请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
“第二步，回测。把策略放到过去五年的历史数据里跑一遍，看每年的收益是多少、最大回撤有多大、换手率有多高。回测过不了关的策略，不上实盘。”
王鸣调出一张回测报告，上面密密麻麻全是数字。
“这是我们的核心策略回测。2015年到现在，年化收益22%，最大回撤14%，换手率年均8倍，胜率只有41%。”
“胜率才41%？”林深问。
“量化不看胜率，看赔率和仓位管理。”王鸣的语气很笃定。
“41%的胜率，但赚的时候平均赚2.5%，亏的时候平均亏1%，长期下来就是正期望值，仓位得用凯利公式算。”
林深的手指在膝盖上轻轻敲了一下，凯利公式，他熟。没想到量化交易的核心逻辑，跟他做个股估值用的是同一个数学工具。
“第三步，实盘执行。策略写好了，回测通过了，就上实盘。程序自动下单，不需要人盯盘。该买的时候买，该卖的时候卖，情绪干扰为零。”
他看了林深一眼。“不过实盘和回测是两回事，回测赚钱的策略，实盘可能亏得底裤不剩。过拟合、滑点、冲击成本，坑太多了。我们跑几十个因子，能用的不到三分之一。能上实盘的策略，一年也就一两个。”
“那你们现在有多少策略在实盘跑？”
王鸣想了想。“三套。一套全市场选股，规模最大，四十多个亿；一套行业轮动，十五亿左右；一套统计套利，做配对交易，十来个亿。总共加起来七十亿出头。”
林深在笔记本上记下来。三套策略，七十亿规模，年化收益17%左右。跟权益投资部的110亿比起来小一些，但也是实打实的大盘子。而且量化部不需要研究员跑调研，靠的是数据和代码，人力成本低得多。
王鸣带他在量化部转了一圈，介绍了他们的服务器、数据库、实盘监控系统。墙上一块大屏幕，实时显示着每套策略的持仓、盈亏、风险指标。
“这是我们的监控中心，程序自动下单，但风控要有人盯着。万一程序出bug，或者行情极端，得有人手动干预。”
林深站在大屏幕前看了一会儿。全市场选股策略，当前持仓200多只股票，仓位八成，今日浮盈0.2%。行业轮动策略，超配科技和消费，低配周期，今日浮盈0.3%。统计套利策略，持仓30多对股票，今日浮盈0.1%。
红红绿绿的数字在跳动，没有人在操作，钱在自己流动。
“你们用的什么语言？”林深问。
“Python，数据处理用Pandas和NuPy，回测框架自己写的，实盘交易接口用的是券商提供的API。”
“Python难学吗？”
王鸣想了想。“不难。你数学底子好，逻辑思维强，学起来应该很快。关键是得动手写，光看没用。”
林深点了点头，又问了几个策略和风控的细节。王鸣答得干脆利落，条理分明，句句都在点子上。
从量化部出来，林深没有直接回28楼，而是翻开笔记本，把刚才记的东西又看了一遍。多因子模型、行业轮动、统计套利、凯利公式、Python、回测框架。
这些词对他来说还有点陌生，但他能感觉到，这个领域和他的数学天赋是契合的。
回到研究部后，林深打开电脑，调出华达汽车的K线图。
华达汽车从十几块钱起步，一路涨到四十多块。林深看过它的财报，营收增长靠降价促销撑着，利润率在往下掉，库存和应收账款都在拉长。基本面撑不起这个股价。
他融券账户里有800万保证金。两倍杠杆，最多能做1600万的空头。
但第一次做空，他心里没底。只建了一半仓位——华达汽车250万，新科电器150万，加起来400万的保证金。
今天华达跌了两个点，新科跌了一个多点，账面浮盈十几万。
杠杆的威力他算过：股价跌两个点，他的收益就是四个点。但反过来，股价涨两个点，他也要亏四个点。风险翻倍。