简单策略的底层逻辑：从五条法则到十条实战经验

写策略容易，写出能长期活下去的策略很难。
大多数人都经历过这种循环：回测惊艳，实盘崩溃。
而能在牛熊之间生存下来的团队，早已形成两个共识：
设计层面要简单，执行层面要稳健。
于是就有了“五条黄金法则”和“十条机构法则”。

一、简单策略的五条黄金法则

这些法则对应策略的设计阶段，核心思想是：逻辑越简单，策略越能穿越周期。

1. 策略只解决一个核心问题

一个策略只能放大一个优势因子。
可以是小市值（Size），也可以是动量（Momentum），
但不能既想抓趋势，又想控估值，又想挑成长。
逻辑发散必然导致信号抵消，收益消失。
实战例子：
有投资者做了一个“小市值 + 高ROE + 低PE + 均线上移”的复合策略，
结果一年只选出两只股票，回测曲线极其完美。
实盘后，一只停牌，一只暴雷，策略直接报废。
结论：能用一句话解释清楚为什么赚钱的策略，才算合格。
例如，“选小市值，赌资金偏好回升”就是典型的单一逻辑。

2. 参数越少越好

参数越多，过拟合风险越大。
真正能穿越周期的策略通常只有三到五个参数。
一个合格的信号应当能容忍±10%的参数扰动而不失效。
实战例子：
有人用 RSI、MACD、布林带等十余个参数调参，
在历史数据上总能找到“完美组合”，
但每过两个月策略就失效。
后来他只保留一个条件——“股价站上20日均线”，
反而成了最稳健的版本。
结论：稳定比精确更重要，过度精确只是偶然。

3. 条件少、排序清晰

选股不是比谁条件多，而是比谁过滤得更干净。
硬阈值越多，样本越少，策略越像“历史调参”。
应当使用排序代替硬过滤，例如“市值从小到大”“ROE前50%”“PE前70%”。
实战例子：
比起“PE<30 且 ROE>10 且 净利润同比>20%”，
效果更好的往往是“市值从小到大排序，ROE排名前50%，PE排名前70%”。
排序保留了信号强度，不会暴力砍样本。
结论：策略不求选最好的，只求不选最差的。

4. 逻辑先于回测

不要一上来就跑回测。
先问自己：“这个策略为什么能长期成立？谁在亏钱给我？”
如果连对手盘是谁都不清楚，那回测再好也不具备现实意义。
实战例子：
动量策略赚钱，是因为资金存在惯性和人性从众；
小市值策略赚钱，是因为低流动性带来风险溢价；
理解这一点后，你就知道哪些年份、哪些阶段适合这个策略。
结论：先理解市场行为逻辑，再验证数据。

5. 宁可稳定5%，不要虚假50%

一个年化5%、能连续运行十年的策略，
远胜一个一年暴利、下一年爆仓的策略。
真正的高手追求的是稳定复利，而不是短期暴击。
实战例子：
2019年创业板量化策略暴赚，但2020年风格切换后全线崩溃。
反而那些坚持“均线+流动性过滤”的低频策略，
虽然涨幅平平，却稳稳穿越熊市。
结论：稳定复利胜过极端暴利。
五条小结：
简单等于可解释，可解释等于可复现，可复现等于可长期执行。
越简单的策略越能穿越周期，越复杂的策略越容易死在优化里。

二、量化机构的十条实战法则

这些原则来自AQR、Two Sigma、桥水等机构，
对应的是“怎么让策略长期活下去”。

1. 策略必须有可追溯逻辑

不能因为“回测好看”就实盘。
收益必须能解释：来自动量、流动性、价值还是情绪。
实战例子：
桥水基金要求每个策略都能“写成一行经济逻辑”。
研究员若解释不清收益来源，该策略不会被采纳。

2. 必须做样本外测试

样本内漂亮不算本事。
能在未来数据中依旧有效，才是真信号。
实战例子：
AQR会保留30%的数据专门用于“未来验证”，
并用其他市场（例如欧洲、澳洲）进行交叉测试。

3. 因子必须单独有效

每个子因子要能在不同时间、不同市场独立成立，
否则不能进入组合。
实战例子：
市值因子在美股50年、A股20年都长期有效，
但“特定行业动量”只在短期成立，因此不会纳入核心模型。

4. 禁止重复暴露同一逻辑

“均线+动量+突破”其实是同一类趋势信号，
看似三重确认，实则三倍风险。
实战例子：
Two Sigma团队规定，同一逻辑族（趋势、价值、质量）只能取一个代表因子。

5. 策略之间要低相关

组合策略的意义在于风险分散。
多个策略同时涨跌说明没分散成功。
实战例子：
AQR将Value与Momentum组合使用，
因为两者长期负相关，一个失灵时另一个往往爆发。

6. 每个策略设止损与最大回撤上限

任何策略都有失效期，必须提前定义“熔断线”。
实战例子：
机构常设规则：若回撤超20%，自动降权或暂停，
并进入冷静期重新评估。

7. 优先低换手率、低滑点策略

理论上高频收益高，现实中被手续费和冲击成本吞噬。
实战例子：
中信量化实测沪深300高频模型理论年化60%，
实盘仅剩9%，其余全被交易成本吃掉。

8. 策略要定期再验证

市场会变，模型也要更新。
实战例子：
Two Sigma每季度重新训练模型，
剔除失效信号，保留长期有效因子。

9. 稳健优先，不追最优

复杂优化往往只是对历史噪音的微调。
实战例子：
AQR禁止使用“最优参数”，
宁可牺牲2%的收益，也要换取更平滑的回撤曲线。

10. 收益必须可解释

再聪明的机器学习模型，如果不能解释风险来源，
在机构体系内也不能实盘。
实战例子：
Two Sigma曾尝试深度神经网络预测短期收益，
准确率极高，但因不可解释性被弃用。

三、心法与行法的区别

五条黄金法则对应“造策略”，
十条机构法则对应“管策略”。
五条让策略逻辑更纯净，
十条让策略执行更稳健。
造剑靠五条，用剑靠十条。
没有心法，剑钝；没有行法，剑断。

四、结语

复杂让你短期看起来聪明，
简单让你长期活得舒服。
在量化投资中，
能解释的逻辑才有未来，
不能解释的模型注定死在波动里。