第一章：量化交易基础回顾
做硬件量化策略，说白了就是把交易逻辑烧进芯片里。但别急着动手写Verilog，咱们得先把基础打牢。这一章，我带大家回顾一下量化交易的核心概念——订单簿、市场微观结构，还有常见的策略类型和评价指标。
我个人习惯是，不管做什么策略，先搞清楚市场到底长什么样。你想想看，连市场怎么运作的都不知道，写出来的策略能靠谱吗？
1.1 订单簿与市场微观结构
订单簿，就是交易所用来记录所有买卖挂单的电子账本。它分两部分：买单（Bid）和卖单（Ask）。每一笔挂单都包含价格和数量。
举个例子，假设现在某股票的最新订单簿长这样：
| 卖单（Ask） | 价格 | 数量 |
|---|---|---|
| 卖5 | 10.05 | 200 |
| 卖4 | 10.04 | 150 |
| 卖3 | 10.03 | 100 |
| 卖2 | 10.02 | 300 |
| 卖1 | 10.01 | 500 |
| 买单（Bid） | 价格 | 数量 |
| 买1 | 10.00 | 400 |
| 买2 | 9.99 | 250 |
| 买3 | 9.98 | 180 |
| 买4 | 9.97 | 120 |
| 买5 | 9.96 | 600 |
这里有个关键概念——买卖价差（Spread）。就是卖1价减去买1价，10.01 - 10.00 = 0.01。价差越小，说明市场流动性越好。
我在项目中遇到过一个问题：有些策略在回测时表现完美，一上实盘就亏钱。后来发现，回测时用的都是成交价，忽略了订单簿的深度信息。说白了，你看到的成交价，不代表你能以那个价格成交。尤其是大单，一砸下去，价格就跑了。
核心要点：市场微观结构研究的是订单簿的动态变化。包括订单到达率、撤单率、成交量分布等。这些细节，在做高频策略时尤其重要。
为什么会这样？因为订单簿是实时变化的。每一毫秒都有新订单进来，也有订单被撤销。你看到的快照，只是那一瞬间的静态画面。真正的市场，是动态博弈的战场。
1.2 常见策略类型
量化策略千千万，但核心就三大类：做市、套利、趋势。咱们一个一个说。
1.2.1 做市策略
做市商，说白了就是提供流动性的人。他们在买一价挂买单，在卖一价挂卖单，赚取买卖价差。听起来简单吧？但实际操作起来，风险不小。
我曾经做过一个做市策略，回测时年化收益30%，最大回撤不到5%。结果实盘第一天，就被一波大单打穿了止损线。为什么？因为回测时没考虑库存风险。你想想看，如果市场突然暴跌，你手里全是多头仓位，那损失可就大了。
避坑指南：做市策略的核心是库存管理。我曾经吃过亏，后来总结出三条铁律：1）设置严格的库存上限；2）动态调整报价宽度；3）时刻关注市场波动率。
1.2.2 套利策略
套利，就是利用不同市场或不同产品之间的价格差异来赚钱。常见的套利类型有：
- 跨市场套利：同一资产在不同交易所的价格差异。比如比特币在币安和OKX上的价差。
- 跨品种套利：相关资产之间的价差。比如沪深300股指期货和ETF之间的价差。
- 期现套利：期货和现货之间的价差。这个在商品期货市场很常见。
套利策略听起来稳赚不赔，但实际执行起来，要考虑交易成本、滑点、延迟等因素。我建议新手先从统计套利入手，别一上来就搞高频套利。
1.2.3 趋势策略
趋势策略，就是「追涨杀跌」。经典的如均线交叉、MACD、布林带等。这类策略的逻辑很简单：价格一旦形成趋势，就会延续一段时间。
嗯，这里要注意：趋势策略在震荡市中表现很差。我见过有人用均线策略在2018年的A股市场里反复打脸，一个月亏了20%。后来他加了个过滤器——只在波动率超过一定阈值时才开仓，效果好了很多。
警告：趋势策略最怕「假突破」。价格冲上去又跌回来，追进去就被套。我建议用成交量来验证突破的有效性。如果突破时成交量放大，那可信度就高很多。
1.3 回测系统的核心指标
策略写好了，怎么评价它好不好？光看收益率可不行。咱们得用几个核心指标来量化评估。
1.3.1 夏普比率
夏普比率衡量的是「每承担一单位风险，能获得多少超额收益」。公式很简单：
夏普比率 = (策略收益率 - 无风险利率) / 策略波动率一般来说，夏普比率大于1就算不错，大于2就是优秀，大于3那就是顶级策略了。我个人习惯，回测时至少要求夏普比率在1.5以上，否则不值得上实盘。
但这里有个坑：夏普比率对异常值很敏感。如果策略在回测期间遇到一次极端行情，收益率被拉高，夏普比率就会虚高。所以，我建议同时看滚动夏普比率，看看它是否稳定。
1.3.2 最大回撤
最大回撤，就是策略从最高点跌到最低点的最大幅度。它衡量的是策略的「抗风险能力」。
举个例子，你的策略净值从100万涨到150万，然后跌到120万，再涨到180万。那么最大回撤就是 (150-120)/150 = 20%。
| 指标 | 含义 | 我的经验值 |
|---|---|---|
| 最大回撤 | 策略的最大亏损幅度 | 不超过20% |
| 回撤恢复时间 | 从回撤低点回到前高的时间 | 不超过3个月 |
| 卡玛比率 | 年化收益/最大回撤 | 大于2 |
我曾经犯过一个错误：只看最大回撤，忽略了回撤恢复时间。有个策略最大回撤只有15%，但花了8个月才恢复。那段时间，资金利用率极低，整体收益被拖累了不少。
1.3.3 胜率
胜率，就是盈利交易次数占总交易次数的比例。很多人喜欢追求高胜率，觉得90%胜率的策略肯定比60%的好。其实不一定。
你想想看，如果一笔亏损单亏了10%，而一笔盈利单只赚了1%，那90%的胜率也救不了你。这就是盈亏比的概念。我建议关注「期望值」：
期望值 = 胜率 × 平均盈利 - (1 - 胜率) × 平均亏损期望值为正，策略才值得做。我个人习惯，胜率在40%-60%之间，盈亏比在2:1以上，这样的策略往往更稳健。
总结一下：评价一个策略，不能只看单一指标。夏普比率、最大回撤、胜率、盈亏比，这些要综合来看。就像选车一样，不能只看速度，还得看刹车距离和油耗。
知识体系框架
下面这张图，把本章的核心知识点串起来了。你可以把它当作一个思维导图，方便后续复习。
好了，这一章的内容就到这儿。记住，量化交易不是玄学，每一步都要有数据支撑。下一章，咱们开始搭建回测系统的数据模块，到时候会涉及到K线数据的获取和清洗。做好准备。
公众号:蓝海资料掘金营，微信deep3321