TL;DR
SQTS (Stock Quant Trading System, 我自己给的名字) 是我过去三年里第四版的量化交易系统。 前三版全部回测失败或实盘不敢上。v1 是"简单选股" — 分差；v2 加了"状态机" (牛/熊/震荡三态切换三套策略) — 滞后性吃掉所有优势； v3 把 v2 里唯一表现好的"熊市策略"单拎出来大面积回测 — 依然不行。v4 终于下决心用蒙特卡洛做全体因子的稳健性验证 + 统一框架代替状态机。
三次推翻的核心教训只有一句：市场状态不是你能"判断"出来的，判断出来之前它已经变了。
v1 · 最朴素的念头 (2023)
第一版是我真正动手写代码的起点。逻辑简单到不好意思复述：
- 每天从一个预设股票池里，按几个技术指标打分；
- 选出分数最高的 N 只，等权买入；
- 次日或持有 T+N 卖出，再来一轮。
这个版本跑回测的时候，数据非常难看。我当时没有"成本端要打得比券商给的狠"这个意识，所以成本按单边 5bp 算 — 已经偏乐观。 即便如此，累计收益仍然跑不赢沪深 300，胜率也很普通。
那会儿我以为失败的原因是"指标没选对"。 于是花了几个月在换因子、调阈值、换数据源上。直到后来我才明白： 真正的问题不是指标对不对，而是"每天从池子里选股"本身就是一个把噪声放大的机制。
v2 · 状态机的诱惑 (2024)
既然"全市场一视同仁"行不通，那就分状态对待 — 这是 v2 的核心想法。
我给市场定义了三个状态：牛市 / 熊市 / 震荡市。然后写了三套完全不同的量化策略，分别对应三种状态。 每天开盘前，用一组宏观和技术指标 (比如均线系统、成交量、Hurst 指数之类) 判断"今天市场是什么状态"，然后调用对应策略。
这个思路听起来非常合理 — 机构也有类似的"regime switching"模型。 回测跑出来的结果也看着漂亮：牛市策略在 2015、2019、2020 初涨得凶；熊市策略在 2018、2022 防得住；震荡策略在 2016-2017 这种磨洋工行情里能挣点。 三条曲线叠起来，理论上的组合似乎能平滑穿越周期。
但真把它往 walk-forward 和实盘上推的时候，问题炸了出来。
状态机的滞后性
市场状态不是你"观察到"的 — 它是你事后知道的。 我的状态机需要至少 10-20 个交易日的数据窗口才能稳定识别一个状态。 等它判断"现在是熊市"的时候，熊市已经走到一半甚至尾部了。 等它切换到"熊市策略"入场，市场反弹了，熊市策略在反弹行情里是负 alpha。
反过来也一样：识别出"牛市了"的时候，往往是牛市最亢奋的阶段 — 也是进场风险最大的时候。
滞后性吃掉了状态机所有理论上的优势，还反向拖累了组合。 三条曲线叠起来实盘跑，不仅没有理论组合那么漂亮，还经常跑输单独的任何一条子策略。
v3 · 把"唯一赢的那个"单拎出来 (2025)
v2 死掉的过程中，我做 attribution 做到一半偶然发现： 熊市策略单独看的话，不光在"熊市"赚钱，在震荡市甚至部分牛市段都不亏。 它的 drawdown 极小 — 是三条曲线里最光滑的。
我被这个发现兴奋了好一阵。于是 v3 就是一个简单粗暴的想法：把熊市策略单拎出来，全年无脑用它。 反正它回撤小，就算 alpha 不大，稳定性应该值钱。
v3 立刻推倒 v2 的状态机，全面改写成单策略全时段运行。 然后拉着它做大面积 walk-forward 回测。
然后呢？还是不行。
v3 的实测结果让我意识到 v2 attribution 给我的是一个假象 — 熊市策略之所以"在震荡市也不亏"， 是因为它在震荡市里几乎不开仓。它不开仓当然不亏，但它也不赚，机会成本巨大。 真正需要它抓住 alpha 的时候 (震荡突破、小牛启动)，它又错过了。
换句话说：v2 的熊市策略之所以曲线光滑，是因为它本质是一个保守的择时工具， 而不是一个能持续产生 alpha 的交易系统。把它单拎出来相当于把一个"防御专家"派去踢满 90 分钟。
一个策略在组合里的贡献，和它单独运行的表现，不是一回事。
v4 · 放弃状态机，全天候四因子 + 蒙特卡洛 (2026)
v3 死掉之后我停下来想了很久。三次失败其实在告诉我同一件事：
- 我一直在尝试"判断市场要怎么走，然后选对应策略"；
- 但真正能赚钱的方式是"用一套不依赖我判断的策略，在任何市场都跑得住"。
这个哲学转变是从状态机到全天候的跳跃。v4 的设计原则变成：
- 不再判断状态。四个因子 (景气度、动量、拥挤度、价值) 永远同时运行，它们之间自然对冲。 在牛市动量发力，在震荡拥挤度抑制追涨，在熊市价值提供底，在转折期景气度给方向。
- 用蒙特卡洛验证每一个参数选择。不是跑一次回测看 Sharpe，而是对每个因子的参数做 1000+ 次随机扰动， 看输出分布是否稳定。如果 Sharpe 的 95% 置信区间横跨 0，那这个因子就是噪声。
- 股债配置托底。永远有 30-40% 在国债 ETF 里。再好的股票策略也不该 100% 暴露， 心理承受不起，实盘活不过第一次 -15% 回撤。
- 月频调仓是底线。我试过周频和日频，换手成本最后会吃掉 alpha 的 50%+。月频让系统"有耐心"。
这套东西从 2026 年 2 月底开始在 paper trading 上跑，到写这篇文章时 47 个交易日。 它不漂亮 — NAV 只比基准多 1.15pp，TE 小到我怀疑归因里大部分是行业内选股溢出，不是真正的行业配置 alpha。 但它没死。这比前三版都强。
三个我从 v1-v3 里学到的元教训
1. 不要相信"这个想法好聪明"的感觉
状态机那一版我当时真心觉得自己想到了"机构做的事"。 回头看，那种兴奋感本身就是危险信号 — 真正 robust 的想法通常是"这个也能 work?"的意外， 而不是"我终于想明白市场了"的顿悟。
2. Attribution 只能告诉你过去，不能告诉你未来
v2 告诉我"熊市策略单独看最好"，v3 就死在相信了这句话。 Attribution 是对过去历史的拆解，它不保证把"表现最好"的那块拿出来独立运行还能 work。 现在我对任何 attribution 结论的第一反应都是："那 walk-forward 呢？"
3. 想清楚"我在解什么问题"比写代码重要 100 倍
v1-v3 每一版都是我先写了很多代码、再发现代码解决的不是真问题。 v4 之前我停了一个月不写代码，只画框架、写 doc、问自己"如果这个因子明年失效，我怎么知道？" 这一个月比前三版加起来都值。
写在最后: v4 也不是终点
必须老实讲: 我对 v4 的 alpha 到底成不成立，现在没有信心。 47 天的实盘跟基准相关系数 0.999，跟踪误差 0.57% — 这个数字小到我怀疑 v4 本质上是一个"略微倾斜的增强指数"， 而不是一个真正有独立 alpha 来源的策略。主动收益 +1.15pp 也可能只是运气。
正是在这个怀疑阶段，我开始认真学可转债。 不是为了取代 v4，而是给自己一条"万一 v4 跑不通"的备选路径。 学下来发现可转债这个品种比我想象的复杂得多 — 经典的"双低策略"在 2021 年之后已经失效，但这个品种本身还很有价值。
下一篇我会写 可转债双低 · 一个失效策略的完整验尸 — 历史上它怎么赚钱的、2021 年到底坏在哪、后双低时代的 5 条路我现在选哪条。