第 1 章：这门生意适合你吗

量化交易是什么（Chan 的定义）#

Chan 给的定义极其朴素：量化交易就是把买卖决策完全交给一套事先写好的规则，人只负责研究规则和监控执行。它不必是高频，不必用机器学习，一个”每月末买入过去一年涨幅最高的 10 只股票”的 Excel 策略也是量化交易。

这个定义的用意是祛魅：把量化从”火箭科学”拉回”可操作的手艺”。全书示例策略几乎都能用几十行代码实现。

谁能做：需要的三样东西（和不需要的三样）#

需要：

1. 基本编程能力——会用 Python/R/MATLAB 处理数据即可，这是全书唯一的硬门槛；
2. 一笔输得起的启动资金——书中讨论了美股环境下 5 万美元级别起步的可行性；重点不是数字，而是”这笔钱亏 20% 不影响生活”；
3. 纪律和时间——每天盘后半小时维护，比盘中盯八小时更重要。

不需要：高深数学（本科统计够用）、金融学位（Chan 认为反而可能有害——容易迷信理论）、机构级设备。

为什么做：量化相对主观交易的三个优势#

1. 可检验：主观交易的”盘感”无法回测，量化规则可以在历史上验证——错误在投钱之前暴露；
2. 可扩展的是时间而不是精力：规则写好后，跟踪 500 只股票和 5 只的边际成本几乎为零；
3. 对抗情绪：恐惧和贪婪是散户亏损的主因，规则化交易把决策从肾上腺素手里夺回来。

本章最值得记住的提醒：把它当生意，不当彩票#

Chan 反复用 “business” 这个词是有意的：生意有启动成本、固定开销、现金流预算和关停条件。他建议入行前算一笔账——预期年化收益 × 本金，减去数据、软件、佣金开销，剩下的数字除以你投入的时间，如果时薪不如你的本职工作，那么正确的定位是副业和学费，而不是辞职。这个冷水泼得极负责任。

对应本平台#

AlphaForge 就是按”个人量化研究者”画像搭建的，恰好覆盖本章说的低门槛路径：

• 编程门槛：平台把数据管线（AKShare → PostgreSQL）和回测引擎做好了，你只需要在 research/factors.py 里写几行因子函数；
• 启动成本：数据源免费、本地部署，本章说的”数据与软件开销”在这里趋近于零；
• 纪律：调度守护进程每个交易日 16:30 自动增量更新，把”每天盘后维护”也自动化了。

动手：读完本章先别写策略。打开量化学堂第一课，对照本章的”三样需要的东西”给自己打分。

本章带走的三句话#

1. 量化交易 = 规则化决策 + 历史可检验，与高频、AI 无必然关系；
2. 个人入行的硬门槛只有编程；数学和金融学位都不是；
3. 把它当生意算账：时薪不如本职，就定位为副业——这不丢人，这叫尽调。