Alpha 模型详解
Alpha 模型是量化交易 系统的核心——它决定了你的策略能否赚到钱。
什么是 Alpha？
Alpha（α） = 高于市场平均水平的超额收益
假设今天大盘涨了 1%，而你的账户涨了 2%，那多出来的 1% 就是 Alpha 收益。
| 收益类型 | 含义 | 来源 |
|---|---|---|
| Beta 收益（β） | 跟随市场涨跌的被动收益 | 买指数基金就能获得 |
| Alpha 收益（α） | 超越市场的超额收益 | 靠策略、选股能力赚来的 |
一句话总结
Alpha 模型 = 找到能持续产生超额收益的交易规则。
Alpha 模型与 Alpha 收益的关系
Alpha 模型是"因"，Alpha 收益是"果"。
| 维度 | Alpha 模型 | Alpha 收益 |
|---|---|---|
| 角色 | 工具/方法 | 结果/回报 |
| 形态 | 一套预测规则或公式 | 实际赚到的超额收益 |
| 类比 | 答题纸上的解法 | 最终得分 |
一个模型发现"低市盈率股未来会涨"，据此发出买入信号——这就是 Alpha 模型在运作。
市场涨了 1%，但你的账户涨了 6%，多出的 5% 就是 Alpha 收益。
模型正确 → 持续获得正收益；模型失效 → 收益变成负数。
Alpha 模型要解决的两大问题
1. 选股（买什么？）
几千只股票，不可能每只都买。Alpha 模型需要从中筛选出最有可能上涨的标的。
标的：指具体要交易的对象，比如某只股票（"贵州茅台"）、某个 ETF（"沪深300ETF"），或者期货合约。简单说就是"你要买卖的那个东西"。
选股维度示例：
| 维度 | 具体指标 | 说明 |
|---|---|---|
| 估值因子 | PE、PB、PS | 便宜的股票可能被低估 |
| 成长因子 | 营收增长率、利润增长率 | 高增长公司更有潜力 |
| 动量因子 | 近期涨幅、均线形态 | "强者恒强"效应 |
| 质量因子 | ROE、毛利率、负债率 | 好公司长期表现更好 |
| 情绪因子 | 分析师预期、新闻舆情 | 市场情绪影响短期走势 |
2. 择时（什么时候买/卖？）
选好了股票，什么时候进场、什么时候离场？这往往比选股更难。
择时信号示例：
| 策略类型 | 买入信号 | 卖出信号 |
|---|---|---|
| 趋势跟踪 | 短期均线上穿长期均线（金叉） | 短期均线下穿长期均线（死叉） |
| 均值回归 | 价格偏离均线超过 -2 个标准差 | 价格回归均线 |
| 突破策略 | 价格突破 N 日最高价 | 跌破止损线或均线 |
Alpha 模型的分类
按数据来源分类
Alpha 模型
├── 技术面 Alpha（基于量价数据）
│ ├── 趋势策略：均线、MACD
│ ├── 动量策略：RSI、KDJ
│ └── 形态识别：头肩顶、双底
│
├── 基本面 Alpha（基于财务数据）
│ ├── 价值策略：低PE、低PB
│ ├── 成长策略：高增长
│ └── 多因子策略：综合打分
│
└── 另类 Alpha（基于非传统数据 ）
├── 情绪分析：新闻、社交媒体
├── 卫星数据：停车场车辆数
└── 供应链数据：订单量变化
按预测方向分类
| 类型 | 策略思路 | 持仓周期 |
|---|---|---|
| 趋势型 | 价格沿趋势运动，顺势而为 | 数周 ~ 数月 |
| 回归型 | 价格围绕价值波动，偏离后会回归 | 数小时 ~ 数天 |
| 套利型 | 利用定价差异，低买高卖 | 秒级 ~ 分钟级 |
Alpha 模型的开发要点
1. 逻辑先于数据
不要"数据挖掘"出一个策略，而是先有合理的经济/金融逻辑，再用数据验证。
❌ 错误方式：把 100 个指标跑一遍，挑出回测最好的那个组合。
✅ 正确方式：先思考"为什么这个因子能赚钱"，再用数据检验。
2. 简单优于复杂
| 策略 | 复杂度 | 过度拟合风险 | 实盘稳定性 |
|---|---|---|---|
| 单均线策略 | 低 | 低 | 高 |
| 双均线策略 | 低 | 低 | 高 |
| 5因子模型 | 中 | 中 | 中 |
| 50因子+机器学习 | 高 | 高 | 低 |
经验法则：能用 3 个参数解释清楚的策略，不要用 30 个参数。
3. 避免过度拟合
回测年化 50%，实盘年化 -10% ← 这就是过度拟合
防范方法：
- 样本外测试：用模型没"见过"的数据验证
- 时间序列交叉验证：用不同时间段检验
- 简化参数：参数越多，过度拟合风险越大
4. Alpha 的衰减
任何 Alpha 信号都会随着时间衰减——这是量化投资的基本规律。
| 原因 | 说明 |
|---|---|
| 市场效率提升 | 越多的人使用相同策略，收益空间被压缩 |
| 市场结构变化 | 交易规则、市场参与者的改变可能使策略失效 |
| 拥挤交易 | 策略被过度使用，信号失效 |
启示
不要指望一个 Alpha 策略永远有效。持续研究、迭代、发现新的 Alpha 来源才是长久之计。
Alpha 模型与个人投资者
对于个人量化投资者，Alpha 模型的开发有几个务实建议：
- 从简单策略开始：单均线、双均线策略先跑起来，理解完整流程
- 专注少数因子：与其追 100 个复杂因子，不如把 2-3 个经典因子吃透
- 接受有限 Alpha：个人投资者不需要打败机构，跑赢大盘就是成功
- 用回测验证：任何 Alpha 想法，先过回测这一关
下一步：风险模型与交易成本模型 →