十年量化路，从Matlab到Python的变与不变

⚠️ 声明：本文为个人读书笔记与思考，不构成投资建议。

大家好，我是晶晶。
今天是马年大年初三。

翻看那年今日，回看十年前研一的朋友圈。
那时信誓旦旦啃 Matlab，只为搞定应用数学课，书下还压着当年选修的 BIM（建筑信息模型） 资料。

眨眼十年。
当年为了盖房子钻研的工程公式与参数化理念，竟阴差阳错成了如今我在股市量化建模的基石。
万物皆可建模，不管是建筑，还是K线。

如今我已换用更轻便的 Python，但重读经典《量化交易》（Ernest P. Chan 著）， 我发现：工具换了，灵魂未变。

一、 工具变了：从屠龙刀到瑞士军刀

当年推崇 Matlab，是因为它擅长向量化运算——拒绝循环，直接矩阵计算。

这与我现在用的 Python (Pandas/Numpy) 精神如出一辙。我看书中的公式，看到的不是过时语法，而是高效的不写循环思维。
代码可重写，但将策略逻辑转化为数学矩阵的奥妙，是永恒的。

二、 内核未变：量化生存的三大基石

书里的概念，是我现在实盘的保命符：

1. 协方差：拒绝假分散
买两只同涨同跌的股票没意义。我做 ETF 网格配置科创50+黄金，就是利用低相关性，实现真正对冲。

2. 凯利公式：贪婪刹车片
胜率 99% 梭哈也可能归零。公式结果往往激进，实战我只用半凯利，永远不打光最后一颗子弹。

3. 肥尾效应：敬畏黑天鹅

股市并非正态分布。A股的百年一遇也许三年就来一次。别迷信夏普比率，时刻准备应对 40% 的回撤。

三、 本土化落地：A股新航海

书中的 Yahoo Finance 已过时，2026 年的 A股我有平替：

数据： 用 AkShare 替代雅虎，更全更准。

选股： 用 问财 做自然语言验证。

避坑： 警惕生存偏差，回测必须包含退市烂股，否则就是自欺欺人。

写在最后

虽然时代变了，我们从 Matlab 迁徙到了 Python，从 PC 端到了云端自动化。
但均值回归（网格的本质）与动量策略的博弈，依然在每天的 K 线图中上演。

如果你也对量化感兴趣，不妨去 GitHub 搜搜这本书的 Python 重构版。
工具只是手段，对风险的敬畏和对逻辑的坚持，才是我们穿越牛熊的底气。

年初三，祝大家逻辑闭环，财源广进！ 🧧