算法交易

回测与实盘的落差，是我刚做策略研究时交的第一笔学费。那时在自营和资管的投研线上，一个逻辑漂亮的均值回归策略，样本内曲线顺滑得像画出来的，一上实盘就开始衰减。后来才明白，不是模型错了，是回测没把冲击成本和对手盘算进去——你以为在无人区低价买入，实盘里那一笔单子本身就把价格推开了。作者说"回测里用细节让策略看起来比实盘好得多，特别危险"，我读这句时点头，因为它讲的就是我亲眼见过的场面。

前视偏差的真实形态，比书里写的更"脏"。我见过一次把复权价和未复权价混用，信号悄悄吃进了未来的分红信息；也见过一次参数在全样本上调好之后，才"假装"切出一段样本外去展示。这些都不是高深的学术陷阱，而是流程里的马虎。所以我后来把"有没有偷看未来"列成策略上线前的必查项，和作者"先怀疑回测、再相信它"的提醒是同一个动作，只是我把它从一句忠告变成了自己的检查清单。

杠杆和尾部，是管别人钱时最让我睡不着的环节。凯利公式给的"最优杠杆"数字看着很诱人，但经历过市场流动性瞬间消失的极端行情——不是非要 2010 那种闪崩，境内外都常有几分钟里盘口被抽干的时候——你就知道胖尾一来，理论上的"最优"会把人直接打爆。所以我的实盘仓位，永远比理论凯利低一截，专门留一层缓冲给不知道什么时候来的尾巴。作者前言那根"高斯失效时最优杠杆去哪找"的刺，我服这一刀，也拿来时刻提醒自己。做系统化那几年，我给每条自动策略都配了独立的尾部熔断，不是因为保守，是因为见过太多"最优"在半夜被尾巴一口吞掉。

均值回归和动量"两副面孔"的说法，在实盘里天天上演。我看过日内反转和跨日动量在同一个标的里并存：开盘冲高回落是回归，趋势展开了又是动量；配对套利在平稳窗口里稳稳赚钱，一遇结构突变就反向亏损。这印证了书里"同一市场在不同时间尺度上呈现两副面孔"——它不是两个互斥的策略阵营，而是你得更清楚自己赚的是哪个尺度上的钱。想不透这一点，就容易在尺度切换时被两面挨打。在信托和资管做系统化配置时，我也用同一把尺：先定清楚这笔钱赚的是哪一层无效性，再决定用哪种工具，不把两类逻辑搅在一个账户里。

越复杂的模型，在样本外越脆，这是我反复验证过的。曾经迷过一阵子非线性、多因子的"高级"玩法，回测惊艳，实盘一地鸡毛；出问题的时候还很难解释——你都说不清它为什么亏，自然也谈不上止血。后来我越来越偏好参数少、逻辑透明的策略：它不一定赚得最多，但出事时你能讲清楚因果，能动手修。奥卡姆剃刀对我来说早已不是修辞，而是工程上的生存纪律。做 fintech 对接银行核心系统那会儿也一个道理：规则写得越花，运维夜里越怕，最后都回归到"少而透明"。

真正决定算法成败的，往往在模型之外的执行层。我见过机构里的算法交易，vwap、twap 只是最表层，往下是暗池、做市商报价、盘口厚度、以及一整套风控系统；散户没有这些通道和工具，所以作者说"这书是写给散户的"，背后其实是机构与散户在可得性上的真实落差。我自己的体会是：同样的策略逻辑，放在不同的执行环境下，结果可以天差地别——微观结构不是装饰，是利润的藏身之处，也是利润的漏勺。

把这些连起来看，我记下的不是某个圣杯，而是一种态度：收益来自无效性，所以先确认自己赚的是哪一类无效性；回测会说谎，所以上线前先查偷看未来没有；凯利给最优，所以尾部一来就收手。这套从书里来的闭环，和我多年在机构里摸爬的体感是合的——它不保证赚钱，但能挡掉大多数把自己的钱坑进去的蠢事。以后任何一笔下注前，我把它收成两条 checklist：

① 上线前查偷看未来：复权价有没有混用？样本外是不是调参后才切的？信号有没有悄悄吃进未来信息？先过这三关，再谈相信回测。

② 尾部收手：杠杆永远比理论凯利低一截，给不知道什么时候来的胖尾留一口气；自动策略配独立熔断，半夜跑偏也能被人关掉。

—— Ben