2. 量化研究基础

在进入具体的成本与容量测算之前，必须先建立一条清晰的因果链：研究流程决定策略类型，策略类型决定数据需求，数据需求最终决定成本与容量。很多团队在评估阶段直接跳到“要多少台服务器、多少存储”，却忽略了前面的三个环节，导致预算与实际需求严重脱节。本章将这条链路拆开，逐段说明它们之间的传导关系。

一、核心原理：四层传导模型

量化研究的成本与容量并不是一个独立的工程问题，而是研究设计的下游结果。可以把这种传导关系理解为四层结构：

• 流程层：研究是日频、分钟频还是逐笔？是离线回测还是实时信号？流程的节奏直接决定计算的时间窗口。
• 策略层：策略是趋势跟踪、统计套利还是高频做市？不同策略对延迟、吞吐、历史深度的敏感度差异巨大。
• 数据层：需要哪些字段、多长历史、什么频率、是否包含盘口与逐笔？数据量是容量评估中最刚性的约束。
• 成本容量层：存储、计算、网络、许可、人力，最终折算为一次性投入与持续运营成本。

这条链路的每一层都会放大或缩小下一层的需求。例如，同样是股票策略，日频趋势跟踪可能只需要几GB的日线数据，而日内做市策略可能需要数十TB的逐笔委托与成交数据。忽略传导关系，就会把“策略研究”和“资源采购”割裂开来。

二、方法流程：从研究问题到资源清单

下面给出一个可复用的六步流程，用于把研究需求逐步转化为可估算的资源清单。

1. 明确研究目标与频率：确定信号生成周期（日、小时、分钟、逐笔）与调仓周期。
2. 选择策略类型：根据目标选择趋势、套利、多因子、做市等类型，并记录其对延迟和吞吐的要求。
3. 推导数据需求：列出字段、频率、历史长度、标的范围、是否含盘口/逐笔/基本面。
4. 估算数据量：按“字段数 × 频率 × 标的数 × 历史长度”做量级估算，并预留清洗与特征工程副本。
5. 映射计算与存储资源：把数据量与回测/训练/实盘的并发需求映射为CPU、内存、存储、网络配置。
6. 折算成本与容量上限：区分一次性投入与月度运营成本，并计算在当前资源下可支持的最大策略容量。

这六步中，第三步和第四步最容易出现低估。常见做法是只计算原始数据大小，而忽略特征表、中间结果、回测日志和版本快照。经验上，实际存储需求通常是原始数据的2到4倍。

三、策略类型与数据需求的对应关系

不同策略类型对数据的需求差异极大，下表给出常见策略的典型数据需求与资源敏感点，便于在评估时快速定位。

从表中可以看出，频率每提升一个量级，数据量和资源敏感点都会发生质变。日频策略的成本瓶颈通常在数据清洗与特征计算，而高频策略的瓶颈则在存储吞吐和网络延迟。

四、案例与场景：一个多因子团队的容量评估

假设一个团队要研究A股多因子选股策略，覆盖约5000只股票，使用日频行情与财务数据，历史深度10年。可以按以下方式快速估算：

标的数：5000
交易日：约 250 天/年 × 10 年 = 2500 天
日线字段：约 20 个（OHLCV、复权、换手等）
原始数据量 ≈ 5000 × 2500 × 20 × 8 Byte ≈ 2.0 GB

特征表：约 200 个因子
特征数据量 ≈ 5000 × 2500 × 200 × 8 Byte ≈ 20 GB

中间结果与版本快照：按 3 倍冗余估算
实际存储需求 ≈ (2 + 20) × 3 ≈ 66 GB

这个量级对于单机或小型集群即可承载。但如果把频率改为分钟级，数据量会放大约240倍，存储需求直接进入TB级，计算与回测并发也需要重新设计。这说明频率是容量评估中最敏感的杠杆。

五、误区与复盘

在实际项目中，以下误区反复出现，值得在评估阶段主动排查。

• 只算原始数据，忽略衍生数据：特征表、回测日志、模型快照往往比原始数据更大。
• 用当前策略需求评估未来容量：研究是迭代的，数据需求会随策略演进增长，需预留扩展空间。
• 把延迟需求后置：高频策略的延迟要求必须在架构设计初期确定，后期改造成本极高。
• 忽略数据许可成本：Level-2、逐笔、财务数据的授权费用常被低估，且按用户数或标的数计费。
• 容量与成本混为一谈：容量是“能支持多少策略/多少资金”，成本是“需要花多少钱”，两者需要分别建模。

把研究流程、策略类型、数据需求与成本容量评估串成一条链，是后续所有测算工作的基础。只有这条链清晰，成本与容量才不是拍脑袋的数字，而是可解释、可验证、可扩展的工程结论。