⚠️ 免责声明：本章仅为教育与研究方法展示，不构成任何投资建议。 所有回测结果来自历史数据，不代表未来表现。投资有风险，决策需独立判断。
从零开始跑量化：11 堂课 × 30 年真实数据¶
一个金融从业者的自学笔记 陈嘉 著
前言：这些策略不是为了跑量化交易¶
我花了三个月，把 23 个 Jupyter Notebook 一行一行读完、跑通、改错、扩展数据。最后得出一个结论：里面的大多数策略，在今天的 A 股市场上不能直接赚钱。
如果你期待的是"学会这个策略，年化 30%"——合上这本书，它帮不了你。
但如果你想理解：为什么一个回测 +44.5% 超额收益的策略，换一个指数就变成 -7.5%？为什么最简单的"5 日涨了就持有，跌了就空仓"在 12/16 个指数上跑赢买入持有？为什么 A 股的超 3σ 暴跌频率是正态分布预测的 5 倍？
那这本书是为你写的。
我是陈嘉，做了 16 年资产管理、私募股权和碳金融。我不是量化研究员。我写这本书，是因为市面上所有的量化入门书都在教你"怎么用这个策略赚钱"，没有一本告诉你"这个策略为什么赚不到钱"。
这本书怎么用¶
每章对应一个可运行的 Python 脚本。打开 Jupyter 或终端，跟着跑一遍。不需要先修课——每行代码都解释了它在做什么。
代码在 code/ 目录，数据已打包在 data/ 目录——不依赖任何付费数据源。想拉最新数据？运行 python code/update_data.py 即可。
免责声明与风险提示¶
本书及配套代码仅供教育与研究用途，不构成任何投资建议、投资咨询或收益承诺。
- 本书所有策略、回测结果均来自历史数据，历史表现不代表未来收益；
- 书中出现的所有数字都可由仓库内脚本复现，但这只说明"数据与算法一致"，不说明"策略有效"；
- 股市投资存在本金损失风险，任何决策请基于你自己的独立判断，必要时咨询持牌专业人士；
- 本书不推荐、不暗示任何具体的买入或卖出操作。如果你因为读了本书而做了投资决策，风险自负。
一句话：这本书教你怎么看懂回测，不教你怎么赚钱。 赚钱的事，你自己负责。
目录¶
第一部分：基础工具¶
- 描述性统计——哪个指数最危险？
- PE 分位数策略——便宜还是贵，要看和谁比
- 均值-标准差策略——离正常有多远
- 蒙特卡洛模拟——100,000 种可能的未来
第二部分：信号与模式¶
- 信号交易——别人的建议能跟吗
- 收益分布——你的回报长什么样
- 日历效应——连涨连跌之后会怎样
- 在线统计——你没有时光机
第三部分：动量与风险¶
- 动量策略——趋势是你的朋友
- 夏普比策略——每单位风险的回报
- 新旧强弱势——跃升等级的秘密
终章：从回测到智慧¶
- 当 +44.5% 变成 -7.5%——换一个指数，回测就翻脸
- 为什么简单策略打败复杂策略
- 从股票到你的行业：方法论迁移指南
- 附录：16 指数策略适配矩阵
- 参考文献
版权声明：本书稿保留所有权利。代码部分以 MIT 协议开源。
课堂问答：关于这本书¶
问：你写了 11 课，最后说"这些策略不能用来赚钱"——那读者为什么要学？
因为"不能赚钱"不等于"没有价值"。你学会了看收益、风险、分布、日历、在线统计——这些是在任何投资决策中都有用的技能。更重要的是，你亲自经历了一次"+44.5% 是怎么变成 -7.5% 的"（只换了一个指数）。这个经历比任何教科书都更能教会你：不要相信回测。以后你看到任何投资产品宣传"历史年化 XX%"，你的第一反应不会是兴奋——你会问："数据到哪一年？指数是哪个？训练集和测试集怎么分的？参数是调过的吗？"
问：如果我只记住一句话，应该记住哪句？
这些策略不是为了让你去跑量化交易。它们是一套思维训练工具——让你理解量化思维的边界、学会评估任何策略的有效性、然后把方法论迁移到你真正有信息优势的领域。
问：下一步我该做什么？
三条路：第一，把蒙特卡洛迁移到你自己的行业数据上——不管你是做零售、制造、物流还是医疗，只要有历史价格或成本序列，就可以模拟未来。第二，用信号评估框架测你的 GOR 方向信号——过去 3 年的胜率是多少？第三，把 PE 分位数的逻辑用在你自己的行业上——你的原材料价格现在是贵了还是便宜了？你的产品定价在历史上排第几？这三条路，任何一条走通了，都比"找到一个能赚钱的量化策略"有价值一百倍。
联系作者：GitHub @Justinjchen-Cornell
动手练习（第 0 课）¶
- 环境准备（5 分钟）：装好 Python 3.9+，运行
pip install -r requirements.txt， 然后python code/lesson1_descriptive.py。看到 16 个指数的表格 = 成功。 - 预测实验（写下来！）：先写下你的猜测——"哪个指数年化收益最高？哪个夏普比最高？" 然后跑完第 1 课和第 10 课对比。把猜错的部分记下来——这就是全书的方法论预演： 假设 → 数据检验 → 修正直觉。
- 对照表（全书结束时再做）：把 README 里"十一课内容"的表格抄到一张纸上， 学完 11 课后逐个打勾：每个数字你都能自己复现吗？不能的，去开 Issue。