量化交易常被误解为复杂数学或高频算法。实际上，量化交易只是意味着基于数据和预设规则做决策，而不是凭直觉。对外汇交易者来说，这同时适用于EA和手工系统。核心问题不是“市场会怎么走”，而是“历史数据告诉我这个信号的概率是多少”。本文把量化交易拆解为四个可操作的支柱：规则明确化、回测纪律、仓位计算数学和风险限额工程。
第一支柱：规则必须无歧义。量化规则必须是二元的真/假判断。错误规则：“动量看起来强的时候买入”。正确规则：“4小时图上，14周期RSI上穿30，且收盘价高于50周期简单移动平均线时买入”。每个条件都写成布尔表达式。参考大卫·阿伦森的《基于证据的技术分析》，模糊规则无法被测试，未测试的规则只是观点。写任何代码之前，先用“如果……那么……”的句式写出规则。如果不能写成代码，就无法量化。
第二支柱：回测纪律。大多数回测存在致命缺陷。常见三个错误。第一，幸存者偏差：只使用现有活跃货币对，忽略了曾经存在但已退市或流动性枯竭的品种。第二，未来函数：使用了交易时尚未出现的数据，例如用日线收盘价做日内入场决策。第三，过度拟合：反复调整参数直到资金曲线完美。规避方法：遵循“一次只改一个参数”的规则。使用优化过程中从未触碰过的样本外数据。稳健的回测至少需要200笔交易，且最好覆盖不同市场状态：趋势、震荡、高波动。
向前走分析是量化验证的黄金标准。把数据切分成滚动窗口。例如取12个月历史数据。用前9个月作为样本内数据优化参数，用后3个月作为样本外数据测试。然后窗口向前滚动一个月，重复该过程。向前走效率测试衡量参数的稳定性。如果上一个窗口的最优参数与下一个窗口完全不同，策略缺乏稳健性。罗伯特·帕尔多在《交易策略评估与优化》中强调，任何策略必须通过向前走测试才能实盘。及格线是至少60%的样本外窗口取得正收益。
第三支柱：仓位计算数学。量化交易中仓位不是凭感觉的，而是优势函数和风险承受能力的数学结果。凯利公式提供最优增长率：f = (bp - q)/b。其中b是净赔率（每笔盈利除以每笔亏损），p是胜率，q=1-p。假设系统胜率55%，平均盈亏比1.5比1，则b=1.5，p=0.55，q=0.45。计算得f = (1.5×0.55 - 0.45)/1.5 = (0.825-0.45)/1.5 = 0.25，即每笔25%仓位。但全凯利对外汇来说过于激进。使用半凯利（12.5%）甚至四分之一凯利（6.25%）作为最大仓位。然后加入波动率调整：如果当前ATR(20)比其50周期均值高出20%以上，仓位减半。这种动态调整保护策略在市场状态切换时不被淘汰。
第四支柱：回撤工程控制。每个系统都会遇到连亏期。你的任务是确保账户存活。首先定义最大可接受回撤，例如本金的20%。然后计算系统理论上能承受的最大连续亏损次数。如果胜率50%，连续10次亏损概率为0.5^10=0.097%，但仍可能发生。使用破产风险公式：破产风险 = ((1 - 优势) / (1 + 优势))^资本单位数。其中优势是每笔平均盈利除以平均亏损。要将破产风险控制在1%以下，至少需要50个资本单位。如果每个单位代表每笔1%的风险，意味着总风险容量为50%。如果最大回撤限制为20%，每笔风险不应超过2%，因为连续10笔亏损就会触及上限。
三层硬止损规则。第一层：单笔止损，通常为本金1%到2%。第二层：每日止损，如果当日总亏损超过账户4%，系统停止交易至次日。第三层：资金曲线止损，如果账户净值从高点回撤15%，系统完全停止交易，等待人工审核所有交易和市场条件。这三层结构来自机构风控。直接写入EA代码，或手工严格执行，不允许任何例外。
最后，量化交易需要持续监控绩效指标。每周追踪以下五个指标。夏普比率：平均收益除以收益波动率，目标1.0以上。盈利因子：总盈利除以总亏损，目标1.5以上。平均持仓时间：如果显著变化，市场状态可能已经改变。最大连续亏损次数：如果超过历史最大值50%，停止交易。滚动胜率（最近50笔）：如果比回测胜率低20%以上，进行全面复盘。每三个月用新数据更新一次回测。市场在演化，你的量化优势要么适应，要么被替换。
参考来源：