有人说量化交易是刻舟求剑、南辕北辙、缘木求鱼，根本无法找到交易的圣杯。

其实对量化交易，每个人都有不同的理解。

量化交易的概念

某些投资者认为只有分钟级或实时高频交易才能算量化交易，像我这种日线级的量化选股不能称之为量化交易。

当然对此我持不同的看法，我理解的量化就是把各种抽象的影响因素通过具化的方式表达出来。

比如我们常说的放量，那什么条件下才能称之为放量？你看图形是很直观的，今天的成交量柱明显比前一交易日的成交量柱要长很多。长多少算是放量，这就涉及到一个参数的设定，假设我设为1倍，那就是说，今日成交量是前日成交量的1倍及以上，那么我们称之为放量，低于1倍的都不叫放量。这个过程，我就称它为量化的过程。

一个股票交易系统，有很多各种各样的数据，每个人也有每个人独特的买入卖出策略，把这些因素全部量化成具体的数值，调配出一个可以自动完成买入卖出信号的程序，我把这个程序叫做量化交易系统。经过不断的回测，发现可能影响股价的因素，然后再调整策略或参数，最终形成有效的交易系统。

至于能否实现真正的委托交易，这个目前对我来说反倒不是最重要的。如果探索出了一个稳定的交易系统，程序模拟买卖指令跟券商接口集成，在技术上并不是一件困难的事。而且我咨询过券商，只要资金量够大，接口是没问题的。这个障碍不在技术，而在资金。

量化系统的作用

2020年的时候，我单纯靠个股的技术指标来做量化，发现确实没什么用，结果跟猴子抛硬币差不太多。这种基本就跟在同花顺或通达信里面写公式类似，基本上就是个玩具。于是我也曾得出了上面有人现在的结论。

后来我仍然不死心，我把大盘、选股、仓位控制、个股基本面、技术指标等都应用到了操作策略上，形成了现在的交易系统。这个系统相对来说就复杂一些了，不再是片面的个股与技术指标，大盘本质是资金，选股本质是行业，仓位控制本质是纪律，基本面及技术指标本质是公司，基于这些因素综合考量而形成的交易系统，我经过了无数次的改良与回测。目前大概率能实现超越大盘的正收益，至于收益多少，跟具体参数和流程都密切相关。

我觉得量化交易系统最大的作用就是回测，它能够把你的一个想法或猜测去应用到系统中，根据历史数据跑下来看是否合理。换句话说，它能够用最短的时间、最低的成本帮你试错。经过不断的试错，留下适合你策略的有效指标，最终帮助你形成你的交易系统。

量化系统的运行展示

我不知道别人写的量化系统是什么样的，我也不关心，因为跟我也没啥关系。我觉得量化系统的核心其实就是回测，只有不断的回测你才能不断的试错。

我在头条上看到还有人用Python写量化的，我很怀疑它的运行效率。比如我的常规评测是7年数据，200多只股票，逐个交易日计算买入卖出，各种指标比如均线、MACD、RSI等等指标的计算，不计其数的循环，每改一个参数回测一下，差不多都要10几分钟才能跑完一次。用Python我简直不敢想象。

下面的图是我用C#写的模拟实际交易的回测界面：

模拟回测界面

什么时间？买入或卖出哪只股票？交易数量、交易金额分别是多少？现金和总资产是多少？收益率是多少？总的年化收益率是多少？

都能够自动计算出来，跑完一次你就知道你改的策略或流程效果如何了。

一般情况下，你会找出几个盈利或亏损大的，结合K线图进行分析。

比如买入，是买入点不合理？还是买早了？或是买晚了？卖出也一样。然后你根据情况对策略或参数进行调整，然后再重新回测，看是否能够解决。

有的策略在某种条件下特别适合，在某种条件下就会失效，那你就要把这种条件进行量化，只有在符合这种条件的情况下，我才用这个策略。

下面这个是模拟交易机器人系统的Web监控页面，后台有个机器人程序一直运行，为了这套系统我特地搞了一台服务器。

机器人1号

它是从2022年11月4号开始运行的，现在运行了98天，累计收益5%，年化收益20%。当然都是模拟，不是实盘。

可以展开的点太多了，就不一一说了，这东西我搞了5-6年了，还是经常会有新的想法，简直就是其乐无穷啊！

我上面这些都是自娱自乐的小儿科，很多国内国外的专业机构有专门的团队给他们做量化，你说这东西有没有用？