weixin_29053383做量化这几年，我见过太多人一上来就问“有没有稳赚的策略代码”，好像某个参数一调，净值曲线就能永远向右上角画。结果往往是亏完学费才明白：策略本身只是冰山一角，真正决定你能不能长期活下来的，是背后那一整套认知框架。后来我越来越觉得，老祖宗讲的“道、法、术、器、势”五个字，用来拆解量化交易尤其是A股实战，特别贴切。这五个维度不是五个并列的技巧，而是一个从抽象到具体、再从具体回到宏观的完整闭环。
这篇文章我想把这套框架完整讲透，结合A股的实际特征与实战中踩过的坑，给正在研究量化交易的朋友一份可以反复对照的路线图。不管你是刚接触Python量化策略代码的新手，还是已经会用Qlib、Backtrader搭框架的进阶玩家，都应该能从中找到自己缺失的那一块拼图。
1. 先定“道”：想清楚自己到底靠什么在市场里活下来
“道”看起来最虚，其实最要命。技术可以学，工具可以换，但如果你对市场的底层认知是错的，后面所有环节都是在错误的地基上盖楼。
1.1 A股有哪些“钱”是量化真正赚得到的
做量化有一个容易被忽略的前提：你得先想明白，市场上那么多钱，你究竟要赚哪一种。
简单拆分一下，我们能接触到的收益来源大概有四类：
| 收益来源 | 背后的逻辑 | 典型策略谱系 |
|---|---|---|
| 企业成长与价值回归 | 基本面定价错误，低估修复 | 基本面多因子、价值/质量选股 |
| 市场情绪与行为惯性 | 人类决策偏差导致的动量、反转、羊群效应 | 趋势跟踪、动量因子、事件驱动 |
| 资产间的相对错误定价 | 相关资产价格偏离后回归 | 统计套利、配对交易、ETF套利 |
| 流动性与交易服务 | 为市场提供买卖盘，赚取买卖价差 | 高频做市、盘口交易 |
A股有个很典型的特点：散户交易占比较高，这种结构让行为金融学里的那些异象——短期动量、过度反应、处置效应——表现得比成熟市场更明显。换句话说，A股量化赚的第二类钱，也就是“行为钱”，长期看是相对丰厚的。这不是什么玄学，而是由市场参与者结构决定的统计规律。
但你要反过来想：正因为人人都知道散户容易追涨杀跌，这类策略的超额收益也在被越来越多的量化机构摊薄，拥挤度逐年上升。2019年的时候一个简单的中证500成分股动量因子回测效果非常好，但到2023年同类策略的夏普已经大幅下降。核心原因不是因子失效，而是因子拥挤。
我个人的看法是，对普通个人量化交易者来说，最容易上手的钱不是去跟机构拼高频、拼速度，而是利用A股散户占比高、机构覆盖不足这两件事，把行为类和事件类的低频策略吃透。这类策略资金容量大，对执行速度要求低，普通人在家里用日线数据就能做研究，刚好是大家能力边界内的机会。
1.2 A股制度特征决定了策略的物理边界
许多人在海外市场做量化做习惯了，把美股那套逻辑直接照搬回A股，结果被市场教训得很惨。A股有三条制度特征，每一条都在物理层面改变策略的设计空间。
首先是 T+1交易制度。当天买入的股票次日才能卖出，这意味着所有日内开平仓的策略天然不成立。美股常见的那种日内多次进出、尾盘平仓的高频模式，在A股的正股上根本没法做。量化交易策略代码里，所有出场信号在买入当天都是“未生效”状态，你必须把持有周期拉到至少一天以上。这直接影响了策略的调仓频率和风控判断。
其次是 涨跌停价格限制。涨跌停不只是把价格波动限制在某个区间，更重要的是它在极端行情中会扭曲流动性。跌停板上的股票不是不想卖，而是买单跑光了，你想止损根本出不去。很多策略在回测中把跌停日按“无法成交”处理，但实盘中问题远比这复杂：跌停打开时能不能卖出去，取决于封单量、排队位置和你自己的挂单速度，这些细节很难精确建模。所以任何在A股做趋势或短线交易的策略，都要在设计阶段就问自己：如果持仓第二天直接低开5%，我的止损逻辑还能执行吗？
第三是 做空工具严重受限。股指期货有入金门槛，融券券源不稳定，个股期权覆盖范围有限。这导致很多中性策略想靠做空获取绝对收益，实际上只是在“裸多+对冲”之间来回摇摆。做空缺失还带来一个衍生后果：A股的定价错误修正速度往往比成熟市场慢，错误可以持续很久，追涨杀跌的趋势惯性更强。
1.3 业绩基准与预期管理：把预期写下来
“道”落到操作层面，第一件事其实是管理预期。我见过不少朋友刚开始做量化回测时，看到年化80%、最大回撤6%的曲线，兴奋得睡不着，觉得马上就要财务自由了。冷静三个