残酷的真相

“95%的交易者亏钱”这个数字早已成为圈内共识，但它背后有真实的数据支撑。让我们来看看，为什么算法交易——尤其是对散户而言——仍然是一项极其困难的事业。

MOEX统计数据

根据莫斯科交易所的数据以及Habr上的分析：

• MOEX上76%的活跃交易者全年亏损
• 在使用算法交易的人群中，约70%亏损——稍好一些，但并非质的飞跃
• 散户量化交易者的平均亏损：年化-12%（扣除佣金后）
• 仅3-5%的人能在3年以上的周期内持续盈利

扼杀策略的隐性成本

1. 交易所和券商佣金

MOEX上典型的散户佣金：

交易所佣金（股票市场）：
- Maker：成交金额的0.01%
- Taker：成交金额的0.015%

券商佣金：
- 0.03%至0.06%（取决于券商和费率方案）

往返交易总计（开仓+平仓）：
- 最低：成交金额的0.08%
- 典型：成交金额的0.12-0.15%

假设每天10笔交易，平均仓位10万卢布：

10笔交易 × 0.12% × 100,000 = 1,200卢布/天
× 250个交易日 = 300,000卢布/年

这意味着仅佣金一项，每年就要30万卢布。如果本金为100万卢布，你需要年化30%的收益才能做到保本。

2. 滑点（Slippage）

滑点是策略”想要”入场的价格与订单实际成交价格之间的差异：

• 流动性好的品种（Sberbank、Gazprom）：0.01-0.05%
• 流动性较差的品种：0.1-0.5%
• 新闻事件期间：1-5%+

3. 市场冲击（Market Impact）

如果你的订单相对于盘口来说较大，你会把价格推向不利方向。对于交易流动性好的品种的散户来说这种情况较少，但在小盘股上是一个严重的问题。

回测为什么会说谎

前瞻偏差（Look-ahead Bias）

最常见的错误：使用在决策时尚不可用的数据。例如：

• 使用当天收盘价在同一天做出决策
• 使用事后调整过的（adjusted）数据

幸存者偏差（Survivorship Bias）

在标普500成分股上做回测，只考虑了存活下来的公司。那些破产或被收购的公司不在测试样本中，从而制造出更高收益的假象。

过拟合（Overfitting）

最阴险的敌人：

策略中参数越多，
在历史数据上表现越好，
在实盘中表现越差。

如果你的策略有10个以上的参数，并且在回测中显示年化200%的收益——它极有可能是过拟合的。

市场状态变化（Regime Change）

市场在变化。2020-2023年有效的策略，在2024-2026年可能完全失效。例如：

• 在COVID之前设计的波动率策略，在疫情中崩溃
• 针对牛市调优的动量策略，在横盘市场中亏损
• 套利策略随着越来越多的人复制而”失效”

量化交易的真实成本

除交易成本外：

支出项目	年费用
服务器（VPS/托管）	30,000 - 300,000卢布
数据（历史+实时）	10,000 - 100,000卢布
软件（平台、工具）	0 - 50,000卢布
你自己的时间	无价

如果仍然想尝试该怎么做

1. 从小做起——用亏得起的资金
2. 在回测中计入所有成本——佣金、滑点、延迟
3. 在样本外数据上测试——将历史数据分为训练集和测试集
4. 限制参数数量——策略越简单越好
5. 使用Walk-forward分析——定期重新审视参数
6. 从模拟交易开始——不用真金白银，在实时市场中测试策略
7. 分散投资——不要把所有赌注压在一个策略上

量化交易不是”赚钱按钮”，而是一项严肃的工程和分析工作，需要纪律、资本和对自己的诚实。