零基础散户学量化：从说清规则到本地回测的四步路径

很多散户第一次接触量化，觉得那是数学博士和程序员才能做的事。其实，个人投资者做量化的起点非常朴素：你过去怎么判断买卖，就怎么把判断翻译成一条可执行的规则。量化的本质，不是写代码，而是把“我觉得”变成“如果……那么……”，让程序替你执行纪律，减少盘中冲动。

这篇文章准备了一条四步路径，不要求你先学 Python，也不要求你研究机器学习。每天花一点时间，从一条规则开始，逐步走完“规则整理、历史回测、工具选择、小资金验证”四个环节。

第一步：把“我觉得”写成“如果那么”

不要急着下载任何软件，先打开一个空白的备忘录，写下最近一笔赚钱或亏钱的交易，问自己三个问题：

• 买入时，我看到了什么信号？
• 卖出时，是什么触发了我的操作？
• 如果重新来一次，我还会这么做吗？

把这些回答整理成几条不带模糊词的规则。比如：“当收盘价站稳120日均线，且成交量大于过去5日平均成交量时，买入一层仓位；当收盘价跌破60日均线时，全部卖出。”写下之后，删掉“感觉”“差不多”“再看看”这类词。如果一句话里还有模糊词，说明这条规则还没准备好。

第二步：用历史数据给想法泼一盆冷水

很多人不敢写规则，是怕规则一写出来就被市场打脸。其实打脸越早越好。

一条规则在没有回测之前，只是你的主观想象。回测就是让规则在历史行情上重新走一遍，回答一个核心问题：如果过去几年都按这套规则操作，最终是赚还是亏？

刚开始不用看太多指标，先盯住四个数：

• 累计收益：规则整体表现如何。
• 最大回撤：过程中最惨要亏多少。
• 胜率：赚钱笔数占多少比例。
• 盈亏比：赚的时候平均赚多少，亏的时候平均亏多少。

其中最大回撤最值得关注。回撤越深，回本难度越大，这也是很多散户忽略的实际风险。

第三步：在回测工具里把规则跑起来

有了清晰规则，下一步是找一个方便的工具。对零基础用户来说，第一种选择是零代码的桌面回测软件，通过可视化拖拽搭建策略，不需要写 Python，适合把精力放在逻辑上。例如青柠量化就是这样一款面向 A 股个人投资者的本地零代码回测工具：策略编辑、历史回测、全市场筛选和动画复盘都能在本地完成，策略和回测结果默认保存在自己电脑里，数据同步到本地，隐私性相对可控。

如果你会一点编程，也可以选择开源回测框架；但如果是完全零基础，建议先用免费版跑通流程，确认自己真的理解回测结果，再决定下一步。

无论用哪种工具，第一次跑通回测后，不要急着优化参数，先看结果是否符合常识。如果回测收益很高但回撤也大得离谱，这种策略不具备实盘条件。

第四步：小资金试运行，留好退出开关

回测只是历史模拟，不代表未来。真正验证策略，需要放入小资金去真实市场里跑一段。

试运行阶段建议遵守几条硬纪律：

• 只用总资金的一小部分参与，比如 10% 到 20%，即使全部亏掉也不影响生活。
• 单只股票的仓位设上限，避免一次失误伤及本金。
• 提前写下停止条件，比如“连续一段时间跑输基准就停用”，而不是亏损后反复修改规则。
• 优先做日线或 60 分钟级别的中低频策略，不碰日内高频、打板和复杂衍生品。

把实盘记录保存下来，每周回顾一次。不是看赚了多少钱，而是看自己有没有违反当初写下的规则。如果发现规则失效，先暂停，再调整，不要边亏边改。

最后说一句

零基础做量化，不需要从数学公式开始，也不需要买昂贵的课程。你需要的是把投资想法整理成规则，然后让历史数据检验它，用小资金验证它。哪怕只从一条均线规则开始，也比凭感觉下单前进了一大步。

记住：量化的意义，不是让你成为预言家，而是让你成为一个有纪律的执行者。今天就开始写第一条规则吧。