风险控制：止损、仓位与回撤上限

很多人把风控理解成"亏了就卖"。但真到了亏钱的时候，判断力是最差的，临场决定往往既晚又乱。量化的做法是把风控写成事先定好的规则，让它在情绪之外自动执行。

三类规则，解决三个不同的问题

止损：针对单个标的或单个策略，限制它的损失继续扩大。

仓位限制：控制某一类暴露的总规模，避免押注过度集中。

回撤约束：针对整个组合，限制从高点回落的幅度，防止一次深度回撤就出局。

三者不是一回事，也不能互相替代。止损管的是个体，仓位管的是集中度，回撤约束管的是全局生存。

止损怎么用才合理

止损在量化里是个有争议的工具。原因是：如果一个因子靠的是均值回归（比如反转），那么买了之后继续跌，恰恰说明因子暴露更强，这时候止损等于在因子更该起作用的时候退出。

所以止损要结合策略逻辑来定：

• 对趋势类、动量类策略，止损是合理的——趋势破了，逻辑就不成立了。
• 对均值回归类策略，止损要慎用，或者用更宽的幅度，否则会系统性地在错误的时点退出。

另一种更通用的做法是时间止损：持有一段时间后仍未兑现预期，就换掉。它不依赖价格判断，适用于多数选股策略。

仓位限制在限制什么

常见的几类上限：

• 单只股票上限：即使因子分数再高，也不让某只股票占比过高。目的是防止因子判断错误时损失被放大。
• 单一行业上限：防止组合实际押注了某个行业而不自知。
• 单一因子上限：在多策略组合里，限制某个因子或策略的资金占比。

设置上限的代价是会放弃一部分潜在收益，换来的是"错的时候不至于出局"。这个交换在长期是值得的，因为出局意味着后面的收益与你无关。

回撤上限约束

回撤上限是实务中最受关注的指标之一，因为它直接决定了能不能拿得住。

控制回撤的手段有几类：降低仓位（最粗暴也最有效）、降低组合波动（提高低波动暴露、分散因子）、以及设置硬性降仓规则（回撤到某个幅度就强制降仓）。

硬性降仓规则要小心一个副作用：它在震荡市里可能反复触发，导致"卖在底部、买在反弹后"，持续磨损。所以它通常配合恢复条件一起用——比如回撤修复到某个水平后才恢复仓位，而不是一回暖就立刻加满。

一个设计原则

风控规则要能在事前写清楚、事后不打折扣地执行。一条需要临场判断才能执行的风控，等于没有风控。

同时，风控规则本身也要回测。降低仓位确实能降低回撤，但也会降低长期收益。要算清楚这个交换值不值，而不是默认"风控越多越好"。

一句人话：风控的目的不是让收益更高，而是让你在判断错误的时候还留在牌桌上。留得住，才有下一次。

写在最后

有了风控，还要知道收益到底从哪来。下一篇讲绩效归因——把收益拆开，看清楚每一部分是谁贡献的。