PART A — 收益从哪里来
1. 先把「赚钱」拆成四种性质完全不同的钱
核心结论:任何量化策略的收益,追到底只有四个来源——
风险溢价、错误定价、流动性提供、信息与速度。
区分它们不是为了分类学,而是因为四者的可持续性、容量、竞争者类型完全不同:
风险溢价可以长期拿,纯速度优势会被规则和对手吃掉。
一个说不清自己收的是哪种钱的策略,通常是在把 beta 当 alpha 卖。
风险溢价(beta)
承担市场涨跌、波动或流动性风险,市场付你的「忍受费」。
不需要预测能力,需要在最难受的时候还留着仓位。典型:指数持有、卖波动率、CTA 的长期趋势溢价。
错误定价(alpha)
找到被算错或算慢的统计关系,在它纠正时收钱。
这是唯一真正依赖研究能力的部分,也正是全站策略页在做的事。
流动性提供
挂双边价、当对手方,赚买卖价差与交易所返佣。
收入稳定但尾部凶险:平时捡硬币,行情突变时被大宗单边打穿。
信息与速度
比对手更早把新信息变成成交价。
本质是工程与延迟竞赛,边际收益递减最快,也最容易被监管直接压制。
问自己的第一个问题
我收哪种钱
收益来源决定容量与寿命
beta 与 alpha
分开记账
混在一起等于自我欺骗
最危险的一句
这次不一样
把 beta 当 alpha 卖的经典配方
CS 类比
把这四种来源想成一座系统的四种优化手段:风险溢价 = 加机器(用钱换吞吐,简单可靠也贵);错误定价 = 优化算法(真正体现能力,且会随着数据分布变化而失效);流动性提供 = 加缓存层(大部分时候收益漂亮,缓存穿透时集中爆雷);信息与速度 = 降延迟(微秒级内卷,收益与投入不成正比,还随时被规则一刀切)。
2. 为什么「策略」不是资产,「流水线」才是
alpha 衰减是结构性规律,不是运气问题。一个统计关系被越多人使用,
被套利掉的速度就越快:先是收益变薄,然后信号方向开始翻转,最后它变成噪声。
所以成熟机构的真实产品不是某个明星策略,而是一条能持续发现、检验、上线、下线策略的生产线。
| 环节 | 机构里做什么 | 对应的工程等价物 |
| 想法来源 | 论文、公开数据、微观结构观察、失败策略的残差 | 需求池:来自用户行为与日志,不来自拍脑袋 |
| 因子检验 | 样本内统计 + 严格的样本外滚动 + 参数扰动 | 单元测试 + 回归测试,且测试集必须未被污染 |
| 组合构建 | 多信号合仓、算相关性、分配风险预算 | 把多个模块合成系统,看接口冲突与资源争用 |
| 上线灰度 | 小资金试运行,比对实盘与回测偏差 | canary 发布 + 指标监控 |
| 监控下线 | 衰减触发降权或退役,记录退役原因 | 模型漂移检测与告警,旧版本归档 |
这条对个人的含义
站内四篇策略页(趋势 / 均值回归 / 波动率突破 / VWAP 日内回归)写的正是这条流水线的第 2、3 环,而且刻意以
证伪为结论:从
趋势策略页进,可以看到同一个实验台上「改进假设被打脸」的完整记录。被打脸不是失败,是流水线在正常工作。
PART B — 两套制度,两个物种
3. 海外成熟机构:把研究做成一家工厂
组织形态(据公开报道与访谈,不涉及任何内部参数):
典型的多因子机构把人力切成三块互相制衡——
研究员只负责找关系并给出预测;
工程师负责数据管道、回测与执行系统;
组合构建与风控决定每个信号分多少资金、什么情况下强制减仓。
单个研究员不能直接下单,这是与散户最大的结构差别。
| 模块 | 公开可见的形态 | 为什么必须这样 |
| 数据 | 历史 tick / 订单簿 / 另类数据自建仓库,清洗规则版本化 | 垃圾数据训练出的关系,回测越好看越是危险 |
| 回测 | 统一引擎 + 成本模型 + 冲击成本,任何改动跑全量回归 | 等价于 CI:不让「只在自己机器上能跑」的策略上线 |
| 资金分配 | 多策略线按风险调整回报竞争公司资金池 | 内部市场化,把资金从衰减策略持续挪到新策略 |
| 执行 | 自建拆单算法(TWAP / VWAP / POV 等),内部按成交额结算成本 | 收益里很大一块是从执行成本里省出来的 |
| 基建 | 交易所托管机房、FPGA、低延迟链路(头部机构) | 「信息与速度」类收益唯一的护城河形态 |
别忽略「风控是一级部门」这件事
把风控独立出来的原因是:策略研究员的利益是「让自家策略上线」,而组合层面需要有人专门问「这笔钱在最坏情况下会怎么亏」。两个角色交给同一个人,结论必然是乐观的。
4. 国内:策略形态是被交易制度反向决定的
先看清约束:A 股现货是 T+1、有涨跌幅限制、
融券券源长期稀缺(想做空个股基本做不了);而股指期货、商品期货是 T+0、可双向。
结论很直接:「日内高频 + 双向交易」这类在美股成立的形态,在 A 股现货上无法原样复制,
于是国内量化发展出自己的物种分布。
| 品类 | 怎么搭的 | 客户拿到的是什么 |
| 指数增强 | 满仓股票组合,目标是跑赢基准指数(沪深300 / 中证500 / 中证1000) |
指数 beta + 超额 alpha,行情差时照亏,只承诺超额 |
| 市场中性 | 同样的多头组合 + 股指期货空头对冲掉 beta |
理论上只剩超额;但要付对冲成本(见 §5) |
| 管理期货 / CTA | 在商品与金融期货上做趋势、期限结构等,天然双向 T+0 |
与股票相关性低的收益,回撤深、波动大 |
| 日内高频 | 主要集中在期货(现货受 T+1 与报撤单监管约束) |
容量小、监管敏感度高的速度类收益 |
为什么国内机构看起来「都在做指增」
因为做空工具不足时,「多头 + 期货对冲」是唯一能把 alpha 单独剥出来的工程方案,而指增是同一套选股研究在不加对冲时的副产品——一份研究卖两种产品,这是规模效应,也是它们愿意把研究做得很重的根本原因。
5. 中证1000 这条线:机会更大,代价是基差和容量
为什么小盘是量化的好田:成分股多(1000 只)、单票权重分散、
卖方研究覆盖薄、散户成交占比高——错误定价更多、更正过程更慢,
所以中证1000 一档的可选超额空间通常大于沪深300 一档。
三个必须付费的地方:
- 对冲成本(基差):股指期货常见贴水(期货价 F 低于现货指数价 S)。
合约到期时 F 收敛到 S,所以做空期货对冲的那条腿要付出这段收敛——
这就是市场中性策略最主要、也最容易被忽略的成本项。
注意方向:贴水对「空头对冲」是成本,对「用期货多头替代现货」反而是收益,
两者的符号经常被人记反(含本页作者在初次讨论时的一次记反,已订正)。
- 容量:小盘个股流动性差,同样的策略在 1000 只小票上的冲击成本远高于大盘票,
能管的资金规模受限。
- 磨损:涨跌停不能成交、停牌、T+1,这些在回测里是细节,在实盘里是收益差。
容量小对个人反而是机会
容量 5000 万以下的策略,机构做不划算(覆盖不了研究与交易成本),个人自管资金却正好能吃——这是散户量化唯一真正占优的生态位。站内 IM 合约条款、乘数与「主力连续」序列的来历见
中证1000 详解;该页也明确标注:站内回测直接用 im_main 价格序列,
未显式建模换月与基差收敛,这是全站策略页结论共同的适用边界。
6. 监管与费用:两道门槛,决定这门生意长什么样
监管门槛(2024 年起明显收紧):程序化交易从「默认可做」变成
「先报告、后交易 + 分类差异化监管」。这不影响你研究,但直接改变「纯速度类策略」的经济性。
| 文件 | 公开口径 | 对策略选型的影响 |
| 证监会《证券市场程序化交易管理规定(试行)》 |
2024-05-11 发布、2024-10-08 施行;对程序化交易实施分类监管、差异化管理,明确报告义务 |
程序化交易从灰色变为需登记报备的业务 |
| 沪深北交易所《程序化交易管理实施细则》 |
2025-07-07 起施行;高频交易认定为单账户每秒申报、撤单合计最高达 300 笔以上,
或全日合计最高达 20000 笔以上;配套差异化收费与从严自律管理 |
报撤单密集的纯速度策略成本与合规风险同时上升,业界研发重心转向中低频(见来源清单) |
| 《期货市场程序化交易管理规定(试行)》 |
期货端同类框架:先报告后交易,媒体口径为 2025-10-09 施行、过渡期至 2026-04-08
(请以交易所官方文本核对) |
期货日内策略同样需要报备账户与系统信息 |
费用门槛:国内私募量化的常见结构是
固定管理费 + 按超额(或绝对收益)计提的业绩报酬,
指增产品普遍设有业绩报酬计提基准(即「跑赢基准一定幅度才提成」)。
本页刻意不写具体费率数字——它随产品、时期、渠道差异极大且会过期,
但门槛的逻辑是稳定的:
第一道门槛
费前 alpha > 费用
客户费后仍要跑赢基准,否则赎回
第二道门槛
alpha > 对冲成本
中性产品在贴水走阔时会直接失去经济意义
第三道门槛
策略容量 > 运营成本
衰减后的策略该下线,而不是硬撑着摊薄
为什么「幸存者偏差」在这里特别严重
能查到业绩的私募都是活到统计时点的;清盘、更名、被吸收的产品不会留在同一张榜单上。所以任何「量化机构平均年化 X%」的二手数字都不该直接采信——包括本页,它只讲结构,一个业绩数字都不给。
PART C — 经济学:高夏普不等于赚得多
7. 波动的量级决定杠杆是必需品:站内样本实测
样本:data/sample/im_main_15min.csv(IM 主力连续 15 分钟 bar),
共 1023 根、64 个交易日(2026-06-15 ~ 2026-09-11),
日均约 16.0 根;期末收盘 7415 点,
按每点 200 元乘数计一手名义约 148 万元。
全部数字为构建期实测,只描述这段窗口的形状,不可外推。
| 实测项 | 数值 | 怎么读 |
| 日收益率标准差 | 2.01% | 典型单日波动的量级 |
| 日均绝对收益 | 152 bp | 不到百分之一——这就是「薄利」的物理含义 |
| 年化波动(日频 × √242) | 31.3% | 本页 §7 杠杆表的分母 |
| 年化波动(15 分钟 bar × √(16×242)) | 28.9% |
与上行口径不同,差异来自 bar 间非独立性——见夏普页四种口径实测 |
| 样本内最好 / 最差单日 | +4.59% / -6.45% | 单日尾部的真实厚度 |
| 区间累计净值(起点 = 1) | 0.8994 | 方向本身不重要,量级才重要 |
| 20 日滚动年化波动区间 | 23.5% ~ 46.1% | 波动本身是随机变量,风控要按上沿做 |
杠杆不变性(纯数学,无行情假设):把同一份敞口按名义放大 L 倍,
期望收益 ×L、波动 ×L、夏普比不变——
所以「收益更猛」和「爆仓风险更大」从来是同一个乘数,不是两件事。
下表以本页实测的标的裸敞口年化波动 31.3% 为单位基准
(即本金 1:1 持有期货名义时的波动),最后一列是假设标的单日跌 5% 时本金的损益。
| 名义杠杆 L(名义敞口 ÷ 本金) |
组合年化波动 = L × 31.3% |
标的单日 -5% 时本金损益 |
| 1× | 31.3% | -5% |
| 2× | 62.7% | -10% |
| 3× | 94.0% | -15% |
| 5× | 156.7% | -25% |
| 8× | 250.6% | -40% |
| 10× | 313.3% | -50% |
两个容易被这张表骗到的地方
① 最后一列在本样本里
不算极端场景——样本内最差单日已经走到 -6.45%,所以 8× 杠杆那一行的本金损失不是压力测试,而是样本期内真实发生过一次的量级;② 上表说的是「不对冲、纯多」的裸敞口。真正做市场中性时,期货空头会抵掉大部分 beta,组合剩下的波动只来自超额的噪声,量级远低于表里的数字——
这正是机构必须加杠杆的原因:薄而稳的收益要放大到客户想要的水平。杠杆一上来,约束条件就从「有没有 alpha」变成「最坏单日会不会被强平」,这也是为什么成熟机构把风控独立成一个部门。夏普比的口径陷阱与杠杆不变性的完整推导见
夏普比率;回撤如何按不同口径计算见
回撤与最大回撤。
8. 给个人研究者的可行路线(按这个站的既有资产排)
目标不是「跑赢机构」,而是「不做机构能免费做的事」。
你比机构慢、比机构资金小、比机构少数据——但你也比机构灵活、不受容量与合规成本约束。
路线应该顺着这个不对称来排。
| 阶段 | 做什么 | 站内对应 |
| 0. 先建账本 |
算清合约乘数、一跳金额、保证金占用、展期与基差、冲击成本,再谈策略 |
中证1000 详解 §3/§5 |
| 1. 读懂原料 |
一根 K 线背后是什么,哪些跳动是机械现象而非「情绪」 |
K 线详解 |
| 2. 工具与判据 |
会算也要会判:这条序列是趋势型还是回归型,统计上能否检验 |
算法页全部条目,
尤其 Hurst / 方差比 / ADF 三页 |
| 3. 策略与证伪 |
同一实验台上跑四类范式,接受「被证伪也是产出」 |
策略分析四篇(趋势 / 均值回归 / 波动率突破 / VWAP 日内) |
| 4. 度量与自我怀疑 |
口径统一、样本外滚动、短样本置信区间 |
绩效度量两篇(回撤 / 夏普) |
三条最常见的自杀式做法
① 回测不扣成本、不管可交易性(涨跌停当能成交、停牌当能卖)——回测越好看越是危险;② 在同一份数据上反复调参后挑最好的那条对外报告——这就是过拟合的工业标准流程;③ 用杠杆把噪声抬成「稳定收益」——波动与收益是同一个乘数,见 §7 那张表。站内策略页之所以把证伪结果完整贴出来,就是因为第 ② 条:「改进假设」在样本内被打脸,本身就是最有价值的记录。
9. 边界与来源:这一页哪些话最容易被时间作废
四条时效性警告
- 监管阈值会变:高频认定的 300 笔/秒、20000 笔/日 等数字是 2025 年细则口径,使用前必须查交易所现行文本;
- 制度红利会被抹平:本页「小盘错误定价更多」是结构性判断,不是对未来超额幅度的承诺,覆盖变多后它会变薄;
- 机构组织形态只写公开报道所载:任何内部参数、策略权重、杠杆倍数、持仓都是商业机密,市面上声称拿到的基本可判定为编造,本页一个都不写;
- 实测数字仅覆盖 2026-06-15 ~ 2026-09-11 的站内样本,用途是给出波动与杠杆的量级,不是对中证1000 或任何策略的业绩估计。
本页定位
领域知识入口
收益来源 → 制度形态 → 经济性,一条线读通
刻意不写
任何业绩数字
不可核实的数字比空白更危险
站内衔接
4 策略页 + 2 度量页
把本页的抽象主张落到实测证据
本页资料来源:
- 中国证监会《证券市场程序化交易管理规定(试行)》(第 8 号公告,2024-05-11 发布、2024-10-08 施行)
- 沪 / 深 / 北交易所《程序化交易管理实施细则》(2025-07-07 起施行;高频交易认定阈值与差异化收费)
- 经济日报《程序化交易新规正式实施 相关机构策略研发重心转向中低频》(2025-07-08)
- 《期货市场程序化交易管理规定(试行)》相关公开报道(日期为媒体口径,以官方文本为准)
- 海外机构组织形态:公开报道、机构官网访谈与公开出版物,本页仅取结构性事实
- 站内
data/sample/im_main_15min.csv(§7 全部实测数字的计算原料)与
中证1000 详解(合约条款口径与主力连续序列来历)
这一页讲的是共识,那分歧在哪里
上面这些是行业里大体说得通的部分。真正专业人事也吵不出结论的,是另外四组问题:数据到底能不能被预测、什么才算证据、工具该按哪本账记账、以及量化对市场本身做了什么——见「分歧论」系列第一篇
① 认识层。
本页一句话总结
量化是一门「把研究做成流水线、把收益拆成四种钱、用杠杆把薄利做成产品、再被容量与监管重新削平」的生意。理解它不需要预测天赋,需要的是记账式的诚实:谁的钱、从谁口袋来的、能拿多久、什么时候该下线。