需要统计学基础、数据处理能力和对因子逻辑的深刻理解。 第三层：自适应的策略系统 这是散户量化的"天花板"。在这个层次： 策略不是固定的规则，而是一个持续学习和适应的系统 包含市场状态识别（regime detection）：判断当前是趋势市、震荡市还是危机模式，动态切换策略 包含风险预算动态调整：根据波动率环境自动调节仓位 包含策略衰减监控：实时检测策略的 Alpha 是否在衰减，必要时退出 交易执行层面有滑点控制和智能拆单 能做到第三层的散户极少，但一旦做到，就已经具备了小型量化基金的核心能力。 一个关键认知：策略 ≠ 规则 很多人把"策略"理解为一组固定的交易规则——"满足条件 A 就买，满足条件 B 就卖"。 这是对量化策略最大的误解。 真正的策略是一个完整的决策系统，包含但不限于： 组件 说明 重要度 信号生成 什么条件下产生交易信号 ★★★ 仓位管理 每笔交易投入多少资金 ★★★★★ 风险控制 止损规则、最大回撤限制、相关性控制 ★★★★★ 执行逻辑 如何下单、如何控制滑点、如何处理部分成交 ★★★★ 市场适应 如何识别市场环境变化并调整参数 ★★★★ 资金管理 多策略之间的资金分配、整体风险预算 ★★★★ 监控与退出 策略失效的判断标准和退出机制 ★★★★ 网上公开的"策略"，通常只包含第一项——信号生成。这就像告诉你一道菜的主要食材，但不告诉你火候、调料比例、烹饪时间和装盘方法。你照着做出来的东西，味道不会一样。 二、为什么真正赚钱的策略不能公开？ 这不是"小气"或者"怕被抄"那么简单。这背后有严格的经济学和博弈论逻辑。 1. Alpha 是零和的——你的利润就是别人的亏损 系列第一篇讲过，Alpha 守恒定律意味着：所有市场参与者的 Alpha 之和，扣除交易成本后，等于一个负数。 这意味着什么？意味着你的每一分钱超额收益，都是从别人口袋里掏出来的。Alpha 不是被"发现"的，而是被"争夺"的。 当你找到一个有效的策略，你本质上是找到了一个"别人还在犯错"的地方。你在利用这个错误获利——你是从那些"犯错的人"手里赚钱。 现在，如果你把这个策略公开了，会发生什么？ 2. 策略公开 → 策略拥挤 → Alpha 消失 这是一个确定性极高的因果链条，我们用一个具体的例子来拆解： 场景：你发现了一个"月末效应"策略 通过统计分析，你发现 A 股市场在每个月最后三个交易日有明显的上涨倾向。回测过去十年，这个策略年化超额收益约 8%，夏普比率 1.5，非常不错。