2013年12月的一天，巍子走进香港科学园的太平洋咖啡。他要见一位14岁就考入清华的、传说中“量化交易做得很牛”的大师兄——W。
巍子浓眉大眼，穿着套头衫和牛仔裤，戴黑边眼镜，学生味十足。
W衣着朴实，拎了一个边上已经磨破皮的包，随身带了两个手机。其中一只是看上去型号很古老的诺基亚小手机。
从香港取得电子工程学博士学位后，巍子加入一家科技创业公司。他所在团队核心成员十几个人，做出了全世界第一个基于TD-LTE协议的4G手机芯片，并在上海世博会上成功展示。
当时团队的合作方是急于推动4G的中国移动。移动的高层曾抛下话说，如果不是巍子所在团队推动，中国4G时代还要迟两年才到。
巍子打心眼里为自己做的事自豪。
顺境中的公司曾是资本追捧的宠儿。一度，大家都热血澎湃，认为上创业板是板上钉钉的事。但管理层过于急迫，想要通吃整个产业链，团队很快在细节执行出现诸多问题，加上竞争对手迅速追赶，公司资金链很快吃紧。
本来“无限接近于成功”的创业团队开始苦苦挣扎。巍子的事业落入低谷。他琢磨着转型。他想过回高校教书，还研究了一下当时很火的可穿戴装备行业。
就在这节骨眼上，一位朋友找来，说这位做量化交易的清华大师兄，想咨询下系统方面的问题。
巍子在咖啡馆跟W聊得很投缘。听说巍子硕士、博士做信号处理，时间序列分析，现在在创业公司做芯片，对低延时系统经验丰富后，W说：
“我们公司也需要Ph.D，不如我给你一些数据，你看能做出什么模型来？”
量化交易——尤其是程序化交易，要求做的人“两条腿走路”：一方面要懂技术，另一方面也要懂算法。巍子在技术和算法上都算有积累。他掂量了下眼前的这个机会，暗自告诉自己不能错过。
那几天是香港圣诞节假期。巍子拿到W给的数据，熬了两个通宵写程序、做实验，用了信号处理、机器学习等好几种方法对时间序列进行分析，做出好几个模型。巍子又花一个白天的时间，写了几十页长的报告。
巍子想尽快把结果交给W，因为金融数据有时效性。还有，他做事一直比较追求完美主义。“如果人家说我靠谱，那就是对我最高的评价。”
现在回头看，巍子觉得当时写的模型“屁都不是，小儿科得不得了”，但多少能体现他的研究态度。
2014年，巍子从香港回到内地，加入W创办的量化交易团队，成为第22号员工。
公司研究团队的同事基本都有博士学位，有的搞过癌症研究，有的曾研究火箭发动机，有的发过Nature/Science，还有海归的教授，但都清一色的低调、谦逊。
巍子打心眼儿佩服W。80年代初，14岁的W以优异的成绩考上清华，毕业后公派到英国读博士。后来，他做过咨询，创办过好几家公司，公司上市或者被上市公司收购。财务自由之后，W在毫无金融背景的情况下，又凭着聪明和悟性玩起了量化交易。当时近50岁的W亲自写程序。
他写的好几个策略到现在都还赚钱。
然而公司也有“原始”的地方。
刚加入团队，巍子吃惊地发现公司还在跑W很多年前用Fortran语言写的策略代码。
“这是历史遗留问题，老板只会Fortran，他的Coding Style非常差，一看就不是写程序出身的。”巍子说。
巍子过去十多年都用C编程，他一边学Fortran，一边把公司所有的策略标准化、整理了一遍。
巍子之前接触金融并不多。刚刚加入公司时，他连什么是“期货”、“期权”都不清楚，一些金融量化群里别人讨论的名词他也看不懂。于是，他会马上Google或百度。有时Google一个名词时，会遇到新的不懂的名词，他就一层层往下钻，直到把问题彻底弄明白。
那段时间巍子每个周末都泡在图书馆。公司马上就要开展期权业务，需要巍子加入。他买了John Hull的《期权、期货及其他衍生产品》来学习。
仗着数理功底还不错，中英文对照看，巍子花两个星期看完了这本“期权圣经”。
巍子在期权组那阵子，公司业绩出现了比较大的回撤。巍子心里着急，用业余时间开始研究期货的模型。随后，他被调到期货组，慢慢开始负责公司的期货团队和相关策略。
2015年股灾期间，巍子主要做日内交易。那几个月，市场微观结构每天变化都很大，巍子像打仗一样忙碌，要随时调整模型，迅速解决模型在实盘中遇到的问题。
7月初的一个早上。中证500的股指期货，由于交易所大幅提高保证金，流动性变得很差，开盘的时候，先一个涨停价，接着一个跌停。“IC（中证500指数期货）波动20%，我脸都吓绿了。”
巍子一看不对，赶紧把策略停掉。“如果做反了，20%就没了。还好那个时候还做对了。”
在股灾动荡的环境下，公司取得了不错的成绩，虽然很累，但巍子很有成就感，也很自豪。
不过巍子很快就对日内交易失去了兴趣。“翻来覆去就那些东西，基于市场微观结构，诸如此类的，也翻不出什么花样。你生成不同模型，顶多是信号点分散点而已。”
寻找突破的巍子开始研究中低频策略。他很快就发现Overfitting无处不在（过度拟合，指在设计一个统计模型时，使用过多参数去拟合数据。一个荒谬的模型只要足够复杂，是可以完美地解释样本内数据，但此类模型对样本外数据解释度极低）。
巍子用时间序列分析的方法，常常找出来看似相关性很高的因子，拿来组合，发现曲线很漂亮，夏普比率达到5或者6。
“当时觉得好happy，结果放实盘一看，怎么就是个随机波动啊。”
巍子开始反思，他发现很多时候统计找出来的因子是“相关”，并不是“因果”。不从因果出发，策略就站不住脚。
“如果你发现昨天上涨了，今天上涨概率大，就做出一个模型，历史数据回测相当好。但其实你只是找出了一个相关性，并不是一个因果。你不知道这个因子什么时候就失效了，因为这类因子本质上是没有逻辑的。”
另外，哪怕是使用样本外的数据，也不是真正的样本外。历史数据来区分样本内、样本外，本来已经暗含了过度拟合。只有真正把这个模型提交了，拿市场的数据跑出来的，这才是真正的“样本外”。
一位做外汇的朋友告诉巍子，自己用3年的数据做回测，机器学习的方法比传统方法好。巍子建议说，那你不妨再往前3年看看？结果再往前3年，果然就很差。
“你怎么保证接下来实盘是过去3年，还是过去6年的行情？”
巍子觉得机器学习在有些领域很好用，比如下围棋。但金融数据很有局限性，样本点不够多，市场信息完全不对称。因此机器学习很难取代主观交易。
2016年很火的那波“黑色行情”（指黑色矿产及相关产品，包括螺纹、热轧、铁矿石、焦炭、焦煤和动力煤等）期间，巍子亲眼见到很多人用深度学习、机器学习方法做出来的策略，前11个月赚了不少钱。
结果11月11日夜盘，国内商品期货上演过山车行情，多个品种短短十几分钟从涨停到跌停。从那天起，之前的长趋势结束，开始出现宽幅震荡。
“趋势跟踪策略最怕这种震荡市，你觉得趋势走出来了，刚开始做多或者空，趋势又回去了。各种Fancy（花哨）的方法做出来的模型，都是在回撤，基本就是狂亏钱。”
价格只是结果，并不是原因。巍子走了很多弯路，慢慢摸索，深深体会到做策略，一定要有逻辑。而逻辑从哪里来？
巍子思考的结果是：基本面。
他说：“我们做期货，但很多人连焦炭、焦煤是什么都不知道。铜锭长什么样没见过。螺纹钢是圆的还是扁的都不知道——在期货大佬眼里，这些人都是韭菜。”
巍子决心打入期货界各个品种大佬的圈子，向他们学习。
这些大佬很多都有现货背景的，有的做螺纹钢，可能就是钢厂出身的，做煤炭的，可能下过井。他们非常了解产业链的逻辑，这正是巍子要补课的。
刚进大佬们的微信群时，谁也不认识巍子。他采取勤发问、砸红包的模式跟大佬们搭讪。大佬们说的东西，他不明白时，就私下去问。
“你一定要会问有价值的问题，而不是白痴问题，否则就是浪费人家的时间。”
有时大佬会说，最近的行情，仿佛跟历史某一段挺像。但是大佬不会做回测，不会做历史上异常情况的分析——这恰好是巍子的强项。
巍子从大佬那里学到基本面的逻辑。这些逻辑又成为他建模的出发点。
拿去年焦炭焦煤那波行情来说。巍子了解到，从9月开始，整个焦炭的库存是零。焦化厂生产出来焦炭，车在门口排队，生产出来就拉走。
“从供求关系来看，产量那么低，需求那么大，现货高高在上，期货还在贴水。期货N个涨停都赶不上现货。那个时候就做多嘛。”
自从加入团队以来，巍子先做日内，再做日间，先做期权，再做期货，从量化，再到基本面，他的路越走越宽。
巍子不喜欢“量化原教旨主义信徒”，很多做量化的团队，讲起各种理论、模型滔滔不绝。他是实用主义者，他相信赚钱不分三六九等，并不是说量化赚钱就“高级”，手动赚钱就“低级”。
“能用加法赚到钱，我绝对不用乘法，更别说微积分了。”
过去一年多以来，巍子对各种期货品种的基本面，以及它们之间的逻辑越发了解。
产业界大佬给巍子的启发是，要做相对价值，而不是一味地做“做两根均线”（泛指简单技术指标的趋势跟踪类模型）。“你低级的两根均线，还是高级的两根均线，还是Deep learning的两根均线，没有区别。”
比如，因为螺纹钢的原材料就是焦炭和铁矿石。那么与其做它的绝对价值，不如做相对价值。钢厂的利润可以通过焦炭、铁矿石算出来的。利润足够高，肯定很多钢厂都会复产，供应多了，利润自然就会下来。钢厂都亏本，大家没法活了，开始减产，供应少了。首先螺纹钢价格会上涨，螺纹钢上游，铁矿石焦炭需求少了，铁矿石和焦炭价格下跌，螺纹钢利润又起来了。
但这些产业界的大佬也有劣势。他们不会量化的思想，此外交易执行上往往损失很大。
巍子一位业界大佬朋友向他吐槽，说双十一那天晚上自己感觉大盘不太对，赶紧打电话给下单交易员，让给他平掉橡胶的仓位。结果下单交易员下了三个价格，没追上。等到平仓的时候，却平在了跌停板。刚平完，橡胶就开始反弹。
“我就说，这在我这里根本就不是个事，我会很快给你平掉。”
巍子习惯搞清楚现象背后的原因。如果市场猛地拉了一下，那他一定要搞明白是为什么。有一天塑料尾盘最后一分钟砸跌停。他一问，就是因为塑料的基本面非常差，产业大佬出手了。
“但是金融资本不懂这些，就是看着两根均线来做趋势嘛。两根均线说买我就买，买得早就脱离基本面了。产业大佬手上有现货，你期货比我手上的成本高了那么多。那我砸。赚的就是你们这些人的钱。”
在巍子看来，量化从来都只是手段，不是目的。一旦交易的路子越走越宽，巍子就越做越有意思。他觉得，市场上到处都是机会。
今年2月，我和巍子在深圳吃饭聊天。
巍子穿着牛仔裤、一件印有“Tsinghua 8”（字班）的清华校庆纪念T恤。他说很理解乔布斯的风格，“穿衣服越简单越好，最好不要让我动脑筋想穿什么”。
巍子在深圳请我吃椰子鸡。结果他忙着跟我分享他的交易思考，几个小时下来只吃了几口。
巍子小时候梦想当考古学家，对天文地理历史和国际政治都感兴趣。他一度觉得读博士白白浪费了三年宝贵时光。有时他会想，如果早出来三年，还能赶上早点儿买房。
然而现在巍子体会到了读博士的意义。读博士给他严谨的学术训练，培养他发现问题、解决问题的能力，这让他得以在量化研究和交易的路上走得很稳。
只不过，读博士时做研究是为了发文章，现在则是“实打实”，来不得半点虚的。
“交易员的评判准则很简单——实盘说了算，再天花乱坠，不赚钱的策略就是垃圾。”
巍子读过很多宏观经济学家写的报告，感觉“很不接地气、为了写报告而写报告”。
比如，2017年春节前，央行提高MLF（中期借贷便利）10个基点，春节之后第一天，央行又一口气提升了逆回购和SLF利率（常备借贷便利）。国债期货开始猛跌。巍子听到身边很多声音，包括“中国进入加息周期，理由是为了防止人民币贬值等”。
他认为这些说法缺乏逻辑：“人民币去年年底7的时候你不加，现在稳到了6.8，而且香港离岸人民币比在岸还要贵，你跑去加息稳汇率不是搞笑吗？而且中国天量债务你去加息，旧债怎么办呢？此外十年国债收益率达到3.5以上，债券的价值突显，银行的配置盘就会出来，利率上行空间实在有限。”
巍子还注意到，当时的IRR（升贴水指标）是负的10%。于是，他选择在安全边际最高的时候“杀了进去”。
做决定前，巍子会考虑正方逻辑、反方逻辑，看看自己能不能被说服，再到达自己的逻辑。
巍子强调这种“逻辑分析能力”，这对做策略、做交易，甚至找程序的bug，都至关重要。
这种逻辑分析能力也是上一家创业公司给他最大的锻炼。
那时，一个芯片经常跑了几天几夜挂了。巍子面对着一个黑盒子，得迅速找出挂的原因。
“你首先对这个系统要非常了解，根据症状和当时的场景去判断，概率最高、次高和第三高的原因各是什么。”
经过无数次训练，他最后基本能做到判断出来概率最高的原因，就是实际的原因。
现在做交易也是一样。
有时程序宕掉了，巍子要立即分析，通过蛛丝马迹，找到这是策略、交易系统的问题，还是行情或者交易所的问题？
在交易和研发的路上，多年下来，巍子一直如履薄冰。他尽量做到“不以物喜，不以己悲”。赚钱的时候，不会很兴奋。亏钱的时候，一定要找到原因，解决问题。
巍子从来不怕跟人交流。市场瞬息万变，没有一劳永逸、一直赚钱的策略。巍子觉得有了一个策略，死守着的人是没有前途的。他更看重的是不断产生新想法的能力：
“我们这一行，研发永远是在路上。”
转载自 春晓 交易门