在我们看图做主观交易的时候，到了某一个阶段，往往喜欢把一些东西规定死，比如一些进场和一些出场时候的参考，并且认为这是遵守“纪律”。最终，其实很多交易员成了没成不知道，但是绝大多数人可能并没有因为纪律严明而长期盈利。因为很多时候是否能够遵守规则，还是要看是不是在盈利。盈利的规则谁都愿意遵守，遵守了规则不盈利照样坚持不下去。就像上学的时候，你考试成绩好不好，考不考得上好大学，最终并不是因为你遵守了多少学校或者课堂的纪律，这些纪律，只是为了让你不打扰他人学习。我们为此还设置了纪律委员。这些上学我们都明白的事情，放到交易上，反而不明白了。
所以，最终决定长期交易结果的，并不是纪律，而是逻辑内核。这一点，无论你是做主观交易，还是做量化交易，都是适用的。
近年来，我从FOF基金研究员的思维模式中，得到了很多的启示。比如做私募基金，上门尽调的机构总会有。他们会问你这个，问你那个，非常详细，有的时候，还会让你配合做尽调报告。他们这么做的目的是什么呢？站在策略的角度，他们是在“贴标签”，即某个产品的策略类型，能归到哪一类。这在很大程度上能解释这些策略的盈利来源，反过来，就是这样的策略模式到底是靠什么在盈利。
我们做交易的时候，特别是做量化交易的时候，不太可能只有一个策略，或者对应一个策略组合，不太可能只有一个因子。对于很多的量化机构，都会有因子库，从而根据一些判断，决定组合成怎样的策略。
对于这些因子，我们往往会对其进行归因，即，这类因子的盈利属性。最低的要求，是解决这样的策略表达，到底能够赚到怎样市场波动特征的钱。如果细分一些，也会描述清楚其赚钱的各个方面的考察属性。在长期的因子发掘中，经常会碰到一种情况：有的时候，看到我们发掘出了一个策略，曲线看着非常好，但是，我们很难在我们当前的分类维度下，对这个因子进行分类，但是，跑出来效果却显得非常好。这样的因子，在纯粹的机器学习中，会非常容易碰到……那么，这样的因子，是否使用呢？
其实我们在交易的时候，很多时候会有这样的心理慰藉，至少在过去的历史中，看着表现好……但实际上，是我们所组合出来的一个策略，在未来，会不会有这样的延续性。这一点，并不是在当前所知道的结果，但是，是我们在当下要做的一个判断。在一个策略中，有一些我们认知不甚清晰的东西的时候，那么对于策略表现的延续性事实上是无法做理性判断的。
这就像我们在做一些策略优化的时候，常常会听到一个词，就是过度优化。很多时候，过度优化并没有一个标准的定义，而是一个“表现好”和“不失真”之间的权衡。对于这个度，每个人的认知是不一样的。
我常常也喜欢去听一些机构的路演，你会发现，拟合曲线和实盘曲线，多少会有一些差距，通常我会比较这些差距，以对某个机构、团队、个人对量化的整体认知水平做一个大致的评判。不是说不能有误差，而是误差要在一定的范围内，而这个误差在于，可能对交易结果的表现最好是可能好，也可能坏，而不是实盘交易结果一定就比拟合要坏，特别坏很多，这至少说明这个机构的模拟系统，可能是不高效的。
那么这种误差，加上一些认为制造的对于因子的“黑箱子”，可能会对策略造成很多的不确定性。因为即便这些策略是量化的，但是决定策略怎么适用的，还是人；如果不是人，而是一定的评判规则，那么制定这些评判规则的，还是人。这些认为的东西，决定了当一个策略的表现不佳的时候，便会产生自我怀疑，那么这些策略是否科学或者理性，在这个状态下，就很难讲了。
所以我认为并没有必要将量化神化，因为无论你是怎么弄，最终都还是在市场上做交易，你的赚钱途径，都是低买高卖。所以，整个大的宗旨还是一致的，所以，都需要逻辑，都需要对逻辑的良好应用，只是能力不同，侧重点不同，体现出来的效果也就不同。但这绝非两个东西。
那么，量化，哪怕做出来的因子表现再优秀，结果再好，都离不开一点：这个，到底是在市场上赚了什么钱，这个钱为什么能够被赚到的核心认知。听到这句话，那么是否感到很熟悉了呢？从原理到用法，从用法到应用，还是没有离开这些东西。
