量化策略一瞥：趋势、均值回归、网格与因子
前面几章我们把量化理财的"地基"铺好了——懂收益率、看风险指标、理解组合理论、掌握定投逻辑。这一章我们抬头往更广处看一眼：量化圈里那些被反复提到的策略，到底是什么意思？趋势跟踪、均值回归、网格交易、因子投资……这些词你在财经 App 上、在基金说明书里、在量化圈的讨论中都会遇到。本章的目标不是教你照搬这些策略，而是帮你听懂别人在说什么，以及知道每种策略的直觉逻辑和主要风险。
趋势/动量策略：追随市场的惯性
核心直觉
趋势策略的逻辑可以用一句大白话说清：涨势中的东西更可能继续涨，跌势中的东西更可能继续跌。市场有惯性，强者恒强。
这听起来像是"追涨杀跌"，但量化版本的趋势策略有一套明确规则，不靠感觉，靠信号触发。
为什么趋势会存在？
行为金融学给出了几个解释：
信息扩散有延迟：好消息不会在一瞬间被所有人知晓。早期嗅到好消息的人率先买入，推高价格；其他人陆续知道并跟进，价格继续上行。这种信息的"慢速扩散"形成了趋势。
投资者反应不足：人们对新信息的反应往往不够充分（心理上叫"锚定效应"——习惯于参照最近的价格），导致价格调整缓慢，趋势得以延续。
羊群效应：大众倾向于跟随大多数人的行为。市场上涨时，更多人买入，进一步推高价格，自我强化。
双均线策略：最简单的趋势工具
量化版趋势策略最常见的形式是均线（Moving Average, MA）系统：
当短期均线（如 5 日均线）上穿长期均线（如 20 日均线）时 → 买入信号（"金叉"）
当短期均线下穿长期均线时 → 卖出信号（"死叉"）
逻辑是：短期均线上穿长期均线，说明近期价格开始高于中期价格中枢，趋势在向上转换。
同花顺 App 的 K 线图上，可以叠加 MA5、MA10、MA20 等均线。金叉、死叉在图上是肉眼可见的形态（详见第十七章实战操作）。但请记住：看懂技术指标是一回事，用它们作为交易决策是另一回事，需要大量实践和验证，本章仅作科普。
趋势策略的局限性
趋势策略听起来顺滑，但现实中有几个"坑"：
震荡市是天敌：价格在某个区间内上下反复，没有明显方向——均线会反复金叉死叉，产生大量"假信号"，每次按信号操作都亏一点手续费，来回折腾损耗严重。
趋势逆转时反应慢：均线是"滞后指标"，它在趋势已经形成后才给信号。一旦趋势突然逆转（比如黑天鹅事件），均线可能让你在高位才刚买入。
只有事后才知道那是"趋势"：在实时判断中，你永远不知道现在的"涨"是趋势的开端还是短期反弹。
均线、K 线等技术分析指标在量化策略中有一席之地，但它们是辅助工具，不是"看了就能赚钱"的魔法。大量学术研究表明，在中国 A 股市场，纯技术分析的长期有效性存在较大争议，很多看起来好用的技术信号在现实中并不稳定。
均值回归：物极必反的逻辑
核心直觉
均值回归策略的逻辑和趋势策略完全相反：价格偏离正常水平太多之后，会有回归的倾向——涨多了会跌回来，跌多了会涨回来。"过犹不及"——这是中国传统智慧，也是统计学里一个真实存在的现象。
直觉上：一家公司基本面没有根本变化，但股价在恐慌情绪中被砸得极低，均值回归策略会在这时候买入，等待理性回归。反过来，一只在市场狂热中被炒到极贵的股票，均值回归策略会考虑卖出。
常见的均值回归应用
布林带策略：布林带（Bollinger Bands, BOLL）由一条中轨（通常是 20 日均线）加减标准差计算出上轨和下轨。
- 价格触及上轨（均值 + 2倍标准差）→ 卖出信号（价格偏高，可能回落）
- 价格触及下轨（均值 − 2倍标准差）→ 买入信号（价格偏低，可能反弹）
统计套利：找两只在历史上高度相关的资产（比如同一行业的龙头和次龙头），当它们的价差出现异常扩大时，做多便宜的、做空贵的，等待价差回归正常范围。
与趋势策略的矛盾与共存
一个有趣的问题：趋势策略说"涨了要追"，均值回归说"涨多了要卖"——两者完全矛盾，哪个对？
答案是：它们在不同的市场状态下各自有效。
- 市场处于趋势状态（有明显方向的单边行情）：趋势策略有效
- 市场处于震荡状态（价格在区间内来回）：均值回归策略有效
有些量化系统会把两种信号结合起来，先用指标判断当前市场是趋势还是震荡，再选择对应的策略。
均值回归有一个致命的前提：被投资的资产有"均值可以回归"的支撑——也就是说，它的基本面是稳定的，价格的偏离是暂时的。如果价格下跌是因为基本面真的变坏了（公司出了大利空、整个行业走向衰退），那"越跌越买等回归"就是越陷越深。均值回归策略最怕基本面真正恶化的情形——这种时候，"均值"本身会永久下移，不再是可以回归的参照系。
网格交易：震荡市的收割机
最容易理解的量化策略
网格交易是量化策略里最直观的一个，不需要判断趋势、不需要估算均值，只需要给一个价格区间和一套简单规则：在区间内，价格每跌一格就买入，每涨一格就卖出，反复低买高卖，收割每一次震荡。
具体例子：ETF 网格操作
设定条件： - 标的：某沪深 300 ETF，当前价格 4.0 元 - 判断在 3.5～4.5 元之间震荡（设定依据可以是估值区间或历史价格区间） - 区间分 10 格，每格间距 0.1 元 - 总资金 10000 元，每格操作金额 1000 元
操作记录：
| 触发价 | 动作 | 本格成本 | 资金变化 |
|---|---|---|---|
| 4.0 元 | 初始买入 250 份 | 4.0 元 | −1000 元 |
| 3.9 元 | 买入 256.4 份 | 3.9 元 | −1000 元 |
| 3.8 元 | 买入 263.2 份 | 3.8 元 | −1000 元 |
| 3.9 元 | 卖出 263.2 份（3.8 元那格） | — | +1024.5 元（利润约 +24.5） |
| 4.0 元 | 卖出 256.4 份（3.9 元那格） | — | +1025.6 元（利润约 +25.6） |
结果：价格在 3.8～4.0 元之间来回两格，就产生了约 50 元利润——即使最终价格没有净涨，只是在区间内震荡，网格就在持续收益。
如果价格再在 3.8～4.0 之间多震荡几次，每次都能收割 50 元左右——这就是网格的"震荡收割"逻辑。
网格交易的三大风险
光看上面的例子，网格简直完美。但它有三个根本性的风险必须正视：
风险一：价格跌穿下轨（最危险）
如果价格跌破 3.5 元，走出了你设定的网格区间，你的低档买单全部被触发，手里满是亏损仓位，而且还没有网格可以"卖出止盈"。这时网格变成了"越跌越买"的套牢器。选错标的、设错区间，是网格最大的风险。
风险二：价格突破上轨（踏空）
如果价格涨过 4.5 元，你持有的所有仓位全部被卖出，之后的上涨你享受不到。这不是亏钱，但如果选的标的之后一直涨，你会遗憾"卖早了"。
风险三：资金效率低
网格需要预留大量现金在各个价格档位待命。如果市场长期只在一个小区间震荡，大量资金被"锁"在网格里，机会成本不低。
网格交易适合：波动性较大、有基本面支撑（不会归零）、预期长期有价值的资产——宽基指数 ETF、黄金 ETF 相对适合。
网格不适合：单只股票（可能归零或长期走弱）、高风险行业主题基金（区间难以判断）。
上面的例子仅为说明网格逻辑，不构成任何操作建议。实际操作中，区间设定、每格金额、总资金规划需要综合考量，且历史有效不代表未来同样有效。
天天基金等平台上的"智能网格"
目前部分平台（以 App 内实际功能为准）提供了"智能定投"或类网格的辅助工具。这些工具把参数设定界面化，降低了操作门槛。但本质上，工具只是帮你执行规则，规则的底层逻辑——标的选择、区间判断——仍然需要投资者自己理解和负责。
因子投资：用数据挖掘"系统性超额收益"
什么是"因子"？
想象你发现了一个规律：历史上，那些市盈率（PE）特别低的股票，长期收益比高 PE 的股票更好。这个"PE 低"的特征，就是一个因子（Factor）——它能系统性地解释股票收益的差异。
因子投资的核心思路：识别出有效的因子，按因子给股票打分，买高分的、卖低分的，期待因子奏效带来超额收益。
五大经典因子
学术界和量化圈里研究最深的五个因子，来自 Fama-French 多因子模型等经典文献：
| 因子 | 直觉含义 | 操作方向 | 为什么有效？ |
|---|---|---|---|
| 价值因子（Value） | 便宜（低 PE/PB）的股票长期跑赢贵的 | 买低估值，卖高估值 | 市场有时过度悲观压低价格，长期均值回归 |
| 规模因子（Size） | 小市值公司历史上跑赢大市值 | 买小市值，卖大市值 | 小公司信息不充分，承担更高风险，获得补偿 |
| 动量因子（Momentum） | 过去 3~12 个月表现强的继续强势 | 买近期强势，卖近期弱势 | 信息扩散滞后，趋势延续 |
| 质量因子（Quality） | 盈利能力强、财务稳健的公司跑赢 | 买高 ROE、低负债；卖劣质公司 | 高质量公司有护城河，长期创造价值 |
| 低波动因子（Low Volatility） | 波动率低的股票风险调整后收益更优 | 买低波动，卖高波动 | 高波动股被过度追捧，定价偏高 |
研究显示，2010—2020 年 A 股市场中，规模因子（小市值溢价）年化超额收益约 20%，低波动因子约 10%，动量因子约 4%。
但是，2021 年以后，A 股的小市值效应明显衰减——市场上关注和资金越来越多地流向小市值策略后，这个因子的超额收益已大幅压缩。这是因子投资一个核心风险的典型案例：因子被太多人发现和使用后，它本身会"拥挤"甚至失效。（历史数据，不代表未来表现）
多因子模型：分散到因子层面
既然单个因子可能失效，聪明的做法是多因子组合：不依赖任何单一因子，而是给每只股票在价值、质量、动量、低波动等多个维度综合打分，选出多维度都优秀的股票。
这样即使某一个因子在某段时期表现不好，其他因子可以补位，整体更稳健。这也是现在大多数量化私募、指数增强基金的基本做法。
指数增强基金：普通人能参与因子投资的方式
指数增强基金（Enhanced Index Fund） 是普通投资者接触因子投资最便捷的方式。它的定位是：
被动跟踪指数（打底）+ 量化多因子超越指数（增强）
具体工作方式： 1. 以某指数（如沪深 300、中证 500）为基准，持仓不能偏离太远（跟踪误差通常控制在年化 2%~4%） 2. 在此基础上，通过量化因子模型，超配预期超额收益高的成分股，低配或回避预期表现弱的成分股 3. 目标：每年额外获得 2%~5% 的超额收益（Alpha）
与主动基金的核心区别：
| 维度 | 主动基金 | 指数增强基金 |
|---|---|---|
| 决策方式 | 基金经理主观判断 | 量化模型系统决策 |
| 持仓集中度 | 较高（可能 20~50 只） | 较低（通常 100+ 只） |
| 偏离指数程度 | 可以大幅偏离 | 受控在小范围内 |
| 超额收益稳定性 | 波动大 | 相对稳定但也会失效 |
| 费率 | 一般较高 | 相对较低 |
"指数增强"的名字听起来好像稳赚超额收益，但这并不是承诺。量化模型的有效性受市场环境影响，在因子失效或市场风格切换时，增强基金可能跑输基准指数。选择指数增强基金，要看其历史跑赢指数的稳定性，而不仅仅看某一年的超额收益（历史表现不代表未来）。
四种策略的横向对比
| 策略 | 核心逻辑 | 适用市场 | 主要风险 | 适合个人投资者？ |
|---|---|---|---|---|
| 趋势/动量 | 强者恒强，追随惯性 | 有方向的趋势行情 | 震荡市假信号多 | 概念了解即可；实操门槛较高 |
| 均值回归 | 物极必反，偏离回归 | 震荡横盘市场 | 基本面恶化导致均值下移 | 概念了解即可；执行要有纪律 |
| 网格交易 | 震荡收割，固定规则 | 震荡区间明确的市场 | 单边下跌穿破网格 | 有一定基础后可尝试（用宽基 ETF） |
| 因子投资 | 系统性特征带来超额收益 | 长期有效 | 因子拥挤/失效 | 通过指数增强基金间接参与最省力 |
量化策略在 A 股的特殊背景
A 股是个特殊的市场
量化投资的很多研究成果来自美国、欧洲等成熟市场。把这些策略移植到 A 股，有几个重要的本土化注意事项：
散户比例高，情绪波动大：A 股历史上散户资金占比较高，情绪驱动的短期波动更强烈，这既是机会（情绪引发的误定价更多），也是风险（趋势更容易在情绪顶部/底部反转，均值回归更猛烈）。
政策因素影响大：监管政策、宏观调控、产业政策对市场的短期冲击往往比数据模型预测的更突然、更剧烈。历史上多次"政策底"和"政策顶"都是量化模型难以捕捉的。
流动性差异显著：A 股中小市值股票的流动性与沪深 300 成分股差异极大。在实际操作中，很多在大市值股票上有效的策略，一旦移到中小市值就面临"买不到想要的量、卖出时冲击价格"的问题。
因子在 A 股的有效性变化更快：由于市场参与者结构、监管政策等变化较快，A 股的因子有效性衰退速度比成熟市场更快。规模因子是典型案例——小市值效应在 2021 年前非常显著，但随后大幅衰减，市场已经不再"免费"奖励小市值投资者了。
量化私募和量化公募的区别
量化私募（如幻方量化、九坤投资等知名机构）： - 资金门槛高（通常 100 万以上） - 策略更激进，换手率高，多用中性策略、高频等 - 监管相对宽松，但近年来市场冲击监控更严格
量化公募（如各大基金公司的指数增强产品、量化选股基金）： - 门槛低，普通投资者可以买 - 透明度更高，有严格的信息披露要求 - 换手率相对可控，持仓偏离指数有限制
对于大多数普通投资者，接触量化策略的最便捷方式就是通过购买量化公募基金——让专业机构去跑量化，你负责做好标的选择、定期检视和止盈规划。
"量化"只是决策方式的描述，不代表稳赚。选择量化基金和选择主动基金一样，要看：长期的超额收益是否稳定？最大回撤是否在你接受范围内？基金经理（或团队）的策略逻辑是否清晰？过往超额收益是样本内优化的结果还是真实市场验证的结果？（这些问题和上一章讲的回测陷阱直接相关。）
一个重要的认知边界
这一章描述的所有策略，都有一个共同的前提：策略在历史上有效，不代表在未来一定有效。
每一种策略，一旦被大量资金追逐，它的超额收益就会被"竞争"掉。量化圈里有一个经典的说法：
"如果你找到了一个赚钱的规律，并把它公开了，它很快就不再赚钱了。"
这不是悲观主义，而是市场有效性的体现。普通投资者了解这些策略的直觉逻辑，主要目的是：
- 看懂基金产品说明书在说什么策略
- 理解量化工具背后的思路
- 不被"历史回测完美"的营销材料所迷惑（见下一章回测的陷阱）
策略科普不等于操作建议。任何量化策略都有失效的风险，历史有效不代表未来同样有效。
本章介绍的四种量化策略，核心目的是帮助你"听懂别人在说什么"，而非提供可直接照搬的操作指南。因子会失效（A 股小市值效应 2021 年后的衰减是典型案例），趋势信号在震荡市频繁失灵，网格在单边下跌时会持续亏损。了解策略逻辑，是为了更理性地评估别人推荐给你的产品和工具，而不是为了自己去"炒量化"。
本章小结
- 趋势/动量策略追随市场惯性，利用信息扩散延迟和羊群效应；在震荡市中产生大量假信号，是其主要弱点。
- 均值回归策略押注价格偏离后回归，适合震荡行情；在基本面真实恶化时会越买越套。
- 网格交易在震荡区间内反复低买高卖，逻辑清晰，但跌穿下轨是致命风险，选标的比设参数更重要。
- 因子投资用价值、规模、质量、动量、低波动等系统性因子选股；多因子组合比单因子更稳健，但因子拥挤后会失效。
- 指数增强基金是普通投资者接触因子投资最可行的方式；"增强"不是承诺，历史超额收益不代表未来。
- 四种策略各有适用环境，没有万能策略——了解其直觉逻辑，比盲目跟随更重要。
划重点
A 股小市值因子在 2021 年后的衰减是一个活生生的教训：因子会失效，策略会过期。读完本章，你应该能看懂基金经理在谈什么策略，也能在看到"历史回测超亮眼"的宣传时，多问一句：这个策略的逻辑在未来还成立吗？它是被真实市场验证过的，还是被精心挑选过的历史数据装饰出来的？（下一章专门拆解这个问题。）