量化投资是什么：能做什么，不能做什么
本课目标：搞清楚量化投资到底在做什么，它擅长什么、不擅长什么，并拿到这门课的整体学习地图。
量化和主观投资差在哪
主观投资的典型流程是：研究一家公司或一个行业，形成判断，然后下单。判断的依据可能是财报、调研、行业经验，也可能是盘感。这条路完全可行，很多优秀的投资者都是这么做的。
量化投资换了一个问法：与其问”这只股票会不会涨”，不如问”什么样的规则，在历史上、在一批股票上，平均而言是有效的”。它把注意力从单次判断转移到规则本身。
两者的核心区别可以列成一张表：
| 维度 | 主观投资 | 量化投资 |
|---|---|---|
| 决策依据 | 个人判断、经验 | 事先写好的规则 |
| 研究对象 | 少数个股，研究得深 | 一批股票，研究得宽 |
| 可复现性 | 难以复现 | 同样数据必然得到同样结论 |
| 情绪影响 | 大 | 规则执行阶段较小 |
注意，量化不等于”更高级”。它只是把决策过程显式化了——写成代码之后，对就是对，错就是错，赖不掉。
两者也并非水火不容。很多机构的做法是”主观提出假设、量化负责验证”：基金经理凭经验觉得某类股票有机会，研究员把这个直觉翻译成规则，用历史数据检验它是否站得住。对个人学习者来说，这个顺序同样适用——你过去积累的市场经验不会浪费，它们是最好的假设来源，量化只是给了你一套检验这些经验的工具。
核心动作：把想法变成可验证的规则
量化研究的基本功，是把一句模糊的话翻译成可以用数据检验的规则。比如：
- 模糊说法：“跌多了会反弹。”
- 可验证规则：“某股票过去 20 个交易日跌幅超过某个阈值时买入，持有 10 个交易日后卖出，统计这个规则在过去若干年全市场样本上的平均表现。”
翻译之后你会发现，原来一句话里藏着一堆需要明确的细节：跌多少算”跌多了”？持有多久？手续费怎么算？涨停买不进怎么办？把这些细节一个个钉死，就是量化研究的日常。规则被钉死之后，才谈得上”检验”——检验结果可能支持你的想法，也可能推翻它，两种结果都有价值。
完整的研究循环是：提出假设 → 写成规则 → 用历史数据回测 → 分析结果 → 修正假设或放弃。大部分想法会死在第三、四步，这很正常。量化研究者的产出不只是”找到了几个能用的策略”，同样包括”排除了多少个看似有效实则无效的想法”。能坦然接受想法被数据否定，是这一行最重要的心理素质。
量化的四个真实优势
- 纪律性。 规则写进代码后，执行不受当天心情影响。人在亏损时容易做出变形动作，程序不会。
- 系统性。 一个人一天研究不了几只股票，程序可以把同一套逻辑跑遍全市场，避免”只看到自己关注的那几只”带来的偏差。
- 可验证。 每一个结论都能追溯到数据和代码，别人可以复现你的结果，你也可以复查自己半年前的结论。
- 分散化。 量化天然倾向于持有一篮子标的。单只股票踩雷对组合的伤害，被摊薄到可承受的范围。
常见误解：量化不是什么
误解一：量化稳赚。 不存在。规则在历史上有效，不保证未来有效；市场结构变化、参与者变多，都会让老规则失效。量化能做的是让”亏在哪、为什么亏”变得可分析，而不是消灭亏损。
误解二：量化是全自动印钞机。 真实的量化工作绝大部分时间花在清洗数据、修回测代码、排查”为什么这个结果好得不正常”上。好得不正常的结果，几乎总是因为代码写错了或者用了未来数据。
误解三：数学不好做不了量化。 入门阶段用到的数学不超过高中水平：算收益率、算均值方差、理解复利。真正的门槛是耐心和诚实——愿意花时间核对数据，愿意承认自己的想法被数据否定。
误解四：量化就是高频交易。 高频只是量化的一个细分方向，且对个人几乎不可行——它拼的是速度、设备和交易通道。个人量化更现实的战场是日线级别的中低频策略：持有几天到几个月，比拼的是研究质量而不是毫秒。本课程讨论的全部内容都在这个范围内。
顺带一提：本文以及本系列课程只做方法讲解，不构成任何投资建议。
这门课的整体地图
入门阶段我们按这条路线走：
- 市场规则：T+1、涨跌停、除权除息，这些制度决定了回测假设怎么写。
- 数据：从免费数据源拿到日线行情，理解复权和交易日历。
- 工具：pandas 最小技能包，够用就行。
- 评价体系：年化收益、最大回撤、夏普比率，学会同时看收益和风险。
- 之后进阶到简单策略的回测与复盘，完成第一个研究闭环。
每一课都配一个动手练习。量化是手艺活，看十遍不如亲手跑一遍。
学习装备方面，一台普通电脑加上 Python（配好 pandas、numpy）就够了，不需要付费数据、不需要服务器。建议现在就建一个专门的项目目录，后面每课的练习代码和数据都放在里面——几个月后回头看自己的研究记录，你会感谢这个习惯。
本课小结
- 量化投资的核心动作是把模糊的想法翻译成可用数据检验的明确规则。
- 它的真实优势是纪律性、系统性、可验证、分散化，而不是”更容易赚钱”。
- 规则在历史上有效不代表未来有效，量化不能消灭亏损，只能让亏损可分析。
- 入门阶段的数学门槛不高，真正的门槛是耐心和对数据的诚实。
- 学习路线：市场规则 → 数据 → pandas 工具 → 收益风险指标 → 简单策略回测。
动手练习：拿一句你听过的投资”经验”（比如”放量突破可以追”），试着把它翻译成一条完全明确的规则——写清楚触发条件的具体数值、买入时点、持有期限和退出条件。不用写代码，用中文写在笔记里即可。写完后数一数，你一共钉死了多少个原来模糊的细节。