A 股量化的入门与约束（第 1 篇）
一句话:量化 = 用数学和代码做交易。A 股量化 = 散户的 3 个误区 + 3 大特殊约束 + 3 大数据源。不懂约束 = 量化必死。
一、什么是量化交易?
1.1 一句话定义
量化交易 = 用数学模型 + 计算机程序
→ 替代人工判断
→ 自动执行买卖
1.2 4 大流派
| 流派 | 核心 | 工具 |
|---|---|---|
| 趋势跟踪 | 涨就买,跌就卖 | 双均线 / 海龟 / MACD |
| 多因子 | 多个指标打分排序 | 选股公式 |
| 统计套利 | 价格回归历史均值 | 配对交易 / 跨期套利 |
| 机器学习 | AI 自动发现规律 | 神经网络 / 决策树 |
1.3 散户 3 大误区
| # | 误区 | 真相 |
|---|---|---|
| 1 | “量化一定赚钱” | 量化 ≠ 稳赚,90% 策略失败 |
| 2 | “回测好 = 实盘好” | 回测有 5 大坑(过拟合 / 未来函数 / 滑点 / 交易成本 / 幸存者偏差) |
| 3 | “高频 = 量化” | 量化 = 任何数学模型,不只是高频 |
💬 “量化 = 数学 + 代码,不是’神秘的赚钱机器’。90% 的量化策略回测好,实盘亏钱。”
二、A 股量化的 3 大特殊约束
2.1 约束 1:T+1 交割
买入:今天买,明天才能卖(T+1)
→ 不能做"日内回转"
→ 不能用"当日涨跌幅套利"
影响:无法使用美股的”日间交易”策略。
2.2 约束 2:涨跌停板
主板 ±10%、ST ±5%、创业板/科创板 ±20%
→ 涨/跌停后无法交易
→ 影响"突破策略"和"止损策略"
影响:
- 突破策略:涨停板后无法买入
- 止损策略:跌停板后无法卖出
2.3 约束 3:交易成本
A 股交易成本:
- 印花税:0.1%(卖出)
- 券商佣金:0.025-0.03%(买卖)
- 过户费:0.001%
→ 一次完整交易(买卖):约 0.15% + 0.06% = 0.21%
→ 一年 100 次交易 = 21% 成本
影响:高频策略成本极高,A 股不适合高频量化。
2.4 其他约束
✅ 涨跌幅限制
✅ 停牌制度
✅ 交易时间(9:30-11:30 / 13:00-15:00)
✅ 数据源限制(部分数据收费)
✅ 监管限制(异常交易监控)
三、3 大数据源对比
3.1 概览
| 数据源 | 价格 | 优势 | 劣势 |
|---|---|---|---|
| Tushare | 免费 + 收费 | 标准化 / 数据全 | 高级数据要积分 |
| AkShare | 免费 | 开源 / 实时 / 多源 | 偶尔接口变动 |
| Wind | 几万/年 | 金融数据最全 / 实时 | 极贵 |
| 聚宽 / 米筐 | 免费 + 收费 | 在线回测 | 数据有延迟 |
3.2 散户推荐
| 场景 | 数据源 |
|---|---|
| 学习阶段 | Tushare + AkShare |
| 生产环境 | Tushare(中级) + Wind(专业) |
| 在线回测 | 聚宽(免费) |
3.3 关键数据字段
✅ 必备:
- 行情(开高低收 + 成交额)
- 财务(三表 + 关键比率)
- 资金(北向 / 融资 / ETF)
- 指数(沪深 300 / 创业板 / 行业)
✅ 进阶:
- 龙虎榜(营业部数据)
- 估值(PE/PB 历史分位)
- 行业(申万 / 中证)
四、散户的 3 个量化入门路径
4.1 路径 1:用现成工具(零代码)
✅ 雪球 / 同花顺 / 通达信 的"条件选股"功能
✅ 股票雷达 / ETF 定投策略
✅ 网格交易条件单(券商 App 自带)
4.2 路径 2:学 Python 基础(1-3 个月)
✅ Python 基础 + pandas + numpy
✅ Tushare / AkShare 拉数据
✅ 自己写双均线 / 海龟
4.3 路径 3:专业量化(1-2 年)
✅ 完整 Python + 量化库
✅ 多因子 / 统计套利 / 机器学习
✅ 自己的回测框架
五、5 大实战建议(散户做量化)
5.1 建议 1:不要碰高频
A 股交易成本 0.2% / 次
高频 = 一天 100 次 = 20% 成本
→ 散户不适合高频
5.2 建议 2:从低频开始
低频 = 1 周 1-2 次交易
成本可控
策略稳健
5.3 建议 3:先回测再实盘
必须做 5 年回测
看最大回撤 / 夏普比率 / 胜率
→ 回测好 ≠ 实盘好
5.4 建议 4:实盘先小仓位
实盘先 1-2 万
跑 3-6 个月
确认能赚钱再加大
5.5 建议 5:不要 ALL IN 量化
量化只是工具,不是圣杯
7 大注意:
1. 90% 策略回测好,实盘亏
2. 5 大回测坑(详见精华 18)
3. 黑天鹅无法预测
4. 政策变化(涨跌停 / T+1)
5. 流动性风险(小盘股)
6. 心理承受力(回撤 30% 还能拿住吗)
7. 持续学习(3-5 年才能稳定)
💬 “量化 = 数学 + 代码 + 经验。3 大约束(T+1 / 涨跌停 / 成本) + 5 大坑 = 散户的’入门’必修课。”
六、3 大真实案例
6.1 案例 1:雪球敲入(2024-01)
- 中证 1000 跌 5% → 雪球 4 倍杠杆敲入
- 量化模型无法处理极端事件
- 散户被绞肉机吞没
6.2 案例 2:北化 17 连板(2024-12)
- 涨停板模型无法买入
- 跌停板模型无法卖出
- 散户被”涨跌停限制”套牢
6.3 案例 3:量化集体止损(2024-01)
- 多个量化基金同时触发止损
- 集体卖 → 加速下跌
- 散户被”量化踩踏”伤害
七、3 大避坑要点
7.1 避坑 1:不追”量化暴富”故事
量化不神秘
回测好 ≠ 实盘好
90% 散户量化失败
7.2 避坑 2:不学”高频”
A 股成本太高
散户资金太小
→ 散户学低频 / 中频
7.3 避坑 3:不被回测曲线迷惑
回测曲线漂亮 = 90% 是过拟合
实盘 3-6 个月见真章
→ 小仓位先跑
07-量化系列/03-3大数据源对比-Tushare-AkShare-Wind.md(数据源)
说明 · 本站内容均为学习笔记与经验总结,所有菜谱与技法请结合实际食材、季节与个人口味灵活调整。涉及生食、营养与健康的内容仅供参考,特殊体质或疾病请咨询专业营养师/医生。