81中文网

第12章 量化策略是如何开发出来（第1页）

在第十章中我们介绍了桥水基金的全天候策略。那么小伙伴们就有疑问了：一个这样的量化策略是如何做出来的了？难道是突然有了一个idea，设置A要几份，B买几份；然后就屁颠儿屁颠儿地跑去交易，等着日进斗金了吗？

当然不可能是这样，它需要经历从概念构想、编程实现、历史回测、策略优化，到模拟交易和最终的实盘投资多个环节的检验。

现在就由我为你揭开量化策略开发的神秘面纱，以一个通俗易懂的方式解读这一旅程。

一、策略构思

策略构思是量化策略开发的源头。

一切伟大的策略都始于一个闪光的思想。

无论你是通过阅读金融界的大神们的分享、券商的量化研报，还是翻阅经典交易书籍找到灵感，一个完整的策略想法应包括交易标的、进出场点、仓位管理等关键组成部分。

对于初学者，怎样的方法才是既简单又有效的呢？

这里有一个特别推荐的模型，那就是F-Score模型——一个非常适合新手且具有普遍适用性的基本面多因子选股方法。

当我们谈到价值投资，格雷厄姆和巴菲特这样的大师们经常会提到“以合理的价格买入优质的股票”。

但问题来了，“优质的股票”该如何界定呢？

这就是F-Score模型发挥作用的时候了。

简而言之，F-Score通过9个基于财务报表数据的评分因子来衡量一家公司的基本面，这9个因子覆盖了盈利能力、资产负债情况与现金流等多个方面。

总得分越高，表示该股票的质量越好，也就意味着它可能是一笔更值得投资的选择。

此外你也可以根据自己学到或者观察到有意义的指标加到里面来。

二、编程实现

有了策略的灵魂——想法之后，便需要通过编程将其具象化。

在量化投资的世界里，Python和C++是最常用的编程语言。

Python以其高效和易用性受到初学者的青睐，而C++则以其执行效率高在一些对速度要求极高的策略中得到应用。

当然，亦有量化平台提供了便捷的环境，如聚宽、优矿等，让策略编写变得更为简单。

这里特别介绍不需要编程就能用的果仁网。

（不过他家VIP挺贵的，大家可以先免费注册看一看）。

三、策略回测

编程完成后，接下来的关键步骤是回测。通过对历史数据的测试，我们能大致判断策略在过去的表现。

比如我在果仁网上输入了一个指标“净利润大于1000万”，回溯5年。

成绩非常的差，年化收益-25。75%。

这也说明单一指标很难跑赢市场。

而对于专业人士，这一过程需要尽量避免“未来函数”等错误，以确保回测结果的有效性。

回测不仅仅是验证策略历史表现的工具，更是检验其稳健性的关键环节。

四、策略优化

面对可能不尽人意的回测结果，策略优化成为必要的步骤。

调整参数、优化逻辑、分析风险，所有这些都是为了让策略更加契合市场的实际情况。

但需警惕，不可陷入过度拟合的泥潭中，丧失策略的泛化能力。

想象一下你在某个特定场景下穿着一件非常合身的衣服，这件衣服既舒适又完美地贴合你的身体，看起来很不错。