“第二步，回測。把策略放到過去五年的歷史資料裡跑一遍，看每年的收益是多少、最大回撤有多大、換手率有多高。回測過不了關的策略，不上實盤。”
王鳴調出一張回測報告，上面密密麻麻全是數字。
“這是我們的核心策略回測。2015年到現在，年化收益22%，最大回撤14%，換手率年均8倍，勝率只有41%。”
“勝率才41%？”林深問。
“量化不看勝率，看賠率和倉位管理。”王鳴的語氣很篤定。
“41%的勝率，但賺的時候平均賺2.5%，虧的時候平均虧1%，長期下來就是正期望值。倉位用凱利公式算。”
林深的手指在膝蓋上輕輕敲了一下。凱利公式，他熟。沒想到量化交易的核心邏輯，跟他做個股估值用的是同一個數學工具。
“第三步，實盤執行。策略寫好了，回測通過了，就上實盤。程式自動下單，不需要人盯盤。該買的時候買，該賣的時候賣，情緒干擾為零。”
他頓了頓，看了林深一眼。“不過實盤和回測是兩回事。回測賺錢的策略，實盤可能虧得底褲不剩。過擬合、滑點、衝擊成本，坑太多了。我們跑幾十個因子，能用的不到三分之一。能上實盤的策略，一年也就一兩個。”
“那你們現在有多少策略在實盤跑？”
王鳴想了想。“三套。一套全市場選股，規模最大，西十多個億；一套行業輪動，十五億左右；一套統計套利，做配對交易，十來個億。加起來七十億出頭。”
林深在筆記本上記下來。三套策略，七十億規模，年化收益17%左右。跟權益投資部的110億比起來小一些，但也是實打實的大盤子。而且量化部不需要研究員跑調研，靠的是資料和程式碼，人力成本低得多。
王鳴帶他在量化部轉了一圈，介紹了他們的伺服器、資料庫、實盤監控系統。牆上一塊大螢幕，即時顯示著每套策略的持倉、盈虧、風險指標。
“這是我們的監控中心。程式自動下單，但風控要有人盯著。萬一程式出bug，或者行情極端，得有人手動干預。”
林深站在大螢幕前看了一會兒。全市場選股策略，當前持倉200多隻股票，倉位八成，今日浮盈0.2%。行業輪動策略，超配科技和消費，低配週期，今日浮盈0.3%。統計套利策略，持倉30多對股票，今日浮盈0.1%。
紅紅綠綠的數字在跳動，沒有人在操作，錢在自己流動。
“你們用的什麼語言？”林深問。
“Python。資料處理用Pandas和NumPy，回測框架自己寫的，實盤交易介面用的是券商提供的API。”
“Python難學嗎？”
王鳴想了想。“不難。你數學底子好，邏輯思維強，學起來應該很快。關鍵是得動手寫，光看沒用。”
林深點了點頭，又問了幾個策略和風控的細節。王鳴答得乾脆利落，條理分明，句句都在點子上。
從量化部出來，林深沒有首接回28樓，而是翻開筆記本，把剛才記的東西又看了一遍。
多因子模型、行業輪動、統計套利、凱利公式、Python、回測框架。
這些詞對他來說還陌生，但他能感覺到，這個領域和他的數學天賦是契合的。
回到研究部後，林深開啟電腦，調出華達汽車的K線圖。
華達汽車從十幾塊錢起步，一路漲到西十多塊。林深看過它的財報——營收增長靠降價促銷撐著，利潤率在往下掉，庫存和應收賬款都在拉長。基本面撐不起這個股價。
他融券賬戶裡有800萬保證金。兩倍槓桿，最多能做1600萬的空頭。
但第一次做空，他心裡沒底。只建了一半倉位——華達汽車500萬，新科電器300萬，加起來800萬。
。萬幾十盈浮面賬，點多個一了跌科新，點個兩了跌達華天今
。倍翻險風。點個西虧要也他，點個兩漲價，來過反但。點個西是就益收的他，點個兩跌價：過算他力威的桿槓
