短期/量化投资对个人投资者是否可行 —— 一份工程师视角的冷静研究

⚠️ 免责声明：本研究为量化/短期交易方法与可行性的探讨。所有回测均为历史模拟， 不代表未来收益，不构成任何投资建议。真实交易受流动性、冲击成本、税费、心理与执行误差影响， 结果通常比回测更差。量化与短期交易可致重大本金亏损。读者需自行承担一切决策后果。

本报告每一个数字都能在对应 POC notebook 的某个 cell 复现；数据缓存于 data/*.csv，可离线重跑。

TL;DR（先给结论，再给证据）

写给「有十年工程背景、能写代码、但非金融科班」的你：

1. 高频/日内交易对个人 = No。 不是态度问题，是数学问题。一个准日内策略（年换手250次）， 光是抵消交易成本，A股就需要每年 50.5%、美股 10% 的超额收益（见 §4、notebook 04）。 这超过绝大多数顶级机构的长期水平。个人靠它稳定盈利，统计上接近不可能。
2. 中低频系统化/因子量化对个人 = 可学，但别幻想。 它是一项高风险技能投资， 预期不是「躺赚」，而是「大概率跑不赢指数定投，但能让你彻底看懂市场、不再被割」。
3. 对绝大多数读者（业余 + 中小资金）= 最优解是被动定投 + 资产配置 + 规则化再平衡。 把省下的时间投到主业/高时薪技能上——那才是个人最大的、确定性最高的 alpha。
4. 硬证据：在我们刻意挑选的、过去十年最有利于多头的标的上，用偏乐观的成本假设， 主动择时策略跑赢「买入持有」的比例是 0/24（0%），超额收益中位数 −9.4 个百分点（notebook 04）。

一句话：做量化最大的收益，往往是让你下决心「不做」主动量化。

1. 量化/短期交易到底是什么：哪些个人玩得起

「量化」是个被营销污染的词。按频率和逻辑拆开看，对个人的可行性天差地别：

关键认知：频率越高，你越是在和机构拼基础设施（延迟、数据、资金成本），个人毫无胜算； 频率越低，胜负越取决于判断力与纪律，个人才有一线机会——但那时你拼的已经不是「量化」， 而是「便宜、耐心、不犯错」。

2. 门槛盘点：钱、数据、算力、时间、知识

工程师最容易高估自己的地方：以为「能写代码」就够了。 写出信号从来不是难点（notebook 01 用十几行就构造了四类信号）。 难的是统计上分辨真信号与噪声（notebook 03）、以及把成本/微观结构算进去（notebook 02）。 这两块恰恰是金融科班和实盘老手的护城河。

3. 可落地平台/工具

3.1 国内 A股

A股实盘的现实门槛：散户做程序化交易，主流路径是券商的 QMT/Ptrade，多数券商要求 金融资产 ≥50万 才开通；否则只能手动或半自动。这是一道硬门槛。

3.2 美股

美股对个人远比 A股友好：IBKR/Alpaca 开户门槛低、API 成熟、零佣金、无印花税。 本研究的回测引擎与 IBKR/Alpaca 的对接逻辑一致（信号→下单→成交→记账）。

4. 真实成本：成本如何吃掉短期策略的毛收益

这是整个可行性论证的数学核心。 详见 notebook 02。

4.1 真实费率（本研究采用，且偏乐观）

这还没算：大单冲击成本、资金费率、盈利的资本利得税。真实只会更贵。

4.2 成本拖累铁律：拖累 ≈ 年换手 × 单次成本

notebook 02 把所有策略画到「年换手 vs 成本拖累」平面，所有点几乎落在一条过原点的射线上—— 没有魔法。换手越高，成本这把刀削收益越快；A股因印花税+更高滑点，同换手下拖累更重。

4.3 盈亏平衡所需的「超额能力」（notebook 04）

反过来问：给定换手，光抵消成本需要多少年化超额？

这张表就是「短线难」的定量判决：年换手250的准日内策略，A股光成本就要求每年50%以上的 超额收益才不亏。顶级量化机构长期年化也就20-40%且波动巨大——指望个人靠日内稳定跑出50%， 在统计上接近不可能。高频/日内对个人 = No，是算出来的。

4.4 实证：含成本后还剩多少（notebook 02）

以 SPY 双均线(20/60)为例： - 买入持有：年化 11.19%，夏普 0.70 - 双均线·不含成本：年化 5.92%，夏普 0.56 - 双均线·含成本：年化 5.82%，夏普 0.55

注意：这里成本影响不大（换手仅~4.5倍），但即便不含成本，主动择时也跑输了买入持有。 这引出 §6 的核心结论。换成高换手策略，成本会进一步系统性削平收益。

5. 回测的陷阱（最容易被营销忽悠的部分）

营销话术几乎全建立在以下陷阱上。notebook 03 对每个都做了可视化 demo 证明它有多坑。

5.1 过拟合 / 数据窥探

在样本内(2014-2019)对双均线参数做网格搜索，挑出夏普最高的(40,120)，样本内夏普0.96， 热力图一片漂亮。但搬到样本外(2020-2024)：夏普跌到0.75，且跑输同期买入持有(0.83)。 热力图颜色斑驳说明夏普对参数极敏感——所谓「最优」只是拟合了历史噪声。 你试的参数越多，样本内越漂亮、样本外越靠不住。

5.2 前视偏差（最隐蔽，常是无意的代码bug）

同一个信号，仅把成交时点提前一天（signal.shift(lag) 的 lag 从1改成0）， 净值放大 25530 倍，夏普从 0.33 飙到 9.30——因为 lag=0 等于「在收盘前就知道收盘价」。 现实中它常以代码bug形式出现：用收盘价算信号又用同一收盘价成交、用了未来才公布的财报…… 任何「好到不真实」的回测，先怀疑前视偏差。一个 shift 的方向错误足以凭空造出圣杯。

5.3 多重检验 / 幸存者偏差

生成 500 个纯随机多空策略作用在真实 SPY 上：夏普均值≈0，但仍有 14 个夏普>0.5 「看起来能交易」——纯属运气。如果某大V/课程只给你看回测最好的那个策略（不告诉你他试了多少个）， 你看到的就是这批幸运儿。推论： - 公开的「年化50%策略」≈ 幸存者；失败的99个不会有人晒。 - 实盘业绩榜上的明星基金，也是几千只里幸存下来的——别把运气当能力。

5.4 回测可信度检查清单（可直接拿去审别人/自己的回测）

1. 样本外：有从未参与调参的时段吗？OOS 垮不垮？
2. 成本：含佣金/印花税/滑点了吗？换手多少？
3. 前视：交易时点真能拿到这个数据吗？成交时点对齐了吗？
4. 多重检验：试了多少参数/策略？只报最好的吗？
5. 幸存者：标的池含退市/失败者吗？还是只挑了事后赢家？
6. 再现性：固定 seed 了吗？换区间/标的还成立吗？

任何一条不过关，这个回测就不可信。

6. 诚实的结论：分情景建议

6.1 核心硬数据（notebook 04）

• 主动择时（含成本）跑赢买入持有：0/24 = 0%，超额中位数 −9.4 个百分点。
• 这是在精挑的长牛标的 + 乐观成本下的结果——已经给主动策略放了水，它仍然输。
• 懒人基准：沪深300十年定投近似年化仅 0.7%（A股牛短熊长），SPY 定投 6.6%。 定投花的时间≈每月5分钟、成本≈0、不需要任何编程或择时能力。 任何主动策略要证明「值得做」，必须先扣除时间成本后稳定打败这条懒人线——非常难。

6.2 分情景矩阵（资金 × 时间）

🔴 不值得做　🟡 谨慎、当技能投资　🟢 相对可行（仍高风险）

绿区只有一格：全职 + >300万资金 + 工程能力，且仍是「低频为主、九死一生」。 绝大多数个人落在红/黄区：主动量化大概率是负期望值游戏，最优解是被动定投 + 规则化再平衡。

6.3 如果你仍想做：第一周最小起步清单（notebook 04 详版）

1. 环境：跑通本研究 00–03 notebook，确认每个数字能复现。
2. 基准：先用真钱开一个指数定投账户——这是你日后所有策略的及格线。
3. 一个策略走全流程：只做最简单的（如双均线），强制含成本、留样本外、固定seed， 用 §5.4 清单逐项自查。
4. 纸上模拟：接券商模拟盘（IBKR/Alpaca paper 或 QMT/Ptrade 模拟），记录与回测的偏差。
5. 复盘时薪：算这周时间按时薪折现是多少？策略预期年收益覆盖得了吗？

核心纪律：先用最小资金验证「流程」，而不是用大资金验证「信仰」。

6.4 何时该止损放弃（量化 KILL 判据）

开始前就把这些写进策略文档。没有预设止损线 = 用亏损慢慢说服自己「再等等」。

6.5 预期胜率 / 可持续性（不画大饼）

• 高频/日内：个人可持续盈利概率 ≈ 0（成本×换手数学，§4）。
• 中低频系统化：能稳定跑赢指数定投（扣时间成本后）的个人，乐观估计是少数； 多数人会在 6-18 个月内触发 §6.4 的某条 KILL 判据。
• 被动定投+再平衡：几乎确定能拿到市场长期回报，且时间成本极低——对个人这才是高夏普的选择。
• 「能写代码」是入场券，不是胜券：它让你看懂陷阱、避免被割，但不构成可持续超额收益的来源。

7. 数据与方法（可复现性）

• 标的：A股 沪深300指数 + 茅台/五粮液/招行/平安/美的；美股 SPY/QQQ/AAPL/MSFT。
• 区间：2014-01-01 ~ 2024-12-31（约11年日线）。
• 数据源：A股 akshare(新浪后端)、美股 yfinance，限流时降级腾讯行情；全部缓存 data/*.csv。
• 回测纪律：信号 T 日收盘计算、T+1 成交（lag=1）防前视；含真实成本版用 §4.1 费率。
• 共享模块 qr_data.py（取数+复权修正+sanity check）、qr_bt.py（信号+回测+指标）， 保证全研究数字同源、可离线复现。
• 已知局限（详见 NOTES.md §2）：指数/部分ETF为价格口径(少计股息)，绝对收益略低估； 但主动vs被动同口径对比，结论不受影响。横截面因子仅用5只A股做演示（标的池偏窄）。

报告完。所有论断均由 00–04 notebook 的真实回测数据支撑；任何数字可在对应 cell 复现。