985数学-量化投资
你有没有算过，一个涨停板的概率是多少？
如果你没有学过概率论，你可能会说”百分之十”。但如果你学过，你会知道这个问题远没有那么简单。
我叫钱明远，985数学与应用数学专业毕业，现在在杭州的一家量化私募基金当量化研究员，年薪加上提成，大概四五十万。
做量化的人都有一个共同特点：相信数字比人更可靠。
从奥数冠军到”数学有什么用”
我第一次拿奥数竞赛一等奖，是初三的时候。
那时候我每天花三个小时刷题，解方程、证几何、攻数论……一道难题解出来的那种快感，比打游戏爽一百倍。我爸妈很高兴，觉得我是个”数学天才”；班主任很骄傲，把我的照片贴在走廊的光荣榜上。
但说实话，我自己也不知道”数学好”能干什么。我只知道解题有意思，能让我在枯燥的中学生活中找到一点成就感。
高考那年，我数学拿了全省前五十名，加上其他科目，总分够上清华北大。但我选了另一所985的数学专业，因为那所学校的数学学科排名全国前三。
选专业的时候，我爸问我：“学数学以后能干什么？当老师？搞研究？”
我说：“不知道。先学着看吧。”
他觉得我在敷衍他。但我是真的不知道。
大一大二，我过得很”纯粹”——学数学、学数学、学数学。数学分析、高等代数、概率论、数理统计、实变函数、泛函分析……每一门课都是Hard模式，每一道题都要想很久。
但我乐在其中。
数学有一种美，一种简洁的美、对称的美、逻辑自洽的美。一个漂亮的证明，就像一首诗，让人拍案叫绝。
只是这种美，跟现实世界好像没什么关系。
直到大三那年，一门叫”金融数学”的选修课，彻底改变了我的人生轨迹。
打开新世界的大门
那门课的老师姓陈，是个刚从美国回来的年轻学者。
他上课的方式很特别——不讲课本，讲案例。
第一节课，他问我们：“你们知道什么是量化投资吗？”
没人能回答。
他笑了笑，在黑板上写了一个公式：
E = mc²
“这是爱因斯坦的质能方程。“他说，“但如果我告诉你们，这个公式可以用来选股，你们信不信？”
大家面面相觑。
他继续说：“数学是一种工具，可以用来描述任何现象，包括金融市场的涨跌。量化投资，就是用数学模型来’预测’市场，然后纪律性地执行交易。”
这节课之后，我开始关注量化投资。
我去图书馆借了一本《宽客》（Quant），讲的是一群数学家、物理学家、计算机科学家如何用模型征服华尔街的故事。书中有一个情节让我印象深刻：长期资本管理公司（LTCM）的创始人，一群诺贝尔奖得主，用复杂的数学模型做交易，曾经一度获得了惊人的回报。虽然后来因为黑天鹅事件倒闭了，但量化投资的威力，已经展现无遗。
我开始自学金融和编程。
Python是必备的技能。我从最基础的语法开始学，然后学习数据处理、可视化、机器学习……每天晚上在实验室泡到十一点，敲代码、调试bug、优化算法。
统计学和金融学也要补。我看了很多书：《证券分析》《量化交易》《打开量化投资的黑箱》《主动投资组合管理》……每一本都啃了好几遍，做了满满一本笔记。
这个过程很累，但有一种打通任督二脉的感觉。
我发现，数学不只是解题的工具，更是理解世界的方式。用数学的思维去看金融市场，你会发现很多规律性的东西——收益率的分布、相关性的变化、波动率的聚集……这些都是可以用模型描述的。
第一套策略：从纸上谈兵到真金白银
大四上学期，我决定把自己的想法变成现实。
我开发了第一套量化交易策略，叫”均值回归+动量反转”混合策略。
原理很简单：大多数股票的价格会在一定范围内波动，当价格偏离均值太远时，会向均值回归，这是”均值回归”；但如果趋势太强，短期内不要逆势而行，而是等趋势衰竭后再反向交易，这是”动量反转”。
听起来简单，但要把这套逻辑变成可执行的代码，需要解决很多细节问题：如何定义”均值”？偏离多少算”太远”？如何判断趋势的强度？如何设置止损？……
每一个问题都需要反复测试、迭代优化。
我用了三个月时间，把策略开发了出来。
然后，我开始回测。
回测的意思是用历史数据模拟策略的交易，看能不能赚钱。我用的是2015年到2023年的数据，覆盖了牛市、熊市、震荡市等各种行情。
结果显示：策略的年化收益率大约是18%，最大回撤是12%，夏普比率是1.3。
这个成绩不算惊艳，但也不差。至少说明策略在历史上是有效的。
但回测有效，不代表实盘有效。
金融市场的残酷之处在于：历史不会简单重复。当一个策略被公开使用，它的效果往往会下降，因为市场会”适应”——当所有人都用同样的策略时，套利机会就消失了。
我深知这一点。
所以我没有急着把钱投进去，而是继续优化策略，加入更多的风控机制，降低对市场环境的敏感性。
大四下学期，我终于决定实盘测试。
初始资金是我攒了三年的压岁钱，两万块。
实盘第一年：煎熬与成长
第一笔交易是在2025年3月15日。
那天开盘前，我盯着电脑屏幕，心跳加速。手心全是汗。
九点三十分，股市开盘。我的策略发出第一个信号——买入某只股票。我深吸一口气，点击了”确认”。
接下来的几秒钟，像过了几个世纪那么长。
成交了。股价涨了0.3%。我松了口气。
但我很快意识到，这只是开始。
实盘交易和回测完全不同。回测的时候，一切都是确定的——你知道下一秒会发生什么（虽然你”看”不到）。但实盘的时候，你永远不知道下一秒股价会涨还是跌。
这种不确定性，让我夜不能寐。
每天收盘后，我会打开账户看收益曲线。有几天赚了几百块，开心得睡不着；有几天亏了几百块，焦虑得睡不着。
那种感觉，就像坐过山车。
三个月后，我的账户收益率是2.3%，跑赢了沪深300指数5个百分点。
但我心里清楚，这点收益不算什么——如果算上交易成本和滑点，实际收益更低。
更重要的是，这三个月的实盘经验告诉我：策略还有很多不完善的地方。
比如，策略对流动性差的股票不友好，有时候会买不进、卖不出。比如，策略在极端行情下表现不佳，几次大跌都让我亏了不少。比如，策略的风控模块太简单，没有考虑到仓位管理和资金曲线的相关性……
我开始重新思考策略的设计。
毕业后：进入量化私募
毕业后，我去了杭州的一家量化私募基金。
公司不大，但做的都是正经量化交易——有Alpha策略、有CTA策略、有期权套利策略，团队成员来自清北复交、MIT、斯坦福等顶尖院校。
我的岗位是量化研究员，负责Alpha策略的研发。
工作内容跟学校里的研究很像：读论文、写代码、做回测、模拟盘测试、实盘上线。但节奏更快、要求更高、压力更大。
研究一个新策略的周期通常是两周。两周之内，你要把想法变成代码，用历史数据回测，看能不能跑出正收益。如果不能，换方向；如果能，上模拟盘；模拟盘跑一段时间后，如果表现稳定，可以申请上实盘。
这个流程听起来简单，但实际操作中，每个环节都可能出问题。
比如，你发现一个看起来很有效的因子，但仔细一看，发现它跟已有因子高度相关，没什么增量信息。
比如，你的策略回测效果很好，但模拟盘一跑，完全是另一回事——延迟、滑点、流动性……每一个细节都可能导致策略失效。
比如，你千辛万苦研发出一个策略，结果上线之后，市场风格切换了，策略开始亏损……
做量化，最重要的不是找到”圣杯”，而是理解市场的局限性。
任何策略都不可能一直赚钱。重要的是，在策略有效的时候多赚一点，在策略失效的时候少亏一点。长期来看，只要期望收益为正，就是好策略。
我对量化的理解
做了几年的量化投资，我总结了几句话：
第一，数学是基础。
量化交易不是赌博，不是靠感觉、靠消息、靠运气。量化交易的核心是数学模型，而模型的可靠性取决于你对数学的理解深度。概率论、统计学、最优化、数值计算……这些都是基本功，不懂就别玩量化。
第二，编程要过关。
Python是量化圈的”普通话”，必须精通。C++是加分项，因为有些高频策略对执行速度要求极高，必须用C++才能实现。除此之外，还要懂数据库、懂Linux、懂服务器运维……技术栈越全面，竞争力越强。
第三，要有耐心。
量化策略的研发周期很长，从想法到实盘，可能需要几个月甚至几年。市场在不断变化，策略也需要不断迭代。急于求成是量化的大忌。
第四，风控是第一位的。
我见过太多人，因为一次极端行情爆仓出局，多年的积累化为乌有。活着比赚钱更重要。每一笔交易都要考虑最坏情况，做好止损预案。
第五，不要迷信模型。
模型是工具，不是神。任何模型都有假设前提和适用范围。过度拟合是量化最常见的错误——你在历史数据上拟合得再好，也不代表未来会有效。
前两天，有个学弟问我：“学长，量化投资是不是很赚钱？”
我说：“是，也不是。”
“什么意思？”
“说’是’，是因为如果你做得好，收入确实很高。说’不是’，是因为大多数人做不好。那些真正赚大钱的人，都是有深厚数学功底、有多年实战经验、有成熟交易系统的人。靠运气赚的钱，最后都会凭实力亏回去。”
他听完，若有所思。
我想了想，又补了一句：
“如果你只是想赚快钱，不建议做量化。但如果你真的热爱数学、热爱金融市场、喜欢用代码解决问题，那量化是一个值得深耕的领域。”
他点点头，说：“谢谢学长，我会好好考虑的。”
看着他离去的背影，我想起了几年前的自己。
那时候的我，也是一脸迷茫，不知道未来在哪里。
但我知道，只要方向对了，路再远也能走到。
量化这条路，不好走。但走下来，你会看到不一样的风景。
关联阅读
- 金融就业参考 4.【直接就业】高价值信息差
- 专业参考 数学类.md
- 案例索引 0000_1001案例总索引
- 知识库总索引 0000浪尖大学四年知识库_总索引
本文写于入行三年后，部分策略细节已省略。