打开量化投资的黑箱（原书第2版）

2026年第15本书——《打开量化投资的黑箱》📅 基本信息 阅读时间：3月8日读完 书籍类型：量化交易入门（开山祖师之作，出版10年） 总体评价：基础核心底层逻辑值得了解，但部分内容因出版时间略过时；个人研究后转向价值投资，不折腾“快钱”策略。 🤔 为什么读这本书？ 读这本书是因为之前看指数基金定投时接触到网格交易策略（基础量化交易），想深入了解量化逻辑，便顺藤摸瓜找到这本量化交易开山祖师的书籍，给自己扫盲。 📖 这本书主要讲什么？ 核心内容：深入探讨量化交易在金融市场的应用，从基础概念到高级模型，以“打开黑箱”的趣味方式拆解量化模型。 关键组成：详解量化模型的三个重要部分——三个基础模型、投资组合构建模型、执行模型。 注意点：出版时间10年前，部分内容过时，但基础性核心底层逻辑仍有参考价值。 💡 这本书给我的收获是什么？ 收获集中在四方面，最终促使我调整投资方向： 量化投资基础定义：为解决市场效率低下问题，将人类设计的策略系统化执行。 量化交易系统三大基础模型： 阿尔法模型（alpha model）：捕捉超额收益； 风险模型（risk model）：控制组合风险； 交易成本模型（transaction cost model）：优化交易费用。 实用工具与平台：了解到聚宽平台（宽客交流分享平台），并利用其做了回测。 具体策略与指标：学习了ETF轮动策略、夏普比率等技术指标。 ⚠️ 个人转向：研究2周多后，考虑工作性质难投入大量时间分析技术指标，决定回归价值投资，不折腾“快钱”赚法。 ⚠️ 阅读建议 ✅ 适合人群：想了解量化交易底层逻辑的新手、对“策略系统化”好奇的投资者。 ✅ 核心价值：建立“量化=策略+系统执行”的认知框架，区分“基础逻辑”与“过时案例”。 📌 提醒：别沉迷技术指标，结合自身时间与风险偏好选择方向（如我转向价值投资）。 📚 后续计划 保留聚宽平台账号，偶尔关注量化策略思路（不实操）； 聚焦价值投资，用时间换空间，践行长期主义。

这是一本直达本质的好书。让我们了解了宽客们的日常以及他们所从事的工作，打开了这个“黑箱”。 其实宽客（Quants）们一点也不神秘，他们最多算是一帮极客。他们用数学纵横金融市场，靠的是数学模型、统计学思维、风险度量和控制、算法和复利，当然有时候他们会利用杆杆。有时候，他们也靠一点算力和网络速度，但这并非常态。 尽管，有些外行对他们有些误解，但他们在盈利的同时，为市场提供了可贵的流动性，而且平滑了价格的波动。把市场的闪崩归罪于他们显然是一种错误。 宽客们用数学的确定性面对金融市场的不确定性，他们用贝叶斯分析替代基本面分析或者技术分析，他们用程序代码执行杜绝人类判断的主观性，他们用统计学思维代替随心所欲……他们是系统思维者。他们取得比索罗斯和巴菲特更好的成绩是必然。 虽然梅利威瑟的长期资本管理（LTCM）失败了，但詹姆斯.西蒙斯的文艺复兴基金却如日中天。 从今天起，我心目中的英雄多了一个人，除了巴菲特和索罗斯，还有一个西蒙斯，而且我愿意把西蒙斯放在我心目中的C位。

直接拉到进度条最后来写评价。 怪不得这本书的评分不高，我不是说内容不好，我是说翻译得太烂。 比如肯尼迪的这段话：History is a relentless master. It has no present, only the past rushing into the future. To try to hold fast is to be swept aside. rushing into the future，多形象！被翻译成“未来的过去”。啊？啊？中文我读了5遍，3分钟！真的读不通，搞不懂啥意思。 太多地方没逻辑啊！当然，如果原著就是这样的，我给译者鞠躬道歉！

结构在前几章就 po 出来了，我印象比较深刻的除了一些金句，就是一些视野的补充。虽然我也（投资）炒股，也有自己的逻辑，也知道自己逻辑的不完整性，好像鱼刺卡着一样，不是不行，只是不爽。这本书的几个量化系统结构还是有点儿意思： 数据-参考来源 阿尔法模块-赶紧买 风险模块-别买太多 成本模块-摩擦成本是多少 投资组合模块-买什么 执行模块-买/卖了吗 基本是这个，如果实操下去，其实可能还是有一些个人风格的形变的，所以，这个框架不错😉

2014年读过该作的第1版，算是我在量化领域读过的第一本书；彼时对于书中阐述的阿尔法、交易成本和风险管理没有直观的认识，读后云里雾里，我在该行业摸爬滚打10余年后重温该作，方知作者经验之丰富。 该书并没有侧重从术的方面指导读者从挖掘因子到生成仓位，而是从方法论的角度讲述了他对于行业的理解。细致入微，谨慎全面，不断地改进已有的系统，才是量化行业的法宝。 最后，2014年暮春在六教安静地自习的日子真是令人怀念。“堂前玉树复临风，只是未见故人颜”。

策略是最好的书评 1. 阿尔法模型（共振和强度判定） 1. 大盘和板块（与模型2为非线性混合模型组合） - 权重板块趋势判断（趋势跟踪型）： 1. 预测目标：预测运动方向、置信区间为信号量 2. 投资期限：中线持仓目标，趋势跟踪回看区间为20天、55日移动平均均线 3. 投注结构：跟踪 大盘组-1（上证、深证、沪深300和Top 30%权重板块）和大盘组-2（创业板、中小板和中证50） 4. 模型参数设定：20日和55日移动平均均线交叉跟踪法 5. 条件变量： 1. 大盘组-1全部低于过去55日交易日中最低价格，大盘组-2全部低于过去55日交易日最低价格，6大板块条件过滤后排序出列表，输出头寸值，指导板块强弱发现策略 2. 要求为单数板块数，可以做到持仓、离场裁决信号 6. 运行频率：每日回看区间数据，输出决策值 2. 大盘和板块 - 板块间强弱分水岭发现（趋势跟踪型）： 1. 预测目标：预测运动方向，置信区间为信号量 2. 投资期限：中线持仓目标，趋势跟踪回看区间为20天、55日移动平均均线 3. 投注结构：跟踪 模型1 输出信号及其板块排序参考，比对目前所有板块与模型1输出的基准板块的强弱关系 4. 模型参数设定：20日和55日移动平均均线交叉跟踪法 5. 条件变量： 1. 与基准板块为叠加板块为最佳（为基准板块交集最大为最佳板块，体现板块差异度最大化，降低板块相似度风险）或同类板块 6. 运行频率：每日回看区间数据，输出决策值 3. 个股信号量 - 个股突破情况分析（趋势跟踪型）： 1. 预测目标：预测运动方向，置信区间为信号量 2. 投资期限：中线持仓目标，趋势跟踪回看区间为20天、55日移动平均均线 3. 投注结构：模型2输出的板块个股排序集合 4. 模型参数设定：日线级别PSY低位、日线级别MACD未死叉、60分钟均线多头排列 5. 条件变量：非ST股、未停牌、历史停牌少、K线流畅（每日ATR值稳定）、历史最高价格与最低价差值、月线级别底部是否抬高、过滤日前股票池列表 6. 运行频率：每日回看区间数据，输出决策值 4. 板块PE分析 - 板块、行业PE区间分析（价值型）：暂做为保留策略 2. 风险模型 1. 风险度量：波动率，真实波动幅度均值，即ATR，或海龟交易法则 N 值 1. 计算阿尔法模型输出的板块N值，并排序 2. 计算阿尔法模型输出的个股N值，并排序 2. 系统风险：策略针对A股市场，无系统性风险抵御能力。阿尔法策略中强化了权重板块趋势跟踪，并作为其他阿尔法策略的非线性混合策略 3. 交易成本模型：暂作为保留模型 4. 投资组合构建模型

《打开量化投资的黑箱》已读完 这本书，像把那种邋遢与暴躁的源代码摊开，那些看似无敌的量化策略，骨子里竟是一连串脆弱的假设： 因子真能一直有效吗？ 交易成本会不会吞掉所有纸上利润？ 过度调参的模型是不是只不过成了一台擅长模拟过去的机器…？ 这本书也印证了我的怀疑。打开黑箱，里面没有魔术，只有布满灰尘、充满妥协与不确定性的废弃车间 最受触动的，是书中一再提醒的常识和哲学：寻找经济逻辑、警惕数据偷看、学会与不完美共存…让我想起家里做生意的长辈常念叨的：＂账算得太尽，缘分势必早尽＂。在金融世界里，把风险和历史边界算得太过精细，反而可能最早被市场淘汰出局 所以真正的＂黑箱＂从来不是技术，而是人们对自己掌握规律的盲目自信；任何模型，说到底都是在和一个永不重复、信息永远未知的未来博弈 这本书，远不止于理解量化投资，它更像一次思维上的去幻。面对市场也好、人生也罢，最有力的工具从来不是那个预测最准的＂黑箱＂，而是能持续审视自己、坦然接纳不确定、并在行动中不断迭代的开放系统。就像我从杭州到香港，再到剑桥郡、再到纽黑文，每次环境的切换，其实都是在用新的生活数据去测试和修正自己内心的＂人生模型＂。所以真正的量化，或许首先要去量化我们认知的边界到底在哪里……

重点看前6章，或者说前3章就够了，主要是六类理论驱动型交易策略，趋势型（trend）、回复型（reversion）、技术情绪型（technical sentiment）、价值型/收益型（value/yield）、成长型（growth）和品质型（quality），前三者是关于价格，后三者是关于基本面，另外对主观投资而言需要借鉴的是量化的纪律和胜率思维。

最近看了几本关于量化和宽客的书籍📚， 内容基本差不多， 一些原理性的东西都会介绍， 涉及到核心的部分万万不会写出来的。 也难怪， 别人靠着吃饭的东西交给你了他咋办？ 况且， 好多的量化策略一旦用的人多了就不灵光了😓。

很学术，但是很有条理，但是翻译的眼花缭乱的