量化交易是什麼？
建置中預覽：本子站尚未正式公開（未進站內導覽、暫不收錄於搜尋引擎）。內容為公開資訊的中性整理與教育，事實均附來源與資料日期；不構成投資建議，也不提供任何買賣訊號。
量化交易（quantitative trading）是把投資決策寫成可檢驗的規則，交給資料與程式系統性執行的投資方法——每一筆進出的理由是「模型與統計證據」，而不是個別判斷或消息。它的好處是可回測、可重複、可歸因；代價是換來一組自己的風險型態：模型失效、過度擬合歷史、以及太多人做同一件事時的擁擠踩踏。
「量化」是程度、不是二分：光譜一端是純系統化機構（如 Renaissance、Two Sigma），中間是系統化與主觀混合（如 D. E. Shaw、Marshall Wace），另一端是多策略平台裡的量化子線（如 Millennium、Citadel）。同樣叫「量化基金」，做的事可以完全不同——這也是為什麼看懂策略家族，比記住基金名字重要。
五大策略家族
| 策略家族 | 核心邏輯 | 需要知道的侷限 | 代表機構 |
|---|---|---|---|
| 統計套利 | 在大量標的之間找短週期的價格關係，當關係偏離統計常態時反向部署、等它回歸。持倉極分散、週期短、下單頻率高，勝率靠「小優勢 × 大量重複」累積。 | 容量有限——資金一大，交易本身就會把價差抹平；擁擠時多家同踩同一批部位，去槓桿會連鎖。 | Renaissance、D. E. Shaw |
| 因子投資 | 把學術研究反覆驗證過的報酬因子（價值、動能、品質、規模等）寫成規則，長期、分散、系統性地配置，收學術文獻所稱的因子溢酬。 | 因子可能長期失靈——價值因子在 2010 年代曾連續多年落後市場，紀律的代價是必須熬過這種時期。 | AQR |
| 趨勢跟蹤／CTA | 在全球期貨市場（股指、債券、外匯、商品）順著趨勢建立部位：上漲做多、下跌做空。多數交易小賠，靠少數大趨勢的獲利補回——盈虧分布刻意右偏。 | 長期盤整、無趨勢的市場會持續磨損；報酬序列與股市相關性低，但自身回撤期可能很長。 | Man AHL、Winton |
| 系統化宏觀 | 把總經因果（成長、通膨、利率、資金流）寫成可執行的規則，據以配置全球資產類別。與主觀宏觀的差別在於：判斷寫進模型，而不是留在腦中。 | 宏觀典範轉移（例如利率制度改變）時，依歷史關係建的模型可能整批過時。 | Bridgewater |
| 多策略平台 | 數十到數百個獨立投資團隊（pod）各管一個子帳戶，平台統一配置資金與風控，回撤觸限即砍倉。量化通常只是其中一部分引擎，與主觀策略並存。 | 平台的優勢在風控與規模，代價是各 pod 風格可能趨同；市場劇烈波動時的集體減倉會互相放大。 | Millennium、Citadel、Qube |
機器學習與另類資料是「橫切」的技術層，不是獨立家族——Two Sigma、幻方量化、Numerai 等以 ML 為主軸的機構，本質上仍在上述家族的訊號研究環節做事。13 家機構的完整事實卡（AUM 口徑＋基準日＋一手來源）見 全球量化基金名錄。
技術層：一條量化流水線
不管哪個家族，系統化投資的工程都長這樣——五層各自能做對、也各自能做錯：
| # | 階段 | 這一層在做什麼 | 常見的坑 |
|---|---|---|---|
| 1 | 資料 | 收集並清理價量、財報、總經、另類資料。資料品質在這一層就決定上限。 | 用「今天還活著的公司」回測歷史＝存活者偏差，報酬憑空變好。 |
| 2 | 研究／訊號 | 從假設出發，找出對未來報酬有解釋力的變數（因子），並檢驗統計顯著性。 | 參數試到好看為止＝過擬合——歷史上完美、上線就失效。 |
| 3 | 回測 | 把規則放回歷史資料模擬，看策略「假如一直照做」的統計表現。 | 偷看未來資料、忽略成本、只展示最好的一段——回測陷阱整理了完整清單。 |
| 4 | 執行 | 把訊號變成真實下單：滑價、手續費、市場衝擊都在這一層扣掉。 | 紙上報酬與實盤的距離常常就在執行成本——回測沒把它算進去，數字只是上限。 |
| 5 | 風控 | 部位上限、停損紀律、回撤管理。目標是「活得久」優先於「賺得快」。 | 規模本身就是風險——資金大到超過策略容量，報酬會被自己壓低（規模上限）。 |
入門前該知道的三件事實
- Medallion 買不到，也複製不了。Renaissance 的旗艦基金只限員工資金，對外開放的基金與它是兩回事——把「量化」與媒體上的 Medallion 傳奇畫上等號，是最常見的誤會（Medallion 迷思）。
- 規模與報酬互相拉扯。Bridgewater、Marshall Wace 都曾主動退還投資人資本、把規模壓回策略容量之內——「AUM 縮小」不一定是壞消息，「AUM 很大」也不自動等於策略優秀（規模上限與主動退錢）。
- 免費眾包平台失敗過一次。回測平台 Quantopian 巔峰期聚集大量業餘策略開發者，2020 年收站——回測漂亮的策略實盤大面積失效，是過擬合最大規模的公開實驗（Quantopian 案例）。
子站欄目
全球量化基金名錄13 家代表機構：策略型態、AUM（一律標口徑與基準日）、沿革與一手來源連結。量化概念教室過擬合、存活者偏差、回測陷阱、AUM 口徑學、Medallion 迷思——建立判斷力的教育詞條。台灣工具地圖XQ、券商策略軟體、Shioaji、Fugle API——費用與規格的中立事實比較，零導購。開源框架現況Backtrader、VectorBT、zipline-reloaded 的維護現況（PyPI 一手日期）與授權條款。定期定額回測器（站內既有工具）以歷史收盤模擬定期定額：使用者自選參數、只呈現統計量（XIRR、最大回撤），判讀留給你——本子站「中性工具」的示範形狀。
本子站只做三件事：教育（概念與方法論）、事實整理（公開資訊＋來源連結＋資料日期）、中性工具（使用者自選參數、只出統計量）。不提供買賣訊號或進出場建議、不對策略或基金做推薦／評分／排名、不以回測績效作宣傳，與任何券商或平台無利益關係（零導購連結）。
資料來源來源：公開資訊中性彙整（SEC IAPD、上市公司財報、各機構官網與權威財經媒體；逐條來源連結見各欄目頁）事實類內容不定期更新、各頁標示資料基準日中性資訊・僅供參考、不構成投資建議