很多人以为，一个量化交易系统会随着时间越来越复杂。

事实上，我做的事情刚好相反。

过去两年，我一直在删代码。

删掉那些看起来很聪明，但实际上没有价值的逻辑。

删掉那些只在历史数据里表现优秀，却经不起实盘验证的策略。

删掉那些让我自己半年后都看不懂的代码。

程序员有一句话，我一直很认同：

最好的代码，不是写出来的，而是删出来的。

后来我发现，交易系统也是一样。

第一次回测，让我怀疑人生

刚开始研究量化的时候，我特别兴奋。

写了一个策略。

回测一年，收益不错。

我觉得自己可能找到了一条正确的路。

结果放到更多历史数据里重新测试，结果完全变了。

再换一个时间段，又变了。

后来我终于明白了一件事。

很多策略，并不是有效。

只是刚好适合那一段行情。

如果把历史数据当成答案，那程序迟早会在未来交学费。

从那以后，我做策略有了一个原则：

宁可少赚一点，也不要只在历史里赚钱。

数据分析最怕的，不是没有规律

而是自己太想找到规律。

这是做数据分析最容易犯的错误。

当你坚信一个想法的时候，大脑会下意识寻找支持它的证据。

可真正的数据分析，不应该证明自己。

而应该不断推翻自己。

所以后来，每写完一个策略，我都会问自己几个问题。

如果把时间往前推两年，它还能跑吗？

如果市场突然进入震荡，它会怎么样？

如果波动率突然翻倍，它还能正常运行吗？

如果这些问题没有答案，我就不会急着上线。

我越来越少相信"参数优化"

以前，一个策略收益不好，我第一反应就是改参数。

后来发现，这是一个坏习惯。

参数可以优化。

但市场不会按照参数运行。

如果一个系统必须依赖非常精准的参数才能赚钱，那说明它本身就不够稳定。

真正好的策略，应该允许一定程度的误差。

就像一个优秀的软件。

不会因为用户多点了一次按钮就崩溃。

也不会因为网络慢了一秒就停止运行。

交易系统，也应该有这种容错能力。

软件开发和交易，其实都在做同一件事

很多朋友问我，为什么程序员喜欢研究量化。

我的答案一直没变。

因为本质太像了。

开发软件，是把复杂的问题拆解成一个个可以解决的小问题。

研究交易，也是一样。

行情为什么会这样？

数据有没有规律？

策略为什么失效？

风险来自哪里？

所有问题，都可以拆开分析。

然后再一步步解决。

我一直相信，优秀的交易系统，不是灵光一现写出来的。

而是无数次测试、修改、推翻之后留下来的结果。

魔方量化为什么一直更新

很多用户问我：

"为什么又更新版本了？"

其实很多更新，大家根本感觉不到。

不是增加了多少新功能。

而是修复了一些边界情况。

优化了一些执行细节。

降低了一些特殊行情下的风险。

作为程序员，我更在意系统是否稳定，而不是版本号是否漂亮。

魔方量化（CubeQuants）从来不是一个完成品。

它更像一个持续成长的项目。

市场每天都在变化。

系统也必须不断学习和迭代。

这也是软件开发最基本的思维。

我现在最相信的，只有两件事

第一，相信数据。

第二，相信长期。

短期行情可以有运气。

短期收益也可能有偶然。

但把时间拉长之后，真正留下来的，一定是那些经得起验证的东西。

代码如此。

策略如此。

做人做事也是如此。

写在最后

有人喜欢把量化交易说得很神秘。

在我眼里，它其实没有那么复杂。

它只是把程序员解决问题的方法，应用到了交易市场。

收集数据。

提出假设。

验证结果。

不断迭代。

循环往复。

直到系统越来越稳定。

我始终觉得，真正优秀的量化系统，不是拥有最多的策略，而是拥有最少的漏洞。

而我每天写下的每一行代码，最终目的都只有一个：

让系统比昨天更可靠一点，让交易比昨天更理性一点。

这也是我一直坚持开发魔方量化（CubeQuants）的原因。