远凡的读书笔记和投资实盘第142天总盈亏：34.65% 小市值策略真的有效吗？
展开
今天是实盘记录的第142天。
期末资产：403977.59元 累计盈亏：34.659% 今日盈亏 -6930.43元
相对沪深300超额 28.036%， 相对中证2000超额 15.083%
今天这个账户又回撤了不少，按现在看，创新高应该还是至少要到下周的，^_^。
白天跟兄弟聊量化相关的东西，感觉中间有些东西，可以一鱼两吃，直接充当今天的笔记用。所以今天省事了。
（我认为在量化方面，我处在一个远比不懂的和只能做简单量化的人强，但是跟国内、国际量化大厂里的人比，我比他们的核心员工要弱，而且可能是弱很多的状态。
我会有这个感受是因为（1）知道很多在分享的量化牛人，大部分都是大厂核心。拿自己跟他们对比，发现我弱很多。（2）我有刻意盯deepseek发的论文，今年1月梁文峰署名了两篇论文，而他署名的这两篇，虽然是在说如何推进人工智能的，但是里面谈到的思想，恰恰是前面困扰我好几年的量化问题的解决思路。虽然因为工程量很大，我自己个人启动这种工程比较吃力，暂时还没落实。但认为能帮我解决很大问题，这个判断是不会错的。——真的有一种萤火之光岂能与皓月争辉的感受。
所以反思为啥我自己野路子瞎蒙，这些年能做到长期、稳定、高额盈利？这三个要求合在一起完全是在痴心妄想呢。
可我恰恰又做到了，至少到目前还没被证伪，并且这件事的置信概率还在不断增加。
我对这事的认知是我在系统当中蒙到了一个非常好的生态位。
就是很可能我现在做的这些东西，大厂的核心都能做到，更不要说这个领域里面的那帮古神级人物。但是像我这种，把每个系统做到容量就几千万规模，然后好几个甚至十几个系统凑一起做到最高以亿为单位的资金容量的方式。在大厂各种资源充足，又有充足人手调配的情况下，他们来做我做的事情就是净亏损，因为单位时间研发其他东西，收益更高。并且因为他们掌握的资金过于庞大，而越是大型资金，越是偏公众的资金，就越要求稳，比如最大回撤不能高于6%。又导致他们大量的工作量要花在我根本不需要去管的方面。
这才留下一个，如果是真正懂行，但又没有做成大厂想法的人，非常舒适的生态位。也就是我到现在一直是长期、稳定、高额盈利的原因，根本不是我量化有多牛逼，而是市场结构中，这个特殊生态位的属性。这个位置尤其适合我这种情商不高，管理能力是负数的人。
换成白话说就是比我厉害的看不上我这收益（绝对值不够）；看的上这收益的，都没我能打。
但下一个问题是我现在占住了这个位置，能享受这个收益。那我能保证未来我还能一直享受这个收益吗？
所以ai平权，在其他方面，我也是受益人；但是在量化方面，对我来说，可能是一个冲击。
针对这个问题，首先我们这些人，学和使用ai，也肯定比绝大多数人要强的，ai对我们的赋能是要远超其他人的。
但是股票历史上出现过一次类似的事情了。就是因为计算机的普及，导致之前年收益70-300%的大量技术分析指标盈利都迅速减少，减少到不能有效覆盖交易摩擦的程度，然后才重新平衡。
而我认为ai平权，就会导致大量简单的量化系统出现，就跟普通人借助计算机，就能计算各种技术指标一样，哪怕他们根本不懂这东西真正在分析什么。而股票又是二级混沌系统，会因为参与者的行为，演化到新的平衡态。
那我怎么应对这个问题？
至少目前我认为的最好的方式，就是重修一遍高等数学，就是类似于技术分析被平权了之后主动进入量化领域，我要在量化还没被平权，就开始着手进入新的博弈阶段。
其实说到这个，就需要说下拉里芬克，这家伙这次也会跟川子一起来访华。就是这位古神，在80年代初开发出了房地产次级贷模式，然后进入90年代就不碰了。（应该就是推出这玩意的风险。）然后他87年开始用那个时候的服务器，做量化！
对于量化被平权了之后，下一个阶段到底是什么模式，我不敢说我判断对了。但肯定是普通人借助ai也解决不了的领域。那最典型的就是卡在普通人的思维和理解能力上限之上的东西。
而普通人能力上限之上的东西，在量化领域，肯定有以微积分、线代、概率论这老三样为地基的高等数学体系（包括群论、数理统计、泛函分析等好多，想学的太多了），这些相当于是做出一个真实能用的量化系统所需要的核心肌肉群，这些可不是普通人有了ai，就可以解决的。还有就是对高维系统的认知和处理能力。
所以我说我在反着走。
总之，先假设普通人都能借助ai做量化系统了，然后我要在这个基础上，做到人无我有，才能继续保障我能长期、稳定、高额盈利。
其实耐性和定力，做事的长期规划性和“泰山崩于前而色不变，麋鹿兴于左而目不瞬”的意志力，也是普通人不具备的，但是这些导向的是长线投资那条路。我也在摸索，双线并行。
）
说明：
目前实盘展示的是一套量化交易系统。正常每天分别买入和卖出六只股票。偏小市值股票。
我有参加淘股吧实盘比赛，实盘比赛用的系统，就是展示的这个。数据相同。
下面是目前账户截图：
读书笔记部分：
小市值策略真的有效吗？
尤其前几年，你肯定在各种群里或社交媒体上见过那种令人血脉喷张的净值截图：一条斜线直接干到天上，10年700倍，1万变700万。说实话，这收益率不仅是震撼，拉到全球哪个市场，都足够让一众价值投资者当场怀疑人生。 包括很多刚入行的朋友，看到这种图两眼放光，觉得掌握了财富密码，马上就想拉代码跑回测，准备自己也搞一个。
策略逻辑很简单。
每周一选出市值最小的5只股票买入，持仓一周，下周一重新排名，调仓买入新选出的股票。然后你就实现了一个最简单的小市值轮动策略。
（远凡：这里图发起来麻烦，我去掉了。结果是20-16-2025,10年收益接近345倍。看起来非常魔幻，现实中也做不到的，原因在文章下面有涉及到，就是小市值的容量非常有限，这个不能按无限复利计算。真实可容纳资金就是几十万到100多万规模，年20-40%盈利是能做到的，但没有复利效果。也就是真实结果是一年20多到30多万。——问题是能有魄力这么做的，基本上都有自己的量化策略能跑起来，不会满足于这点盈利。而愿意接受这个级别收益的，要么知道了也不敢做；要么真敢无脑莽进去，等系统回撤或者出问题的时候，也不知道该怎么处理，^_^。这个跟我今天自己闲聊部分其实是相同原理，整个交易市场中，还有一些奇特的高收益交易位并没有完全被利用，不是这东西有多神秘，而是这些生态位的绝对值体量不够大。就像是食虫植物和兰花这种用根系抢其他植物有机质这些奇特生态位，收益都超级高，但是绝对值体量都被各种因素给限制住了。所以即存在这些奇怪的生态位，又不会因为超高收益能反过来吞噬全世界。）
当然了，对于真正在实盘里摸爬滚打过的量化从业者来说，看到这种极端的曲线，基本就是微微一笑：盈亏同源嘛。外行看的是暴富神话，内行看的是尾部风险和容量滑点。难不成你真想一个因子就能实现百倍收益？
那么，这种动辄几百倍的策略，是否有底层逻辑支撑？那些没有标在净值曲线上的致命风险又是什么？
一、从30年前的因子说起把那些“造富神话”的滤镜摘了，我们直接往资产定价的祖师爷那里翻。很多做 A股的人总觉得炒小票是中国特色，但其实小市值效应根本不是什么 A股独有的玄学，它是有着三十年历史的正统学术背景的。
早在 1993 年，Fama 和 French 搞出那个著名的“三因子模型”时，就已经把这事研究得很透彻了。直接上这个搞量化的人估计都看吐了的经典公式：
Ri,t−Rf,t=αi+βm,i(Rm,t−Rf,t)+βs,iSMBt+βh,iHMLt+εi,t R_{i,t} - R_{f,t} = \alpha_i + \beta_{m,i}(R_{m,t}-R_{f,t}) + \beta_{s,i}SMB_t + \beta_{h,i}HML_t + \varepsilon_{i,t}
SMB（Small Minus Big）就是“做多小市值组合、做空大市值组合”得出来的超额收益，学名叫“规模因子溢价”。换句话说，小票长期跑赢大票，在美股也好、全球市场也罢，它是个跨越长周期、横跨全截面的基本规律，是一件再正常不过的定价常识。
二、规模、流动性与壳价值结合经典模型的理论支撑，我们可以用三层逻辑来解释小市值策略。
第一层逻辑是风险溢价。那些几十亿甚至几亿市值的微盘股，往往主营业务三天打鱼两天晒网，现金流跟过山车一样，财务报表和信息披露更是跟开盲盒没区别。你买这种票，本质上就是把资金暴露在了极高的不确定性中。高风险必须对应高预期收益，这钱其实是你担惊受怕换来的“精神损失费”。这就跟刚才说的SMB风险溢价逻辑完全咬合了。
第二层逻辑是流动性结构。老手做策略，第一眼看的永远是流动性和容量。2021年有篇挺有名的顶刊论文（Liquidity and the cross-section of international stock returns）把流动性溢价说得很透：在全球市场，那种夸张的流动性溢价，几乎全扎堆在微盘股里。
这就解释了为什么微盘策略的净值曲线能拉得那么暴力。流动性是把双刃剑：靠吃微盘流动性赚来的超额，天生带锁。资金规模小的时候，你觉得满地是黄金；一旦你的资管规模膨胀，流动性枯竭导致的冲击成本能瞬间教你做人。理论模型里跑出来的Alpha，在实盘交易中几下就被摩擦滑点给吃干净了。所以做小市值的，规模就是原罪。
第三层逻辑是壳价值。A股的小市值策略还有一层非常“中国特色”的结构来源，学术模型里不一定直接写出来，却在实践中长期被反复提及，那就是壳价值。因为历史原因，A股的上市资格长期是一种稀缺资源。这意味着，一家公司就算经营烂到连年亏损，只要它还能死皮赖脸不退市，这个“壳”本身就具备被并购重组、乌鸡变凤凰的期权价值。在这样的监管和融资背景下，市场会凭空给它形成一个隐形的底价。等于说，你跑小市值策略，其实还变相白嫖了市场给的一个看涨期权。
三、700倍曲线从何而来把这三块层逻辑看明白了，再回头看那个10年700倍的净值神话，你还会觉得神秘吗？
这根本不是什么天降神迹，无非就是在特定的市场环境里，把小市值和流动性因子的风险敞口直接拉到了极限。你想想，一个策略常年手上只持仓3-5只股票，把因子的弹性放到了最大。这种极端集中的仓位，一旦碰上情绪市，逮住几只连板的微盘妖股，净值曲线不呈几何级往上窜才怪。
但梦总是要醒的，到了实盘交易环境，这玩意儿就是典型的“纸上富贵”。
微盘股那点可怜的买卖盘口，天生就把资金容量锁死了。就拿着那么三五只票，你的账户资金只要稍微上个几百万，单子一挂出去，直接就能把盘口打穿——自己把自己买涨停，再自己把自己砸跌停。冲击成本瞬间爆表，这时候你再看回测代码里默认的那点固定滑点，简直是在自欺欺人。理论跑出来的超额收益，在实盘真金白银的摩擦里，连个响都听不到。
更要命的是，微盘股的容错率基本为零。
这地方就是个遍地财务雷、极度脆弱的垃圾场。一旦碰到突发的 ST 雷、一字跌停闷杀，或者大盘暴跌导致的流动性瞬间丧失，你那套写得再精妙的轮动调仓逻辑也是白搭——因为盘面上根本没有对手盘接你的单。一旦轮动机制在极端行情里失效，剩下的就只有关门打狗了。
四、风险结构与策略优化因此，小市值策略更像是一种高弹性的风险暴露方式：波动大、回撤深、收益分布偏向极端值。它只适合给那些资金体量小、心脏大、且清楚知道自己赚的是什么钱的散户或游资玩。它熬出来的那些长期收益，本质上就是替市场扛下规模和流动性双重风险后，市场发给你的“抚恤金”。
如果你非要在微盘股里淘金，怎么才能给自己穿件防弹衣，限制一下那可怕的尾部暴露？结合前面的拆解，这里提供两个优化方案：
优化一：在规模暴露中引入质量约束纯市值排序，本质上是在无差别买入毫无基本面支撑的“纯种垃圾”。最好在选股池里加入盈利能力、现金流质量或者低估值指标做交叉过滤。
其实 Fama 和 French 后来也发现，光靠市值和估值兜不住烂公司的底，于是他们在五因子模型里，又打了两个补丁（盈利因子RMW和投资因子CMA）：
Ri,t−Rf,t=αi+βm(Rm−Rf)+βsSMB+βhHML+βrRMW+βcCMA+εR_{i,t} - R_{f,t} = \alpha_i + \beta_m(R_m-R_f) + \beta_sSMB + \beta_hHML + \beta_rRMW + \beta_cCMA + \varepsilon
你想吃小盘股的高弹性溢价可以，但请务必叠加股息率、PEG或者ROE过滤。把小市值因子的敞口，尽量卡在那些“还没烂透”的公司身上。这就等于是同时吃“规模因子 + 质量因子”，拿好公司的基本面去对冲微盘的天然劣根性。
优化二：规避流动性枯竭期既然微盘股的命门是冲击成本和流动性枯竭，那执行层面上就把资金打散，分散持仓。更关键的是择时避险——每年 1 月（业绩预告）和 4 月（年报季报）的财报密集披露期，对小票来说简直就是“鬼门关”。
这个窗口期不仅随时爆雷，更可怕的是资金一旦听风就是雨，往往会发生绝望的踩踏出逃，盘面流动性瞬间抽干。这时候你的策略要是还头铁按原计划发单轮动，那放大的可就不是收益了，而是送命的几率。实盘遇到这种节点，最好提前降仓，甚至是直接关机，绝不立于危墙之下。
五、收益的本质，是风险别误会，前面教你的那两招（加质量过滤、躲财报季），只是给策略套了件防弹衣，改变不了小盘股策略“刀尖舔血”的底层逻辑。甚至加上这两道限制后，你再跑出来的回测曲线，大概率不会变得更陡峭漂亮，甚至年化收益还会往下掉几个点。但做咱们这行的都清楚，研发回测和实盘落地是两码事，放弃一点回测中的虚假繁荣，换取实盘交易中更硬核、更稳健的底层支撑，是值得的。
很多刚学会用Python写了几天因子的新手，总有个致命的执念：喜欢在样本内疯狂“炼丹”、过拟合，非要把回测曲线调得跟左脚踩右脚上天一样陡才满意。但真正在实盘里摸爬滚打过的人不会过度在意回测结果，他们更关心：我的策略到底在裸露什么风险敞口？这种风险，在什么样的宏观和流动性环境下会被瞬间放大，又在什么时候会被压制？
金融市场从来就没有任何“凭空掉下来的 Alpha”。你在这个市场上看到的每一个令人目眩的高收益，都在暗处标好了致死的风险对价。
微盘轮动为什么在牛市和资金面放水的时候那么“上头”？因为充裕的流动性把它极高的弹性放大了十倍；它为什么在退潮时那么吓人？因为一旦市场风险偏好骤降、发生流动性挤兑，它的反噬也是十倍起步的，连跑的门都没有。
搞清楚了这些底层逻辑，你就会明白，微盘股既不是什么量化圈的造富神话，也不是纯粹骗人的镰刀，它仅仅是一种极其极端的风险定价形态而已。作为一个成熟的量化交易者，永远记住一句话：
看透策略底层赚的是什么钱，比对着一条过拟合的漂亮曲线颅内高潮，要重要一万倍。
期末资产：403977.59元 累计盈亏：34.659% 今日盈亏 -6930.43元
相对沪深300超额 28.036%， 相对中证2000超额 15.083%
今天这个账户又回撤了不少，按现在看，创新高应该还是至少要到下周的，^_^。
白天跟兄弟聊量化相关的东西，感觉中间有些东西，可以一鱼两吃，直接充当今天的笔记用。所以今天省事了。
（我认为在量化方面，我处在一个远比不懂的和只能做简单量化的人强，但是跟国内、国际量化大厂里的人比，我比他们的核心员工要弱，而且可能是弱很多的状态。
我会有这个感受是因为（1）知道很多在分享的量化牛人，大部分都是大厂核心。拿自己跟他们对比，发现我弱很多。（2）我有刻意盯deepseek发的论文，今年1月梁文峰署名了两篇论文，而他署名的这两篇，虽然是在说如何推进人工智能的，但是里面谈到的思想，恰恰是前面困扰我好几年的量化问题的解决思路。虽然因为工程量很大，我自己个人启动这种工程比较吃力，暂时还没落实。但认为能帮我解决很大问题，这个判断是不会错的。——真的有一种萤火之光岂能与皓月争辉的感受。
所以反思为啥我自己野路子瞎蒙，这些年能做到长期、稳定、高额盈利？这三个要求合在一起完全是在痴心妄想呢。
可我恰恰又做到了，至少到目前还没被证伪，并且这件事的置信概率还在不断增加。
我对这事的认知是我在系统当中蒙到了一个非常好的生态位。
就是很可能我现在做的这些东西，大厂的核心都能做到，更不要说这个领域里面的那帮古神级人物。但是像我这种，把每个系统做到容量就几千万规模，然后好几个甚至十几个系统凑一起做到最高以亿为单位的资金容量的方式。在大厂各种资源充足，又有充足人手调配的情况下，他们来做我做的事情就是净亏损，因为单位时间研发其他东西，收益更高。并且因为他们掌握的资金过于庞大，而越是大型资金，越是偏公众的资金，就越要求稳，比如最大回撤不能高于6%。又导致他们大量的工作量要花在我根本不需要去管的方面。
这才留下一个，如果是真正懂行，但又没有做成大厂想法的人，非常舒适的生态位。也就是我到现在一直是长期、稳定、高额盈利的原因，根本不是我量化有多牛逼，而是市场结构中，这个特殊生态位的属性。这个位置尤其适合我这种情商不高，管理能力是负数的人。
换成白话说就是比我厉害的看不上我这收益（绝对值不够）；看的上这收益的，都没我能打。
但下一个问题是我现在占住了这个位置，能享受这个收益。那我能保证未来我还能一直享受这个收益吗？
所以ai平权，在其他方面，我也是受益人；但是在量化方面，对我来说，可能是一个冲击。
针对这个问题，首先我们这些人，学和使用ai，也肯定比绝大多数人要强的，ai对我们的赋能是要远超其他人的。
但是股票历史上出现过一次类似的事情了。就是因为计算机的普及，导致之前年收益70-300%的大量技术分析指标盈利都迅速减少，减少到不能有效覆盖交易摩擦的程度，然后才重新平衡。
而我认为ai平权，就会导致大量简单的量化系统出现，就跟普通人借助计算机，就能计算各种技术指标一样，哪怕他们根本不懂这东西真正在分析什么。而股票又是二级混沌系统，会因为参与者的行为，演化到新的平衡态。
那我怎么应对这个问题？
至少目前我认为的最好的方式，就是重修一遍高等数学，就是类似于技术分析被平权了之后主动进入量化领域，我要在量化还没被平权，就开始着手进入新的博弈阶段。
其实说到这个，就需要说下拉里芬克，这家伙这次也会跟川子一起来访华。就是这位古神，在80年代初开发出了房地产次级贷模式，然后进入90年代就不碰了。（应该就是推出这玩意的风险。）然后他87年开始用那个时候的服务器，做量化！
对于量化被平权了之后，下一个阶段到底是什么模式，我不敢说我判断对了。但肯定是普通人借助ai也解决不了的领域。那最典型的就是卡在普通人的思维和理解能力上限之上的东西。
而普通人能力上限之上的东西，在量化领域，肯定有以微积分、线代、概率论这老三样为地基的高等数学体系（包括群论、数理统计、泛函分析等好多，想学的太多了），这些相当于是做出一个真实能用的量化系统所需要的核心肌肉群，这些可不是普通人有了ai，就可以解决的。还有就是对高维系统的认知和处理能力。
所以我说我在反着走。
总之，先假设普通人都能借助ai做量化系统了，然后我要在这个基础上，做到人无我有，才能继续保障我能长期、稳定、高额盈利。
其实耐性和定力，做事的长期规划性和“泰山崩于前而色不变，麋鹿兴于左而目不瞬”的意志力，也是普通人不具备的，但是这些导向的是长线投资那条路。我也在摸索，双线并行。
）
说明：
目前实盘展示的是一套量化交易系统。正常每天分别买入和卖出六只股票。偏小市值股票。
我有参加淘股吧实盘比赛，实盘比赛用的系统，就是展示的这个。数据相同。
下面是目前账户截图：
读书笔记部分：
小市值策略真的有效吗？
尤其前几年，你肯定在各种群里或社交媒体上见过那种令人血脉喷张的净值截图：一条斜线直接干到天上，10年700倍，1万变700万。说实话，这收益率不仅是震撼，拉到全球哪个市场，都足够让一众价值投资者当场怀疑人生。 包括很多刚入行的朋友，看到这种图两眼放光，觉得掌握了财富密码，马上就想拉代码跑回测，准备自己也搞一个。
策略逻辑很简单。
每周一选出市值最小的5只股票买入，持仓一周，下周一重新排名，调仓买入新选出的股票。然后你就实现了一个最简单的小市值轮动策略。
（远凡：这里图发起来麻烦，我去掉了。结果是20-16-2025,10年收益接近345倍。看起来非常魔幻，现实中也做不到的，原因在文章下面有涉及到，就是小市值的容量非常有限，这个不能按无限复利计算。真实可容纳资金就是几十万到100多万规模，年20-40%盈利是能做到的，但没有复利效果。也就是真实结果是一年20多到30多万。——问题是能有魄力这么做的，基本上都有自己的量化策略能跑起来，不会满足于这点盈利。而愿意接受这个级别收益的，要么知道了也不敢做；要么真敢无脑莽进去，等系统回撤或者出问题的时候，也不知道该怎么处理，^_^。这个跟我今天自己闲聊部分其实是相同原理，整个交易市场中，还有一些奇特的高收益交易位并没有完全被利用，不是这东西有多神秘，而是这些生态位的绝对值体量不够大。就像是食虫植物和兰花这种用根系抢其他植物有机质这些奇特生态位，收益都超级高，但是绝对值体量都被各种因素给限制住了。所以即存在这些奇怪的生态位，又不会因为超高收益能反过来吞噬全世界。）
当然了，对于真正在实盘里摸爬滚打过的量化从业者来说，看到这种极端的曲线，基本就是微微一笑：盈亏同源嘛。外行看的是暴富神话，内行看的是尾部风险和容量滑点。难不成你真想一个因子就能实现百倍收益？
那么，这种动辄几百倍的策略，是否有底层逻辑支撑？那些没有标在净值曲线上的致命风险又是什么？
一、从30年前的因子说起把那些“造富神话”的滤镜摘了，我们直接往资产定价的祖师爷那里翻。很多做 A股的人总觉得炒小票是中国特色，但其实小市值效应根本不是什么 A股独有的玄学，它是有着三十年历史的正统学术背景的。
早在 1993 年，Fama 和 French 搞出那个著名的“三因子模型”时，就已经把这事研究得很透彻了。直接上这个搞量化的人估计都看吐了的经典公式：
Ri,t−Rf,t=αi+βm,i(Rm,t−Rf,t)+βs,iSMBt+βh,iHMLt+εi,t R_{i,t} - R_{f,t} = \alpha_i + \beta_{m,i}(R_{m,t}-R_{f,t}) + \beta_{s,i}SMB_t + \beta_{h,i}HML_t + \varepsilon_{i,t}
SMB（Small Minus Big）就是“做多小市值组合、做空大市值组合”得出来的超额收益，学名叫“规模因子溢价”。换句话说，小票长期跑赢大票，在美股也好、全球市场也罢，它是个跨越长周期、横跨全截面的基本规律，是一件再正常不过的定价常识。
二、规模、流动性与壳价值结合经典模型的理论支撑，我们可以用三层逻辑来解释小市值策略。
第一层逻辑是风险溢价。那些几十亿甚至几亿市值的微盘股，往往主营业务三天打鱼两天晒网，现金流跟过山车一样，财务报表和信息披露更是跟开盲盒没区别。你买这种票，本质上就是把资金暴露在了极高的不确定性中。高风险必须对应高预期收益，这钱其实是你担惊受怕换来的“精神损失费”。这就跟刚才说的SMB风险溢价逻辑完全咬合了。
第二层逻辑是流动性结构。老手做策略，第一眼看的永远是流动性和容量。2021年有篇挺有名的顶刊论文（Liquidity and the cross-section of international stock returns）把流动性溢价说得很透：在全球市场，那种夸张的流动性溢价，几乎全扎堆在微盘股里。
这就解释了为什么微盘策略的净值曲线能拉得那么暴力。流动性是把双刃剑：靠吃微盘流动性赚来的超额，天生带锁。资金规模小的时候，你觉得满地是黄金；一旦你的资管规模膨胀，流动性枯竭导致的冲击成本能瞬间教你做人。理论模型里跑出来的Alpha，在实盘交易中几下就被摩擦滑点给吃干净了。所以做小市值的，规模就是原罪。
第三层逻辑是壳价值。A股的小市值策略还有一层非常“中国特色”的结构来源，学术模型里不一定直接写出来，却在实践中长期被反复提及，那就是壳价值。因为历史原因，A股的上市资格长期是一种稀缺资源。这意味着，一家公司就算经营烂到连年亏损，只要它还能死皮赖脸不退市，这个“壳”本身就具备被并购重组、乌鸡变凤凰的期权价值。在这样的监管和融资背景下，市场会凭空给它形成一个隐形的底价。等于说，你跑小市值策略，其实还变相白嫖了市场给的一个看涨期权。
三、700倍曲线从何而来把这三块层逻辑看明白了，再回头看那个10年700倍的净值神话，你还会觉得神秘吗？
这根本不是什么天降神迹，无非就是在特定的市场环境里，把小市值和流动性因子的风险敞口直接拉到了极限。你想想，一个策略常年手上只持仓3-5只股票，把因子的弹性放到了最大。这种极端集中的仓位，一旦碰上情绪市，逮住几只连板的微盘妖股，净值曲线不呈几何级往上窜才怪。
但梦总是要醒的，到了实盘交易环境，这玩意儿就是典型的“纸上富贵”。
微盘股那点可怜的买卖盘口，天生就把资金容量锁死了。就拿着那么三五只票，你的账户资金只要稍微上个几百万，单子一挂出去，直接就能把盘口打穿——自己把自己买涨停，再自己把自己砸跌停。冲击成本瞬间爆表，这时候你再看回测代码里默认的那点固定滑点，简直是在自欺欺人。理论跑出来的超额收益，在实盘真金白银的摩擦里，连个响都听不到。
更要命的是，微盘股的容错率基本为零。
这地方就是个遍地财务雷、极度脆弱的垃圾场。一旦碰到突发的 ST 雷、一字跌停闷杀，或者大盘暴跌导致的流动性瞬间丧失，你那套写得再精妙的轮动调仓逻辑也是白搭——因为盘面上根本没有对手盘接你的单。一旦轮动机制在极端行情里失效，剩下的就只有关门打狗了。
四、风险结构与策略优化因此，小市值策略更像是一种高弹性的风险暴露方式：波动大、回撤深、收益分布偏向极端值。它只适合给那些资金体量小、心脏大、且清楚知道自己赚的是什么钱的散户或游资玩。它熬出来的那些长期收益，本质上就是替市场扛下规模和流动性双重风险后，市场发给你的“抚恤金”。
如果你非要在微盘股里淘金，怎么才能给自己穿件防弹衣，限制一下那可怕的尾部暴露？结合前面的拆解，这里提供两个优化方案：
优化一：在规模暴露中引入质量约束纯市值排序，本质上是在无差别买入毫无基本面支撑的“纯种垃圾”。最好在选股池里加入盈利能力、现金流质量或者低估值指标做交叉过滤。
其实 Fama 和 French 后来也发现，光靠市值和估值兜不住烂公司的底，于是他们在五因子模型里，又打了两个补丁（盈利因子RMW和投资因子CMA）：
Ri,t−Rf,t=αi+βm(Rm−Rf)+βsSMB+βhHML+βrRMW+βcCMA+εR_{i,t} - R_{f,t} = \alpha_i + \beta_m(R_m-R_f) + \beta_sSMB + \beta_hHML + \beta_rRMW + \beta_cCMA + \varepsilon
你想吃小盘股的高弹性溢价可以，但请务必叠加股息率、PEG或者ROE过滤。把小市值因子的敞口，尽量卡在那些“还没烂透”的公司身上。这就等于是同时吃“规模因子 + 质量因子”，拿好公司的基本面去对冲微盘的天然劣根性。
优化二：规避流动性枯竭期既然微盘股的命门是冲击成本和流动性枯竭，那执行层面上就把资金打散，分散持仓。更关键的是择时避险——每年 1 月（业绩预告）和 4 月（年报季报）的财报密集披露期，对小票来说简直就是“鬼门关”。
这个窗口期不仅随时爆雷，更可怕的是资金一旦听风就是雨，往往会发生绝望的踩踏出逃，盘面流动性瞬间抽干。这时候你的策略要是还头铁按原计划发单轮动，那放大的可就不是收益了，而是送命的几率。实盘遇到这种节点，最好提前降仓，甚至是直接关机，绝不立于危墙之下。
五、收益的本质，是风险别误会，前面教你的那两招（加质量过滤、躲财报季），只是给策略套了件防弹衣，改变不了小盘股策略“刀尖舔血”的底层逻辑。甚至加上这两道限制后，你再跑出来的回测曲线，大概率不会变得更陡峭漂亮，甚至年化收益还会往下掉几个点。但做咱们这行的都清楚，研发回测和实盘落地是两码事，放弃一点回测中的虚假繁荣，换取实盘交易中更硬核、更稳健的底层支撑，是值得的。
很多刚学会用Python写了几天因子的新手，总有个致命的执念：喜欢在样本内疯狂“炼丹”、过拟合，非要把回测曲线调得跟左脚踩右脚上天一样陡才满意。但真正在实盘里摸爬滚打过的人不会过度在意回测结果，他们更关心：我的策略到底在裸露什么风险敞口？这种风险，在什么样的宏观和流动性环境下会被瞬间放大，又在什么时候会被压制？
金融市场从来就没有任何“凭空掉下来的 Alpha”。你在这个市场上看到的每一个令人目眩的高收益，都在暗处标好了致死的风险对价。
微盘轮动为什么在牛市和资金面放水的时候那么“上头”？因为充裕的流动性把它极高的弹性放大了十倍；它为什么在退潮时那么吓人？因为一旦市场风险偏好骤降、发生流动性挤兑，它的反噬也是十倍起步的，连跑的门都没有。
搞清楚了这些底层逻辑，你就会明白，微盘股既不是什么量化圈的造富神话，也不是纯粹骗人的镰刀，它仅仅是一种极其极端的风险定价形态而已。作为一个成熟的量化交易者，永远记住一句话：
看透策略底层赚的是什么钱，比对着一条过拟合的漂亮曲线颅内高潮，要重要一万倍。
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
