我最近一直在学量化，虽然只摸到点皮毛，搭的策略像幼儿园小班水平，但已经明显感觉到它能帮我完善交易体系、改掉"凭感觉交易"的坏毛病——盯盘、复盘都走了不少捷径。

量化其实不是什么新鲜事物，只不过在我们这儿被发扬光大了。所以今天不骂它，咱们把它拆开看清楚。

先给结论
市场公认能稳定盈利的量化模型，一共 7 种：趋势跟随、均值回归、套利、统计套利、因子投资、高频交易、AI 学习。下面一个个说。

一、趋势跟随

核心：顺势而为。涨了我买、跌了我卖，不猜顶也不抄底。背后的逻辑是：趋势一旦形成，就会自我强化。

国际上代表性玩家：英仕曼（Man Group）旗下的 Man AHL，这支趋势量化跑了二十多年，靠数学模型和算法做趋势跟随；还有 AQR 资本的 Helix 策略，专注方向性宏观与趋势跟随，年化回报约 18.6%。数学基础主要是线性代数、概率论，核心是时间序列分析；再高级些如 GARCH 模型，也是量化常见方向。Python 里常用 pandas、numpy。

适合的行情 / 怕的行情最适合单边行情，遇到震荡市容易来回挨打。比如今年 6–7 月那波硬科技，基本就是趋势跟随模型，收益率直接起飞。

二、均值回归

核心：跟趋势跟随反过来。涨多了卖、跌多了买，赌价格回到平均值。逻辑来自统计学：价格短期会偏离均值，但长期一定回归。

举个简单例子：假设沪深 300 过去一年均值是 3500，历史波动率算出的标准差是 150 点。触碰上轨（3500+150×2）代表情绪极度贪婪，该卖；触碰下轨（3500−150×2）代表极度恐惧，该买。

国际上的 GMT 资本，旗舰基金用均值回归思路，三十年平均年化约 17%。国内早期幻方、九坤等头部机构，底层逻辑也都涉及均值回归。不少大型量化策略把均值回归因子占了较大权重——这也是 A 股长期维持在 3000–4000 点区间、很难走出大单边的一大原因。

适合的行情 / 怕的行情更适合震荡市，遇到大单边行情就很难赚钱。最近的遛狗行情，基本也是这么产生的。

三、套利策略

核心：最简单的差价逻辑。同一个东西在不同地方价格不同，就在便宜的地方买、贵的地方卖，赚中间差价。理论风险低，但收益空间也小，拼的是速度和成本，需要硬件优势。

也就是常说的"看高做低"：比如市场上的一字板进不去，就按它的体貌特征去找低位同题材个股做套利，甚至用 20cm 玩法，积少成多刷胜率。套利虽然稳定，但容量有限、对硬件速度要求极高，很难普及。

四、统计套利

核心：套利策略的升级版。不找"同一个东西"的差价，而是找一群相关资产的价格关系，谁偏离就做多弱的、同时做空强的，等关系修复。

例子：把茅台、五粮液、泸州老窖作为一组，历史上茅台大概约等于 15 倍五粮液或 17 倍泸州老窖。一旦茅台股价大幅超过历史均值，量化就融券卖茅台、做多五粮液和泸州老窖，赚三只股票价值修复的利润——它根本不管茅台涨还是跌，只把三者当参考标的。和价值回归差不多，赚取三者之间的价差。

五、因子投资

核心：目前公募量化最主流的玩法。通过估值、成长、动量等上百个因子给股票打分，选综合分最高的构建组合。当年 BARRA 体系下的 101 个 Alpha 因子，是这个领域的里程碑。

国内如国金量化的多因子策略（曾获金牛奖），华泰柏瑞、招商也有类似产品。多因子适合大资金，但因子会失效，同质化竞争也严重，一旦失效还可能发生踩踏。

六、高频交易

核心：毫秒甚至微秒级完成交易，赚极微小差价，靠速度取胜。这种价差只存在零点几秒，慢一拍就消失，必须靠超高速传输和自动交易系统。国内知名高频产品收益很高，但门槛也高，监管越来越严——随着服务器受限，这类策略随时可能失效。

七、AI 学习策略

核心：最前沿的方向。让 AI 在海量数据里自己发现规律、挖掘因子，找到人脑发现不了的非线性关系。这也是国内量化目前的主攻方向，是每家机构的核心竞争力。

幻方就是 AI 量化代表，2025 年收益均值约 56.55%；还有以机器学习为核心的平方和投资。不过近几年量化普及、算力提升，策略差距在缩小，中小机构靠 AI 算法拉近了与头部大厂的差距，未来也会趋向同质化，只是时间快慢问题。

总结：没有圣杯，只有组合

讲完七种可以发现：没有哪一种策略能通吃所有市场——

1. 趋势跟随 怕震荡
2. 均值回归 怕单边
3. 套利 怕没有价差空间
4. 高频 怕监管变化

所以一个真正长期赚钱的量化机构，往往是多策略组合配置。这就好比我们常说的交易：当市场情绪退潮，打板接力一定面临"吃面大于吃肉"的风险。这也是我一直强调大局观的核心意义——要知道市场处在什么处境，以及该处境下该用什么应对策略。

下期预告给老师们讲讲：个人学量化总结出的经验，以及如何把量化当作"友军"的具体策略。