量化交易员带你入门：为什么有些交易策略能带来盈利？¶

大家好，今天想和各位聊聊一个常被提及，却又不容易说清楚的话题——为什么某些交易策略或规则会带来盈利。这对于每一位投资者都非常关键，无论你是依赖系统化策略，还是倾向于主观判断。只有了解自己的收益来源，并明确是否具备某种“优势”，才能在金融市场中保持更清醒的思路。

在这里，我会结合自身经验，分享一些理论基础，并说明为什么某些特定资产、资产组合，甚至是动态交易规则可以获得盈利。

风险溢价：像在市场中买卖保险¶

我常常用“买保险”来类比风险溢价（Risk Premia）的概念： - 买保险：你要一直交保费，虽然经常小亏，却能在真正灾难来临时获得大额赔付。
- 卖保险：你能经常收取保费，但可能会在极少数情况下遭遇一次巨额亏损。

在金融市场里，也有类似的特征：有人为了抵御极端风险而愿意牺牲一部分收益（买保险），也有人通过承担偶发的重大亏损来获得更高的平均回报（卖保险）。如果某些资产对特定风险敞口的暴露较高，投资它们便能从这些风险溢价中多赚一些。

持续性风险溢价¶

有些风险溢价可以“常年在线”。比如，相比债券，股票通常能提供额外回报，以补偿其波动性和更高的风险暴露。同理，投资者运用“公司规模”“账面市值比”等因子来构建价值策略，也属于从特定风险溢价中获利的方式。相比短期债券，长期债券则通常带来更高收益，用来弥补“更长借贷期限”的不确定性。

动态变化的风险溢价¶

风险溢价不一定总是稳定。如约翰·保尔森（John Paulson）在 2006 年廉价买入抵押贷款信用违约互换（CDS），随后的次贷危机为他带来了巨额收益。

2006 年，John Paulson 低价买入 CDS，2007-2008 年次贷危机期间获得数十亿美元回报。

另外，当市场陷入恐慌时，我们也能趁机用便宜价格买入优质资产。

这种交易思路往往属于均值回归（mean reversion）——我们假设风险溢价与相关资产价格会在极端情况下被低估或高估，但最终会回归“合理”区间。然而，判断溢价的“合理值”并非易事，市场也可能长时间背离这个均衡。即使如此，这些波动本身仍然构成了一个重要的盈利来源。

偏度（Skew）：夏普比率外的关键要素¶

通常大家都关注夏普比率（Sharpe Ratio, SR），用它来衡量“经风险调整后的收益”。可若两个资产夏普比率相同，但一个是大多数时候小亏偶尔暴赚，另一个是大多数时候小赚偶尔暴亏，它们带给投资者的风险体验并不相同。这就体现了偏度（Skew）的重要性。

概念：夏普比率（Sharpe Ratio）¶

夏普比率通常定义为：

对衍生品交易者而言，无风险利率影响相对有限；在后 2009 年的低利率环境下更是如此。
若用日度数据测算夏普比率，再折算成年化时，可大致乘以 16（假设每年 256 个交易日）。

不过，夏普比率默认假设收益分布是对称的，现实里很多资产并不符合这一点，于是我们需要研究偏度（Skew）。

概念：偏度（Skew）¶

如果一种资产更容易出现“大幅下跌”而不是同等幅度的“大幅上涨”，我们说它具有负偏度（negative skew）；相反则为正偏度（positive skew）。
- 股票往往有轻微负偏度；
- 黄金、瑞士法郎等“避险资产”通常有正偏度，但没有期权那样极端。

买保险就是正偏度：经常小亏（交保费），偶尔遇到理赔而暴赚；卖保险则是负偏度：绝大部分时候稳收保费，但偶尔会遇到巨大损失。

表：负偏度 vs. 正偏度¶

表中可以看到，如果年化夏普比率相同，负偏度和正偏度策略的回撤分布仍有显著差异。

许多人无法忍受“偶尔一次就让人大亏”的负偏度，这也是为什么大家宁愿买各种保险。而正偏度意味着多数时候小赔，偶尔却能抓到大机会，这对追求高弹性回报的人来说十分具有吸引力。

杠杆：会借钱的人长期或许更具优势¶

在理想金融模型中，我们可以自由借钱来放大回报。但现实世界里，大部分散户或机构并不愿意或无法使用杠杆，导致“高夏普比率、低绝对收益”的资产被忽略——他们无法用杠杆来提升收益，所以更偏好“绝对收益高但波动也大”的标的，哪怕其夏普比率可能并不理想。

因此，你经常会看到高风险资产在很多投资组合中占据主导，如 1999 年科技股泡沫。而那些能用杠杆的人，从理论上在长期或可跑赢无法杠杆的群体。不过，在市场出现极端下跌时，追加保证金和强制平仓会引发“死亡螺旋”，让多年利润在短时间内化为乌有。

在后续的“波动率目标（Volatility Targeting）”部分，我们会探讨如何更安全地使用杠杆。

流动性与规模：为什么小公司或另类资产可能更“香”¶

• 流动性（Liquidity）：机构投资者需要大额交易和快速变现，更青睐高流动性的市场，这自然推高了这些资产的价格。
• 小规模溢价（Size premium）：相对于大公司，小公司因为规模小、流动性低，通常收益率更高，但换来了买卖的难度或估值的不透明性。
• 另类资产：如土地、创投也存在类似逻辑。如果你能接受长期锁定资金、缺乏流动性，便可能获得额外回报。

这些溢价随着时间会不断变化。例如，2006 年底抵押贷款相关衍生品相当抢手，价格也高；仅仅一年后几乎无人接盘，愿意买的人则能用非常便宜的价格进场。

当别人“不得不”交易时，就有机会¶

有些交易并不是为了赚钱，而是出于政策或其他目的。例如，中央银行想让本币贬值，可以持续干预外汇市场，只要它能承受由此带来的成本。

像瑞士、日本就曾长期干预汇率，直到某天政策放弃，导致汇率瞬间暴动。

在这段时间里，做外汇利差交易（carry trade） 的人轻松获利，直到局面突变，出现巨额亏损（负偏度）。
其他案例还包括：年底为了税务或财报要求被迫调仓的机构、不得不买入长期债券的保险公司、以及大额赎回压力下短期抛售资产等。只要这些被迫的交易量足够大，就可能对市场价格形成“扭曲”，留下可供套利的空间。

类似地，愿意当“流动性提供者”的人也能赚取点差，但这是个典型的负偏度策略——若遭遇极端行情，几次剧烈波动就足以让此前累积的小额盈利灰飞烟灭。

进入壁垒、努力与成本¶

另外，一些策略需要昂贵的前期投入或大量专业知识，如高频交易（HFT） 要租用靠近交易所的机房、编写超高速软件；投资私营公司也需长时间的尽职调查、法律筹备。这些成本高昂，所以收益也需要相应提高来做补偿。这并不一定意味着这些人具备“惊人的技术”，更可能是“高付出必然需要高回报”而已。

行为偏差：很多人宁愿亏钱，也不想改习惯¶

经典金融理论能解释大部分现象，但现实中还存在认知偏差和行为偏差。
- 有些地区禁止做空，价格自然会被扭曲；
- 人们常常高估小概率事件，如买彩票、买深度虚值期权、或者坚持使用某些技术指标；
- 很多人不愿意及时止损，却热衷频繁兑现赢利头寸……

这些心理与制度层面的因素都可能带来持续的投资机会。举个简单例子：一种“顺势交易”规则就可以利用投资者的惯性心理（前景理论），经常获得还算不错的回报。

自我应验预言¶

某些“玄学”技术分析（如斐波那契数列）并无严谨的学术背书，但因众多交易者共同遵循，这些关键位置往往真的出现大量买卖，形成自我应验。至于能否长久有效？没人能打包票。

纯Alpha与投资技能：巴菲特现象¶

像巴菲特、邓普顿、彼得·林奇等极少数人，似乎实现了超出以上所有理论范畴的收益。他们可能是亿分之一的幸运儿，也可能确实拥有Alpha——真正的投资天赋与技能。

这类投资人的决策往往难以规则化或系统化，他们能根据市场变化做出灵活应对。如果你觉得自己也在这个行列，不妨尝试利用半自动化交易或辅助决策工具来加强执行，但最后的关键仍然是你本人的判断力。

• 我们在文章中多次提到的风险溢价、杠杆作用、流动性等概念，均是量化金融研究的重要基石。
• John Paulson 的 CDS 做空策略、夏普比率的计算原理，以及央行干预外汇市场的案例，都是 LLMQuant 的研究与观察重点。
• 如果你对更多细节或实操案例感兴趣，欢迎关注 LLMQuant 社区，一起探索 AI 与 Quant 的无限可能。

关于LLMQuant¶

LLMQuant是由一群来自世界顶尖高校和量化金融从业人员组成的前沿社区，致力于探索人工智能（AI）与量化（Quant）领域的无限可能。我们的团队成员来自剑桥大学、牛津大学、哈佛大学、苏黎世联邦理工学院、北京大学、中科大等世界知名高校，外部顾问来自Microsoft、HSBC、Citadel、Man Group、Citi、Jump Trading、国内顶尖私募等一流企业。