量化概念教室

量化策略分類學

「量化基金」四個字資訊量趨近於零——先問它屬於哪個家族、量化佔機構的多大比重。

定義：把「量化」拆成兩個獨立的軸來看：策略家族（統計套利、因子投資、趨勢跟蹤、系統化宏觀、多策略平台——見 總論的家族表）與量化純度（純系統化 → 系統化＋主觀混合 → 多策略平台中的量化子線）。兩軸交叉後，同樣掛著「量化」的機構可以是完全不同的生意。

為什麼重要：報導與行銷最常見的操作，是把不同家族、不同純度的機構放進同一個「量化基金」框裡比較——例如拿多策略平台的規模去比純統計套利的報酬。分類錯了，後面的每一句比較都是雜訊。

怎麼帶著走：看到「量化基金」四個字，先問三題：它主要賺哪一類報酬（家族）？系統化決策佔多大比重（純度）？數字是哪個口徑（見 AUM 口徑學）？三題答不出來，就還不到能形成看法的時候。

過擬合（overfitting）

參數調到歷史數據完美貼合的那一刻，策略學會的往往是雜訊，不是規律。

定義：模型把歷史資料中的偶然雜訊當成可重複的規律學了進去。症狀：回測績效隨參數微調大幅跳動、樣本外表現與樣本內斷崖式落差、上線後迅速失效。

為什麼重要：回測的自由度幾乎無限——標的、期間、參數、進出規則都可以事後挑選。試一萬組參數，總有一組在歷史上漂亮；但那組參數「漂亮」的原因可能只是運氣被挑了出來。這也是學術文獻所稱的資料窺探（data snooping）問題。

經典案例：眾包回測平台 Quantopian 收站是規模最大的公開實驗：大量社群策略在回測裡表現出色、實盤大面積失效——平台自己也承認難以從回測指標篩出真正可用的策略。

怎麼帶著走：對任何「回測很漂亮」的敘述，先問：參數試了幾組？樣本外驗證在哪？換一段期間還成立嗎？——這三題是概念檢查，不是投資流程建議；答案缺得越多，那條回測曲線的資訊量越低。

存活者偏差（survivorship bias）

用「今天還活著的名單」回測歷史，等於偷偷刪掉所有失敗者——數字必然變好。

定義：資料集中只包含「存活至今」的樣本：下市的股票、清算的基金、關閉的策略都消失了。用這種資料回測，報酬被系統性高估、風險被系統性低估。

為什麼重要：它不只發生在資料庫——「量化基金都很賺」這個印象本身就是存活者偏差：講故事的人只看得到活下來的 Renaissance 與 Two Sigma，看不到同期成立、已經清算消失的大多數。基金績效統計、策略排行、名人語錄，全部適用同一個檢查。

怎麼帶著走：看到任何歷史統計，先問「當年的完整母體是誰？」——只要答案是「今天還在的那些」，數字就該打折。折多少沒有公式，但方向是確定的。

回測陷阱清單

回測是必要的科學工具，也是最容易被（有意或無意）作弊的環節。

定義：回測＝把規則放回歷史資料模擬。它能證偽（歷史上就不行的策略大概真的不行），但不能證實（歷史上行，未來未必行）。常見陷阱：

• 前視偏差（look-ahead）：用了當時還拿不到的資料——最常見是用「今天版本」的財報數字回測過去（財報會重編）。
• 存活者偏差：母體只剩活下來的標的。
• 成本忽略：手續費、稅、滑價、市場衝擊沒算——高換手策略的紙上報酬可以整段被成本吃掉。
• 櫻桃採摘（cherry-picking）：只展示表現最好的期間或參數組——見過擬合。
• 容量錯覺：回測假設任何規模都成交得掉；實際上策略有容量上限——見 規模上限。

怎麼帶著走：一條回測曲線的可信度，取決於它「揭露了多少會讓自己難看的細節」（成本假設、樣本外、參數敏感度）。什麼都沒揭露、只有一條漂亮曲線的，資訊量以零計。本站的定期定額回測器刻意只做透明的機械式模擬並揭露假設——那是回測作為教育工具的形狀。

Quantopian 案例：免費眾包平台為什麼收站

免費雲端回測＋眾包策略選拔的先驅，2020 年停止服務——留下兩個教訓。

事實：Quantopian（2011 年創立）提供免費的雲端回測環境與資料，讓全球業餘開發者寫策略、平台從中選拔注入真實資金並分潤，巔峰期聚集大量社群開發者，2020 年 11 月宣布收站、團隊併入 Robinhood。其開源回測引擎 zipline 由社群以 zipline-reloaded 延續維護。

教訓一（商業模式）：免費用戶產生的策略未能規模化變現——眾包選拔出的策略組合實盤表現不如預期，付費方（機構資金）留不住，免費服務的成本就撐不住。

教訓二（統計）：當一萬個人各自在同一批歷史資料上找規律，平台再從中挑「回測最好」的——這個選拔機制本身就是一台過擬合放大器：被挑中的策略有極高機率只是運氣好。

怎麼帶著走：對任何「回測分數選策略」的產品形態（比賽、商城、排行榜），Quantopian 是基準案例：它有當年最好的工具、最大的社群、真金白銀的驗證，結論仍然是收站。

AUM 口徑學

同一家機構可以同時有三個都「對」的 AUM，差距近一倍——不標口徑的 AUM 比較都是雜訊。

定義：「管理資產規模」至少有五種常見口徑：監管申報 RAUM（美國 Form ADV 的 regulatory AUM，含槓桿與某些委託資產、通常最大）、客戶淨資產（扣槓桿後的淨值口徑）、經審計財報數字（上市資管公司，可信度最高）、官網自述（定義自訂、常不標基準日）、媒體報導（來源與定義最雜）。

實例（見名錄各卡）：D. E. Shaw 官網自述「投資與已承諾資本」逾 1,000 億美元（2026-06），媒體彙整口徑約 650 億——差近一倍，兩者都沒錯，只是量的東西不同。Millennium 官網 920 億+（未標基準日）與監管 RAUM 約 1,097 億並存。Citadel 流傳的「近 4,000 億」是含槓桿總資產，與投資資本口徑約 670 億不可互換。

怎麼帶著走：AUM 數字的最小可用單位是「數字＋口徑＋基準日」三件一組，缺一件就先當雜訊。本站名錄的每一格 AUM 都照這個標準標示，也因此刻意不做跨機構的 AUM 排名。

Medallion 迷思

傳奇是真的，但它既買不到、也複製不了——拿 Medallion 想像「量化」的報酬，是類別錯誤。

事實：Renaissance 的 Medallion 基金 1988 年成立，1993 年起逐步停收外部資金，現僅限員工與相關人士。媒體與 Zuckerman 著作《The Man Who Solved the Market》流傳的長期高報酬數字（如費前年化約 62%）出自著作與媒體轉引，非監管申報、非官方揭露。同公司對外開放的 RIEF、RIDA 是不同策略，歷史上與 Medallion 績效差距顯著。

為什麼是迷思：三個常見的推理錯誤——①拿 Medallion 想像「量化基金的一般報酬」（它是極端值，不是代表值）；②以為買 Renaissance 對外基金＝買到 Medallion 的方法（不同策略）；③忽略其高報酬與刻意壓小的規模綁定（見規模上限）——把規模做大，那個報酬率就不存在了。

怎麼帶著走：任何以 Medallion 為開場的行銷敘事（課程、訊號服務、「複製傳奇」），把它當成一個訊息：講的人要麼不懂口徑，要麼賭你不懂。

規模上限與主動退錢

策略容量有限，資金本身會壓低報酬——所以頂尖機構會把錢退回去。

定義：每個策略都有容量（capacity）：資金超過某個規模後，自己的下單就會推動價格、把要賺的價差吃掉（市場衝擊），報酬隨規模遞減。週期越短、標的越小，容量越小——統計套利容量遠小於大類資產配置。

公開案例（皆見名錄）：Bridgewater 2024 年主動退還資本、旗艦規模年減 18.1%，其後 2025 年據報導反而是旗艦表現極佳的一年；Marshall Wace 2025-11 宣布返還 31 億美元、目標壓回約 750 億的「效率規模」；Renaissance 的 Medallion 數十年維持規模上限、獲利定期分配出去。

為什麼重要：它直接推翻兩個直覺——「AUM 大＝厲害」（可能只是策略容量大，或願意犧牲報酬換管理費）與「AUM 縮水＝出事」（可能是主動控容量）。規模是理解量化機構行為的第一變數。

怎麼帶著走：看到 AUM 增減的新聞，先問：是資金進出，還是機構主動調節？策略家族的容量特性支持這個規模嗎？——答案通常寫在口徑與基準日裡。

Alpha capture：把「想法」變成資料

系統化收集人類分析師的建議、加權成組合——人與機器分工的第三種形狀。

定義：Alpha capture 系統把賣方分析師、經紀商的投資想法以結構化格式收集（標的、方向、信心、時限），累積成可回測的資料集，再由演算法評估每個來源的歷史準確度、加權組合成部位。人負責產生想法，機器負責評估與配置。

起源事實：Marshall Wace 2001 年前後建立的 TOPS 是業界公認第一個大規模 alpha capture 系統，系統化收集 200 家以上賣方機構的想法（見名錄卡）；此後多策略平台普遍內建同類系統。

怎麼帶著走：它說明「量化 vs 主觀」是光譜不是對立——主觀判斷可以是量化系統的輸入資料。順帶一提：這個機制的前提是對想法來源的準確度做長期記帳——不留紀錄、事後不可回查的建議來源，連被 alpha capture 系統當成輸入資料的資格都沒有。