量化交易的核心在于将趋势转化为可计算数据，通过代码自动执行买卖，排除情绪干扰。双均线策略利用长短周期交织产生的交易窗口，但回测显示整体亏损，参数复杂且真实环境存在黑天鹅风险。

入门 AI*量化交易第一周

量化交易我的感觉其实是省略的了自动两个字，量化是将抽象的趋势变成可以算的可以推测的数据，量化交易则是在有可计算的基础上，自动完成买入和卖出行为的自动过程。

我按实践的最小闭环来整理核心概念：

AI量化交易思路整理

和主观交易最关键的差别就是交易方式：主观交易依赖人类自己的判断、经验，不可复制。量化交易全靠代码进行买入和卖出，全靠策略的可靠性和运行速度。相比之下，量化交易可以支持更高频次的交易，这是人类无法对比的优势。但是人类可以手画K线，这是任何量化策略也比不上的。

量化交易最大的好处就是可以稳定复现、可以高频交易、可以排除情绪导致的失误，从另一个方面来讲，可以在实际的操作中，获得上商业理解的真实反馈，让经济理论能够有个更加实际的评测战场。

但真实的环境是个混沌的环境，不能将所有影响因素都考虑进来，外来发生任何黑天鹅事件，这是无法预料的。另外，高频的交易还存在着公平性的问题，也不利于鼓励长周期的价值投资，在某种程度上可能影响市场更加倾向于短视的资金流动。

至于如何对量化交易产生兴趣，最早还是因为deepseek惊艳的出场，并且能因为量化交易获取足够雄厚的资金，让其公司可以做到白衣骑士那样的淡定。

我理解的双均线，实际上是对长短周期的一种深入理解，二者之间的关系并不是平行，而是互相交织。并且由于真实交易存在信息滞后性，导致将二者互动的时机进行对比，就能得到短暂的可预料的交易窗口。给我的启示是，两条或者多条交汇的趋势，往往能够产生奇妙的火花，得到一定周期可预测的交易新信号，从中获利。

但在我的实际测试中，发现整体趋势上还是亏钱的，每日盈亏一眼望过去基本上是绿色，甚至有出现过一次超大的回撤。在盈亏分布上也能看出来，大部分的面积也是小于0。

可能是一开始就选择了比较复杂的vnpy，因为考虑结合claude code，需要更加大的自由度。但因此多了很多需要自己配置的变量。这些变共同决定了是否可以尽量的模拟正确的交易。

但也因此，发现回测环境相比于真实的交易，其实有非常大的区别。

最大的困难，还是在于发现了大量的参数，一时间难以消化。无法理清楚他们之间的耦合以及互相影响的关系。

比如说需要根据资金量调整合约乘数、价格跳动、交易滑点等等以前完全不了解的概念，双均线策略需要根据交易的频率调整长线和短线交易窗口。

还了解到其实还有因子这个非常关键的内容是如何发挥作用的。整个过程异常庞杂，像领会实操起来，还是需要层层递进的深入。

‍