交易系统 · 方法论

设计一份可靠的交易策略

在写下第一行规则之前，先把策略当成一个会主动证伪自己的科学假设来对待。

可靠性不住在信号里，它住在信号周围的一切：动手前的推理、成本模型、验证纪律、仓位大小。

大多数人是倒着做策略的：先在历史里发现一个好看的模式，再回头给它编一个理由。可靠的设计是正着做的——你先说清楚"为什么这里应该存在一个赚钱的机会"，然后用尽全力去证明自己是错的。两种顺序，做出来的是两种东西：前者是一段历史的拟合，后者才是一个策略。

对你来说有个现成的桥梁：一份交易策略的"可靠性"问题，本质上就是机器学习里的泛化（generalization）问题。回测就是训练集，样本外就是测试集，过拟合就是过拟合，"试一千个策略挑最好看的那个"就是测试集泄漏。你在调模型时所有关于"训练好看≠真的有用"的直觉，几乎可以原封不动搬过来。下面的整套方法，都可以看成是把这套泛化纪律应用到市场上。

你不是在找一个会赚钱的信号，你是在建一条会主动杀死自己坏想法的流水线。

---

第一部分 · 重中之重动手之前，必须想清楚的七个问题

这一节是你问题的正面回答：制作之前先想清楚什么。如果这七个问题你答不上来，那不管后面回测多漂亮，你都还没有一个策略。我建议把它们当成一道闸门——全部能给出诚实回答，才放行进入开发。

Q1你在赚谁的钱？

市场扣掉手续费之后是一个负和游戏。你要持续地赢，就必须有人持续地输给你。说不出对手是谁、为什么他会一直输，你就没有 edge，只有一个巧合。

真正可持续的 edge 通常来自下面几类，缺一个机制解释就要警惕：

• 信息——你比别人更早或更准地知道某件事（对散户来说这条最难，也最容易自欺）。
• 速度——你的执行比别人快（HFT 的地盘，普通人基本进不去）。
• 结构性强制流——有人被迫买卖：清算瀑布、指数再平衡、基金赎回、合约到期。他们不在乎价格，你在。
• 行为偏差——你系统性地站在别人情绪化错误的对面（追涨杀跌、过度反应）。
• 风险溢价——你拿了别人不愿意拿的风险，于是被付钱（做市、提供流动性、持有尾部风险）。

Q2它属于哪一类策略？它的"天气"是什么？

趋势跟随、均值回归、套利、做市、事件驱动、carry——每一类都只在某种市场状态（regime）里赚钱，在它的反面状态里稳定失血。趋势策略在震荡里慢慢割肉，均值回归在单边行情里一次爆仓。

动手前你必须能用一句话说出："这个策略会在 ____ 的时候亏钱。"如果你说不出它的死法，说明你还没真正理解它。

Q3你的时间尺度是什么？

HFT / 日内 / 波段 / 持仓——这个选择会向下游层层传导：需要什么精度的数据、对成本多敏感、容量多大、需要什么基础设施、要占用你多少注意力。

一个反直觉的权衡：越短的周期，样本越多、越容易做出统计显著性，但越被成本和聪明对手主导；越长的周期，独立样本越少、越难验证、越扛 regime 风险，但也越不拥挤。选错尺度，后面全白搭。

Q4成本结构能不能让它活下来？

这是一票否决项，也是大多数漂亮回测真正死亡的地方。手续费、滑点、点差、冲击成本、（加密永续的）资金费率——一个毛利为正的信号，扣完成本可能深度为负。

Q5它的容量（capacity）有多大？

在你的下单开始把价格推向对自己不利的方向之前，这个策略能装多少钱？小资金的天堂，常常是大资金的坟墓。最好的低效往往容量极小——你能用十万跑，不代表能用一千万跑。先知道天花板在哪。

Q6你的风险预算是多少？

在开始之前定义"疼痛"，而不是在亏了之后。你能在情绪不崩的前提下，承受多大的回撤、多长的水下期（underwater）？这件事必须事先定，因为一旦真的回撤了 30%，你的判断力已经被污染了。

Q7你怎么知道它已经失效了？

一份可靠的策略，出生时就该带着一张预先写好的死亡证明：在什么条件下你会停止使用它。比如"滚动三个月夏普 < 0"、"回撤超过回测最大回撤的 1.5 倍"、"我当初识别的那个机制消失了"。

没有这张证明，你会在策略已经坏掉之后还一直持有它，永远相信"它会回来的"——这是把一次正常的失效，拖成一次毁灭性的破产。事先定义失效条件，是区分专业和业余的分水岭。

---

第二部分 · 流程设计与验证的生命周期

过了闸门，才进入大家以为的"做策略"。这里最重要的纪律只有一句：样本内好看不算数。

把历史切成两段：一段用来开发和调参（样本内 / 训练集），另一段锁起来不碰（样本外 / 测试集）。你只有一次真正的样本外机会——一旦你看了样本外结果，回头又去改参数，这段样本外就被你"污染"成样本内了，泛化能力的证据当场归零。这跟你绝不会拿测试集去调超参，是完全一样的道理。

模拟盘和小额实盘这两步常被跳过，但它们专门用来抓回测永远抓不到的东西：真实的滑点、撮合延迟、API 故障、你自己手抖的时刻。用真金白银的小仓位买这些教训，比用大仓位买便宜得多。

---

第三部分 · 核心让回测说真话：七个"假装可靠"的陷阱

"可靠"这两个字的全部重量都压在这一节。下面每一个陷阱，都能让一个其实没用的策略在历史上呈现出迷人的曲线。它们也几乎都能在你熟悉的 ML 语言里找到对应。

• 过拟合 / 曲线拟合——参数越多越危险。自由度逼近数据量时，你拟合的是噪声不是规律。就是 overfitting，一字不差。
• 前视偏差（look-ahead）——用了当时根本拿不到的信息：用收盘价做决策却又用了收盘后才知道的数据，或代码里藏了"未来函数"。这是最隐蔽、也最致命的 bug。
• 幸存者偏差——只在"活下来的"标的上回测。那些退市的股、归零的币被你悄悄排除了，于是历史看起来比真实仁慈得多。
• 数据窥探 / 多重检验——试了一千个策略，总有一个靠运气好看。这就是 p-hacking、测试集泄漏。试得越多，"最好那个"越可能是纯噪声。
• 忽略成本与滑点——见 Q4，毛利曲线和净值曲线是两个世界。
• 回测集复用——反复在同一段历史上调参数，等于慢动作的过拟合。每看一次结果再改，你就花掉了一点点泛化能力。
• 机制断裂 / regime change——历史不保证未来，尤其当市场结构本身变了（新规则、新参与者、流动性迁移）。这正是 Q1 的机制解释如此重要的原因：知道为什么赚钱，你才知道它什么时候会停。

---

第四部分 · 存活仓位与风险：把"对的方向"变成"活下来的曲线"

这里有个反直觉但致命的事实：即使你的信号有正期望，错误的仓位也能让你破产。方向对、下注太重，在足够长的时间里几乎必然会撞上那次让你出局的回撤。所以"赚钱"和"活着"是两个独立的问题，后者由仓位决定。

---

第五部分 · 度量用对的尺子衡量

只看总收益率几乎没有意义——它没告诉你为了这个收益你承受了多大的风险、多深的回撤、多长的煎熬。要看风险调整后的指标：

• 夏普 / 索提诺（Sharpe / Sortino）——单位风险的回报；索提诺只惩罚下行波动，对"只怕亏不怕赚"的人更贴切。
• 卡玛比率（Calmar）——年化收益 ÷ 最大回撤，直接回答"为了这点收益，我最深要忍多大的坑"。
• 最大回撤 + 水下时间——最深的坑有多深、要在水下熬多久。这两个数字决定你能不能熬到策略兑现。

---

收尾 · 一页纸动手前的起飞前检查

把第一部分压缩成一张检查表。在投入第一块钱之前，下面这些你能不能逐条诚实地回答"能"——

真正的可靠，不是"它一定会赚钱"，而是"如果它没用，我能在赔光之前、在纸面上、便宜地发现这件事"。