我逐渐明白了一个实际问题：理论太多、真正去做的太少。

当我开始搭建这套新的交易基础设施时，我从一开始就把重点放在尽快把我能做出的最基础的东西投入生产。
一开始它只是一个简单的多/空方向性模型，今天则已经是别的东西了。
但直到现在我才在往回推，去看许多有抱负的交易者（很多在量化论坛上）会试图在一开始就修复的问题。
例如这周我的重点是降低换手/周转率。
大概这种东西应该在把模型投入生产之前就优化得很好，对吧？
嗯，我尝试了各种不同的方法，但似乎都没法产生比我现在做的最简单的事情更好的结果。
所以我开始更“理科宅”一点，重新思考整个思路：从“纯信号权重”改成“预测”。
核心想法是：与其只是认为“X 个信号 + 某个阈值”就足以产生足够的经济价值来换仓，为什么不为它分配一个数值——我预期从这种敞口中能拿到的收益预测。
这个数值来自我在信号层所做的工作。
我从来没把这些联系起来——就像我说的，我一直只跑着最简单的东西。
好吧，结果发现：这些预测并不是一种高效的方式来量化信号。
例如下面这张图，是我交易的某个模型的经过回测的表现。
为此，我只是运行了预测模型，并把基于我们之前工作的预测结果分配到原始回测中的建仓/平仓点上。
第 2 个面板展示了：由预测（EV）决定的已实现收益分布。
其中一个赚得最多的区间是当 EV < 0 时，这显然完全不合理。
第 3 个面板显示的是：由预测说应该如何退出。
比如，如果预测说我们应该坚持持有，而我们没有退出，我们大概会损失约 -1.6k；
或者当预测说我们没有优势、我们选择退出这些仓位时，在那段时间里我们本可以错过 $4k 的利润。
这大概率是我在构建预测时自己的锅，但这不是重点。
我认为我尊敬的所有量化人员都会用某种预测来交易，因此这并不是某个特定方法的个案，因为如果他们用了，那它就确实存在。
我想表达的是：如果我从这里开始，得到的要么会是一个比我现在跑的最简单方案更差的模型，
要么我会花很多时间原地打转，试图修复这东西，而不是把我现在正在交易并已经在变现的东西变现；
或者我会错过我表现最好的那笔交易，因为我会以为它不像我要求的那样有效。
这种“现在就赚钱”的事情。

从最简单的东西开始，然后往回推，因为现实世界里有信息在那里。
但现在既然我的东西已经能相当不错地变现了，我就能把注意力放在更“理科宅”的事情上——比如这种很有意思的内容——而不用一直在头上担心机会成本了。