ARTICLE · 1082198
量化交易是什么:用买菜记账的例子说明规则化买卖的执行逻辑
观澜知量面向零基础读者写这组文章。量化交易，是把"什么时候买、买什么、什么时候卖"写成一份固定规则，交给计算机每天照着执行。规则的制定可以来自个人经验，但执行环节由程序完成，不受临时情绪影响。这篇文章用买菜记账的生活例子说明量化在做什么、不做什么，并给出一份入门清单。
量化等于把买卖决策变成固定规则
买菜可以是一条规则。鸡蛋降到 5 元以下多买 2 斤，涨过 8 元就少买 1 斤，这就是一条规则：它有触发条件（价格到某个数）、有动作（多买或少买）、有执行（到了就做，不到就不做）。量化交易做的是同一件事，只是把对象从鸡蛋换成股票，把规则从口头约定写成计算机能读取的指令。
一条规则必须写清楚三个部分：触发条件、对应动作、执行方式。缺任何一部分，规则都无法被执行，只能停留在凭感觉决定的层面。
你已经在用的三个"量化"例子
很多人以为量化离自己很远，其实下面三件事的逻辑和量化一致：
这三件事的共同点是：规则提前定好，到了条件就执行，不受理会当时心情影响。量化交易只是把这套逻辑用到选股和买卖上，规则由人设计、由计算机执行。
规则和感觉的四个区别
量化主要解决执行一致性问题：按既定规则执行，减少人为偏差。分析能力人人有高低，但"该卖的时候没卖、该买的时候没买"这类一致性问题，由程序执行比由人执行更可靠。
量化在股市里做什么
量化在股市里做的事，是把历史上反复出现的规律写成规则，再按规则执行。例如"某类股票在过去一段时间里，跌多了之后更容易反弹"这类观察，可以被写成"连续下跌若干天后买入、反弹后卖出"的规则，然后用历史行情检验它过去管不管用。
需要明确：量化不预测涨跌。它不声称知道明天哪只股票会涨，只把"历史上出现过、且可定义"的规律变成可执行的动作。规律未来是否继续有效，是另一回事。
一个最小例子：把想法写成规则
下面用一段文字说明策略的骨架，不涉及任何代码，也不构成投资建议：
规则示例：每个交易日收盘后，查看全市场股票，把当天跌幅最大的一只加入观察；次日开盘买入，持有 5 个交易日之后卖出，如此循环。
这条规则已经具备策略的完整结构：有买入条件（跌幅最大）、有卖出条件（持有满 5 天）、有持仓时长。读者可以照这个结构，把自己的想法填进去：
你的规则：当 ______ 满足条件，就 ；否则 。 持仓时长： 天；例外情况：。
把想法写清楚，是量化的第一步。写不清楚的，计算机无法执行，人也容易在执行时犹豫。
量化的边界
量化不预测涨跌。它处理的是已发生的规律，不对未来价格做断言。 量化不保证盈利。任何规则都有亏损的阶段，程序只负责严格执行，不承诺收益。 量化不依赖不可解释的模型。规则由设计者自行写明，每一步条件都可解释、可检查。
这篇能带走什么
一份判断标准：凡是可以写成"条件—动作—执行"三部分的买卖想法，都能被量化。 一张规则模板：把上面的填空表抄下来，写下自己的第一条规则。 一个边界认知：量化提升的是执行纪律，对预测能力没有帮助。
下一篇说明人炒股为什么容易乱，以及怎样把"管不住自己"这部分交给程序执行。