量化交易是什麼？一份說人話的入門解釋

先給答案

量化交易是什麼？一句話：用數學模型、統計分析和電腦程式來決定買什麼、什麼時候買、買多少，而不是靠人盯盤、看消息、憑感覺下單。它的優勢來源不是一次漂亮的判斷，而是同一條規則在成千上萬次交易裡累積出來的統計優勢。入門門檻沒有傳說中那麼高，但要長期靠它賺錢，難度也不低。這篇文章把這件事從頭講清楚。

量化交易到底是什麼

想像一個手動看盤的人：盯著 K 線圖，刷著新聞，覺得這檔股票便宜了，買。整個決策過程——消息、線型、盤感——全在他腦子裡，說不清也沒辦法事後重演。

量化交易者做的是同一件事，但把每一步都寫成明確的規則：「便宜」必須有一個精確定義（比如股價淨值比低於歷史 20% 分位），每個條件都變成程式碼，程式替人執行。這就是「量化交易是什麼」最短的回答：把判斷寫成可執行的規則。就這個差別，沒有更多玄妙的東西。

有三個詞經常被混著用，分清楚能省很多困惑：

量化交易管的是「決策」——用模型和統計判斷買賣什麼
演算法交易管的是「執行」——用程式下單。銀行用 VWAP 演算法幫客戶拆單成交，這是純演算法交易，背後沒有任何量化模型
主觀交易就是傳統人工——讀新聞、看線型、憑經驗

現今大多數量化交易都透過演算法執行，但演算法交易不一定是量化，量化金融裡也有很大一塊（衍生性商品定價、投資組合建構）根本不做短線交易。

同一條規則，兩種跑法

要理解量化交易是什麼，最直觀的方式是看一條具體規則的兩種執行方式。一條典型的散戶策略：25 日均線上穿 50 日均線，同時 ADX 指標超過 25、RSI 超過 50，就買進；再配上部位大小、停損點、停利點。

手動執行這條規則，你得同時盯著三個指標，最多照顧三到五檔股票，還祈禱下單那一刻手別抖。我見過有人手工盯了一週就放棄——光是注意力消耗就受不了，更別說情緒干擾。

把同一條規則寫成大約 50 行 Python，性質就變了：

	手動	程式
同時監控標的	3-5 檔就到極限	幾百上千檔
執行速度	幾秒，還得你在電腦前	瞬間完成，全天候
紀律性	看心情	寫死在程式裡
驗證方式	靠記憶和感覺	拿幾十年歷史資料回測

這裡必須說一句實話：把規則自動化，不會讓規則變成賺錢的規則。它帶來的是「一致性」和「可度量」，這是兩種完全不同的美德。新手最容易在這裡栽跟頭，以為自動執行等於自動賺錢。

完整流程長什麼樣

專業意義上的量化交易是什麼樣子？一條流水線，任何一環掉鏈子都會連累後面：

資料：歷史行情、委託簿、基本面資料，清洗、還原除權息、儲存
訊號研究：尋找「能觀察到的東西」和「未來價格」之間的統計關係
回測：用歷史資料檢驗策略，扣掉手續費和滑價再算帳。三個經典的坑：未來函式（用了當時不可能知道的資料）、過度配適（曲線貼合歷史、上線就失效）、倖存者偏差（只統計了沒下市的股票）。回測完美、實盤就死，是策略失敗最常見的劇本
執行：訊號變委託單，從耐心拆單到微秒級系統都有
風控：部位限額、回撤閾值、自動停損開關

這只是導覽，每一環都夠寫一篇文章。具體怎麼一步步上手，見量化交易如何入門，常見策略類型見量化交易策略。

誰在做，做到了什麼體量

這不是小眾愛好。行業估算，演算法和高頻策略 2024 年已占美股成交量約 65%，2010 年這個數字還是 45%。頭部公司的獲利能力在金融史上都排得上號：據彭博報導，Jane Street 2024 年淨交易收入 205 億美元，超過美國銀行和花旗，員工只有約 3000 人；Citadel Securities 同年錄得 97 億美元。文藝復興（Renaissance Technologies）的大獎章基金自 1988 年以來費前年均收益約 66%，從上世紀 90 年代起就不再接收外部資金。

中文世界有兩個名字值得知道。中國大陸叫量化交易，散戶實盤要走券商通道（QMT、PTrade），研究平台有聚寬、BigQuant 這類，開源自建常用 VN.PY、Backtrader。台灣叫程式交易，主流工具是券商提供的 XQ 等平台。同一個東西，兩套生態，搜尋的時候兩邊用詞不同。

這個領域根子很深：1900 年巴舍利耶就給選擇權建了模型，1952 年馬科維茨提出投資組合理論，1973 年的 Black-Scholes 模型後來拿了諾貝爾獎。想了解來龍去脈，維基百科的歷史章節值得花十分鐘。

它擅長什麼，又栽在哪

優勢是實打實的。模型不會恐慌，不會貪婪，虧了也不會上頭報復性下單。它能同時監控幾百個標的，執行力是任何人撐不出來的紀律。每條假設都是明確的，所以每個結果都可以被度量。

失敗模式同樣實打實。市場是動態系統，一套模型在某類行情裡賺錢，環境一變就悄悄失效——這不是意外，是常態。2007 年 8 月的「量化地震」，大量擁擠的統計套利基金同時平倉，提醒所有人：市場中性不等於沒有風險。回測的三個坑更是新手墳場，紙面完美和實盤賺錢中間隔著一條鴻溝。

我的建議是：把量化交易當成一門「度量的手藝」，別當成印鈔機。能長期留在這個行業的人，恰恰是最不信任自己回測結果的那批。

個人能玩嗎

弄清量化交易是什麼之後，更實際的問題是你自己能不能玩。答案是能，但有邊界。現在軟體和資料便宜到一個人就能研究、回測、跑一套中低頻策略。個人玩不了的是高頻交易：高頻機構在基礎設施上砸數億美元——主機託管、微波鏈路、FPGA 硬體——這場軍備競賽裡沒有個人的賽道。

數學門檻也比傳聞溫和。多數交易想法，高中統計加上對「期望值」的理解就夠起步，高深的機器學習是後面的事。學習順序我認同業界通行的建議：先學金融（看懂機會在哪），再學數學（量化機會大小），最後學程式（測試和落地）。

但有一個區別要想清楚：「能跑起來」和「能長期賺錢」是兩回事，就像會下棋和棋類冠軍是兩回事。如果你在權衡真實的勝率，看這篇：量化交易能賺錢嗎。

常見問題

量化交易是什麼意思，和程式交易是一回事嗎？

基本是一回事。台灣慣稱程式交易，媒體和券商多用這個說法；量化交易是國際文獻直譯，近幾年也越來越常用。兩個詞搜到的內容高度重疊。

量化交易和演算法交易是一回事嗎？

不是。量化交易用模型做「決策」，演算法交易用程式做「執行」。大多數量化策略確實用演算法執行，但銀行的拆單演算法只負責執行，沒有任何量化建模。

量化交易穩賺嗎？

不穩賺。行情變了模型會失效，回測會騙人，2007 年連市場中性策略都集體回撤過。量化解決的是紀律和度量問題，解決不了風險本身。

量化交易就是高頻交易嗎？

不是。高頻只是頻譜的一端——微秒級持倉、主機託管、天價基建。大量量化策略持倉幾天到幾個月，普通硬體就能跑。

想入行一定要博士學位嗎？

去頂級避險基金做量化研究，博士確實常見。但自營公司的交易和開發崗，以及個人交易，大學學歷完全有機會。能力比文憑標題重要。

回到最初的問題——量化交易是什麼？一門把交易判斷變成可度量、可檢驗規則的手藝。想動手的話，下一步看量化交易如何入門，從零到跑通第一個策略的完整六階段路線。

Edward Wang