很多人想学习量化，建议第 1 个步骤不是"怎么写代码"，而是——
去哪找策略？
我当时也一样。知道量化这个方向，也大概知道"用程序自动买卖"，但打开电脑，完全不知道从哪下手。
后来我花了几个月，试了一圈渠道，踩了不少坑，也找到了几个真正有效挖掘策略的方法。这篇文章把我的亲身经历整理出来，给同样在找策略的人参考。
在讲渠道之前，先回答一个问题：量化入门，为什么应该先找策略，而不是自己从零编写？
我见过很多人一上来就开始"自己写策略"。他们花了两个月学 Python （ PS：现在有 AI ，学编程语言没那么难了），又花一个月研究技术指标，最后写出来一个"20 日均线金叉买入"的策略，回测一下年化 18%，心满意足。
但问题是——你怎么知道这是好策略，还是单纯运气好？
没有对比基准，你根本判断不了。
自己从零写策略，有几个致命问题：
1. 容易过拟合，自己还不知道
初学者写策略，往往是盯着历史数据反复调参数，让回测结果看起来好看。这个过程叫"过拟合"——策略记住了历史，但对未来毫无预测能力。更糟糕的是，如果你没有见过足够多的策略，你根本不知道自己的策略是真有效，还是只是过拟合了。
2. 没有对标，不知道好不好
年化 20%是好是坏？要有参照物才能判断。如果你研究过几十个策略，看过它们的逻辑和指标，你才能建立起"什么是好策略"的直觉。
3. 重复造轮子，效率极低
量化领域经过几十年发展，很多经典的 Alpha 来源（价值因子、动量因子、小盘溢价等）已经被反复验证。与其从零推导，不如站在前人肩膀上——先理解别人的策略，学会评估、改造、融合，再逐步形成自己的思路，这才是高效的学习路径。
我现在的方法是：找到经过验证的公开策略 → 读懂它的逻辑 → 找出可以改进的地方 → 在此基础上优化。这样既能快速积累认知，也能让每一次改动都有对照基准，知道改对了还是改坏了。
找策略之前，得先搞清楚"好策略"的标准，否则你很容易被漂亮的数字骗到。
我最开始找策略，第一眼就看年化收益率。看到一个"年化 80%"的策略，眼睛都亮了，马上拿来用。
结果呢？跑了一段时间，策略回撤超过 40%，心态直接崩了。
后来我才明白，收益率只是一个维度，真正要看的是三个数字的组合：
| 指标 | 含义 | 我的最低要求 |
|---|---|---|
| 年化收益率 | 平均每年赚多少 | ≥ 20% |
| 最大回撤 | 最惨的时候亏了多少 | ≤ 30% |
| 夏普比率 | 每承担 1 单位风险能赚多少 | ≥ 1.0 |
年化 80%但回撤 50%，不如年化 25%但回撤 15%。前者你根本拿不住，人跑了策略还在涨，收益全是纸面的。
记住这三个数字，下面讲的每个渠道找到策略，都先用这三个数字过一遍。
这是我用得比较多的渠道，原因很简单：有真实回测数据，有代码，还能克隆来直接跑。
聚宽社区的文章区值得重点关注：很多作者会写策略分析文章，里面有详细的逻辑说明。光有好指标不够，你还得搞懂它为什么赚钱，否则市场环境一变你不知道该不该用。
亲测经历：我最近在聚宽上找"首板低开"类策略，发现同一个方向有 4 个不同版本的策略，年化从 28%到 44%不等。光看数字你会直接选 44%那个，但仔细看代码发现——它根本没设手续费，实际收益可能打对折。这种坑只有看代码才能发现。
聚宽的局限：策略只能在聚宽平台内跑，也不能直接对接实盘。
9db(www.9db.com)其实有两个功能，我把它们放到一起说，因为用法上是配合的。
精英备选策略池：定期更新，收录了大量已验证的量化策略，按近 50 天收益等指标排名，比聚宽更容易做横向对比，一眼就能看出最近哪个版本更稳健。
智能体竞技场：不只是展示回测，而是一个策略模拟盘/实盘竞技场——参赛策略每天发出真实交易信号，按实际市场行情计算收益排名。这意味着你看到的是真实市场检验的结果，含金量远高于一张回测曲线。
9db 平台目前看不到策略的源代码，但可以看到完整的回测交割单——每一笔买入、卖出的时间、标的、价格都有记录。可以通过交割单分析策略的换手率、仓位、持仓周期、偏好的股票类型，甚至能推断出大概的选股逻辑。
所以我一般的用法是：先去 9db 筛选候选策略，通过策略交割单的交易详情，收益分析，归因分析全方位了解策略，再去聚宽找同类策略的源代码和文章做印证，两个平台配合使用——9db 告诉你最近哪个方向值得关注，聚宽帮你搞懂具体怎么实现。
适合人群：两个功能适合不同阶段——还在找方向时用精英备选策略池做初筛，已有候选策略时接入竞技场做模拟盘/实盘验证。
适合干什么：找策略方向，不适合直接找代码
这两个平台上有不少量化从业者和爱好者在分享思路，比如"小市值策略最近还有没有效"、"首板低开策略为什么失效了"这类讨论。
我的用法：把这两个平台当策略情报站，发现一个方向后，去聚宽找对应的具体策略实现。
雪球有个"球友讨论"功能，搜索"量化回测"能找到不少有质量的内容。知乎搜索"量化策略 聚宽"也有很多实操分享。
注意：这两个平台的策略分享很多没有严格回测，有人写"这个方法年化 50%"，但完全没有代码和完整回测数据支撑，要辨别清楚。
适合人群：有一定编程基础，想接触更系统的策略框架
Github 上有一些开源量化项目，比较有名的有：
我的评价：这个渠道对技术要求高，策略质量参差不齐，数据对接也是个大问题。如果你刚入门，暂时不用在这里花太多时间，先把聚宽社区和 9db 的策略搞明白更实在。
代表：优矿（通联数据旗下）、******、果仁网等
这类平台的策略质量相对较高，有专业团队维护，但通常需要付费或申请权限。
亲测：优矿的策略质量还不错，逻辑清晰，有完整的因子分析流程。但平台的用户界面和文档不如聚宽友好，入门门槛高一些。
难度最高，但质量最可靠
学术论文里有很多经过严格验证的量化因子，比如价值因子、动量因子、低波动因子等。国内也有不少券商研究报告专门讲量化策略，比如国盛证券、东方证券的量化团队长期发布因子研究报告。
我的现状：这个方向我还在摸索，暂时还是以聚宽为主，后续有机会专门写一篇从报告到策略的完整流程。
找到候选策略，不要急着用。我会做 3 件事：
第 1 步：看回测指标（ 5 秒判断要不要继续看）
年化 ≥ 20%、回撤 ≤ 30%、夏普 ≥ 1.0 ，三个都满足才往下看。
第 2 步：看策略逻辑（最重要）
问自己：这个策略为什么赚钱？它的 Alpha 是什么？
如果你说不清楚策略赚钱的逻辑，这个策略大概率是过拟合——在历史数据上表现好，换个时间段就废了。
第 3 步：看代码细节（挤水分）
坑 1：回测周期太短
很多人只看 3 年回测，觉得数据漂亮就行。但量化策略在不同的市场环境下表现差异很大——2019-2021 年牛市里很多策略都好用，放到 2016 年熔断或者 2023 年的结构性行情里，可能根本活不下去。
我的标准：至少看 10 年回测，涵盖牛市、熊市、震荡市三种市场环境。
坑 2：样本内和样本外不分
策略作者在研究策略时，难免会调参数来让历史回测看起来更好看——这个过程叫"样本内优化"。但如果没有拿样本外的数据验证，这个参数只是历史数据的最优解，未必对未来有效。
识别方法：看策略文章的发布时间和策略创建时间是否匹配，以及作者有没有说明策略的样本外验证情况。
坑 3：只学策略，不理解背后的市场逻辑
量化策略不是永久有效的，市场环境变了，策略也可能失效。如果你只是"复制粘贴"策略，不懂策略为什么赚钱，当它开始亏损时你根本不知道是策略失效了还是正常回撤，只会盲目地拿着或者焦虑地止损。
1. 去 9db 看指标筛选（年化/回撤），or 去聚宽社区用关键词搜索或看首页贴
2. 筛选：年化≥20%、回撤≤30%、夏普≥1.0 、回测周期≥10 年
3. 读策略文章，搞清楚 Alpha 来源（能说清楚才继续）
4. 看代码（充分利用好 AI ）：检查手续费、滑点、未来数据 3 个关键点
5. 找策略克隆，在聚宽平台跑回测，做样本外验证，并不断优化
6. 确认通过后，接入 9db 竞技场或模拟盘，先用小资金跑 3 个月
量化不是找到一个策略然后躺平收钱。它更像是一个持续迭代的过程：找策略→验证→接入******→监控→发现问题→优化或替换。
我现在在做的事情就是这个：每周找一个策略或优化一个策略，按上面的流程认真评估，通过了就加入竞技场，让它在真实市场环境里接受检验。
后续我会持续更新每个策略的选择过程和模拟盘/******表现，感兴趣的可以关注。
要想实现或需要帮助分析评估的量化策略也可以发我，一起学习，一起踩坑，一起进步。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。