研究策略与选择量化平台孰更重要——一个量化学习者的观察与思考

笔者是一个正在学习量化的普通投资者，平时泡在量化投资群里，也在禄得网上做因子和策略回测。看多了群里的抱怨、看多了排行榜的起落，笔者逐渐想明白一个问题：对个人投资者来说，把宝押在“研究出一个完美策略”上，和押在一个“持续进化的好平台”上，哪个更靠谱？

这篇文章就是笔者对这个问题的回答。

一、群里最常见的两个话题：因子失效与策略回撤

       打开任何一个量化投资群，翻一翻聊天记录，出现频率最高的永远是两类话题：“因子是不是失效了”和“策略回撤怎么这么大”。

       禄得群里最近的议论就很典型：

“是不是所有的 10 万级策略基本都是大回撤？笔者模仿的禄得策略，这几个月多数都产生了大的回撤。“

“再次友情提醒：某大师的可转债收益图显示，他从 22 年 8 月到 24 年 8 月，可转债从高位跌到低位，也是亏钱的。”

“AI 安慰笔者说，现在不是多因子不行了，而是在还债——只要你超额没有变得离谱，就还好。“

       这些话里有一种共同的失落：回测时信心满满，实盘后怀疑人生。有人调侃“现在古法量化和价值投资有点像了”，有人感慨“以前无知无畏，这一年渐渐看到跟正经量化的差距了”。

       但仔细想想，这些抱怨指向的其实不是同一个问题——有人说的“失效”是因子排序关系真的消失了，有人说的“失效”只是策略赶上了风格逆风期。把这两件事混为一谈，恰恰是量化学习中最常见的认知陷阱。要分清它们，得先回到一个更基本的问题：回测和实盘，为什么总是两张皮？

二、为什么回测很美，实盘很痛

       回测收益高、实盘回撤大，几乎是所有量化学习者的必经之路。原因并不神秘，主要有四层：

第一层：过拟合。 回测天然是一次“事后考试”——笔者们已经知道答案，再去调参数。参数调得越精细、试的组合越多，历史曲线就越漂亮，但其中有多少是真实规律、多少是“把历史噪音背了下来”，没人说得清。金融大数据建模领域的学者洛佩兹·德·普拉多（Marcos López de Prado）把“回测过拟合”称为量化研究的头号杀手：你尝试的策略越多，越容易找到一个“在过去很好”的策略，而它对未来一无所知。

第二层：真实成本。 回测里的成交价是纸面价格，实盘里每一笔交易都要付钱。幻方量化在《量化投资