既然市场不可预测,那为什么量化模型还能赚钱?(z)

By | 2026年1月23日

很多人反对量化的理由只有一句话:市场是不可预测的,这句话本身没有错,但它隐含了一个错误前提:仿佛只有“准确预测未来价格”,量化才有存在的意义。

事实上,金融市场中绝大多数稳定盈利的模型,从来就不是在做预测,而是在找:在什么条件下,做什么样的交易,长期期望是正的。

市场“不可预测” ≠ “完全随机 且 零可利用信息”

  • 有效市场假说(EMH)有三种强度
  • 弱式:过去价格无法预测未来价格(技术分析无效)。
  • 半强式:公开信息无法持续产生超额收益。
  • 强式:连内幕信息都无法持续超额。

如果半强式 EMH 在现实中严格成立,那么量化确实没有存在意义。现实中,很多人都不不相信 强式EMH,甚至对半强式也持怀疑态度(尤其在CRYPTO这种信息不对称、交易所或项目方调整规则驱动的市场)。

但现实市场(尤其是 crypto)并不满足这一前提

  • 市场是 “大部分有效 + 小部分无效” 的混合体。
  • 大部分时间: 绝大部分资产 → 接近有效 → 很难预测。
  • 但在某些维度、某些时间窗口、某些市场状态下 → 存在系统性偏差 → 可以被统计模型捕获。

因为量化并不是在“预测未来价格”,而是在市场局部无效的窗口期内,系统性收集概率优势

为什么市场允许这种“局部无效”长期存在?

这些无效性并非偶然,而是同时来自三个层面:认知、资金结构、制度环境:

  • 信息处理成本和注意力有限 : 每天打开推特,律动(建议小编给我打钱),看到的信息纷繁复杂。归类,求真,检测时效性的工作量巨大, 很多人懒得且没能力挖掘深层因子。更别说浩瀚如星海的交易数据了,时间序列,volume bar,event分类等等,对数据处理的能力要求非常高。
  • 行为偏差持续存在 → 人类是一个习惯“稳定环境”的群体,这是从远古时期打猎生存带来的基因本能,碰到一个突然起来的信息, 容易出现过度反应,然后会看大家怎么做,使得“羊群效应”放大,上万年来都没消失。
  • 风险厌恶 和 容量限制 → 有些因子(如小盘、跨所套利、极端价值)可能风险高或者容量小,大机构不敢/不能重仓 → alpha衰减慢,也是我目前最喜欢做的地方。
  • 政策结构变化慢 → 整个CRYPTO 其实就是监管套利,早期在野蛮时期,就把平台做好的大交易所们,其实就是吃到了 CRYPTO 被传统监管部门: 打击->监管->拥抱 过程的套利, BTC 能上12.5万 也得益于这些传统资金的入场。
  • 聪明钱也在互相竞争 → 一部分alpha被套利掉,另一部分新alpha又产生(新数据、新因子、新市场)。

所以市场不是“瞬间完全有效”,而是“缓慢趋向有效”,这个“缓慢”就是量化人的窗口期。

模型和因子是在利用条件概率优势

量化模型本质上是在窗口期内进行统计套利,而不是“确定性预测”。

  • 它像极了在赌场里的“庄家有优势的赌局”:单次不确定,但大量重复下有正期望,所有这也是为什么最好的生意。 “能投资赌场,为什么要下场赌?” — @Web3Feng
  • 或者像保险公司的精算模型:我们不知道张三下周会不会出车祸,但我们知道部分群体的出险概率显著高于平均 → 可以据此定价。

大数定律(Law of Large Numbers):当独立同分布的随机变量样本量足够大时,样本均值几乎必然收敛到数学期望

在量化中应用,每笔交易是随机变量(有正期望,但单笔波动大)。通过海量交易(高频/高换手)让单笔的随机噪音被极大稀释。实盘收益曲线逐渐紧紧贴近模型预测的期望线(正漂移 + 低波动)。

高度分散(多标的、多因子、多策略)

风险降低机制更彻底:单个币种的黑天鹅对组合影响小。因子拥挤/风格反转时,高度分散能“软着陆”(一个因子崩,其他因子缓冲)。

小edge变现为稳定收益:edge小 → 单笔不确定性大。但持仓多个品种后,噪音极低,曲线平滑向上。

容量放大:高度分散 → 每只仓位小,冲击成本低,总容量大。

动态管理更灵活:不定期可剔除衰减信号、加入新信号,而不破坏整体分散度。

如果不满足大数效应+高度分散,则会导致交易次数太少、相关性太高、容量不足导致滑点/冲击吃掉edge,期望再高也收敛不到模型线上,使得策略“看起来好,回测漂亮,实盘拉胯”。

什么策略最合适?(近似高频 vs 标准高频)

既然我们的目的是让收益曲线收敛于模型的预测值上,也就是说应该赚alpha的钱,使得beta在一个可接受范围。

那么我们肯定要做较高频率的策略,而不是那种一次性大持仓,等待一个大突破,让PNL曲线直接三级跳的操作。你无法准确把握你的运气,无法忍受大回撤的煎熬,刚刚下完单就要盯着K线画来画去,容易被仓位扰乱思考。

如果你喜欢程序(AI可以让每个人都会):那么应该去做订单流,OBI/OFI,volume bar,统计配对,波动率;让海量的数据中挖掘出来的因子,做你的理论基础。然后还要深刻理解你交易品种的规则,交易所的规则,你做的不是学术模型,而是一个无形的印钞机,结合市场实际情况,去找那些长尾分布。如果你不喜欢程序:可以从 scalping, 分钟级策略上手,技术分析的概率优势是存在的,但是也最容易失效的,需要配合一定的宏观情绪来做。

本文作者

@Boywus

, 一个爱吃海底捞的trader,欢迎指正与各类技术交流。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注