量化数据越多越好吗？精确的模糊与模糊的精确

量化投资的核心是数据加因子加策略：数据是原料，因子是加工，策略是决策。数据越多、类型越丰富，直觉上策略应该越准——信息越全，判断越准，这符合常识。

但常识不等于正确。在量化里，数据多和策略好之间，隔着一道看不见的墙。

精确的模糊 vs 模糊的精确

给一张图片不断加像素，画面越来越清晰，这是分辨率提升。给一个策略不断加数据维度——PE、PB、PS、ROE、换手率、波动率、行业分类、市值分层、大盘情绪指标——你以为也是在提升分辨率，但你不是。

数据多了，回测曲线越来越漂亮，IC 越来越高，但你是用一个越来越精细的模型去描述一个你其实没看透的市场。精度是假象，这叫精确的模糊。

反过来，知道某个方向大概率对——便宜的东西长期有回归压力、趋势一旦形成会持续一段——但说不清具体哪个时间点、哪个幅度。方向大致可控，这叫模糊的精确。

二者之间的选择，不是「数据多好还是少好」，是你得先知道自己要什么：想要精确就接受模糊，想要模糊才能找到精确。

数据只是市场的简化抽象

数据不是市场的全部，也不可能是。它只是我们为了理解市场而做的一个简化投影——就像地图不是地形本身，只是把三维世界压成二维的几条线。这层抽象本身没有错，但要紧的是：它省略了什么。

能被量化的东西本来就有限。财报、行情、成交量——这些都只是市场的一小部分投影。真正影响股价的东西，比如政策突然转向、机构内部风控砍仓、行业内幕、某个人物的一句话——这些要么没数据，要么数据到你手里时早就晚了。

你在越来越精确地描述一个不完整的画面。精度高了，但缺的东西还是缺。

第二，每加一个维度，加的不只是信号，还有维度本身的噪声。 财务数据有财报粉饰，行情数据有做市商干扰，另类数据有爬虫偏差。你以为 PE 偏了一点、换手率偏了一点、行业分类偏了一点——各偏各的——但合在一起，偏得不算少。误差不是加法，是乘法。

第三，市场本身是多主体博弈，不是单一优化方程。 机构、散户、游资、做市商，各玩各的逻辑。你加再多数据也拟合不了所有人的行为规则，因为规则本身在变。今天的动量因子有效，是因为散户在追涨；下个月的动量失效，是因为机构在反向做。数据告诉你过去发生了什么，但不告诉你谁会来、什么时候来、用什么逻辑来。

那为什么还要用数据

因为不用数据做决策的唯一替代方案是靠直觉。直觉更不可靠——它连「大概」都没有，只有「我觉得」。

数据差，但它是唯一能把你从「我觉得」「我听说」「我感觉」里拉出来的东西。你放弃数据，不是回到更清醒的状态，是回到更糊涂的状态。

数据和直觉的区别不在准确度，在可证伪。直觉对的时候你不会知道为什么对，错的时候你也不会知道为什么错，没法学。数据错了你能回测看到错在哪里，能改。

不用很多数据，和不用任何数据，是两回事。有几类核心数据——价格、估值、成交量——就能做基础的决策了。不放太多是怕噪声，不用这些是不留锚点。

个人量化该守的边界

个人做量化，不要跟机构比数据、比速度。避其锐气，不跟它在同一个赛道上。不做日内、不做它们盯着的票——这些前面文章已经讲过，不展开。

数据策略上同样要避其锐气。

守住几类核心数据。 价格、估值、成交量——这三类数据的噪声你知道在哪：价格是交易出来的不是定价出来的，估值有财报粉饰，成交量有对倒。知道它们的坑在哪里，就比加十种不熟的数据强。少而懂的维度，胜过广而浅的维度。

追求可解释，不追求高 IC。 一个因子你说得清它为什么应该有效，IC 低一点也能用。一个因子你解释不了，IC 再高也怕样本外就没了。可解释是防过拟合的最后一道墙——不是防数据，是防你自己。

追求可执行，不追求全覆盖。 不在所有维度上追平机构，在你选的维度上把策略做到能执行。机构要验证 200 个因子，每个因子都要解释；你只用 5 个，每个都清楚它什么时候大概会失效。不是能力弱，是打法不同。

数据多了未必更清醒。知道什么不要加，比知道什么能加更值钱。