从「人找规律」到「机器找规律」
前面几章的所有策略，逻辑链都是一样的：人先想明白一个道理（便宜的股票会补涨、橡皮筋会弹回），再翻译成规则教给机器。2010 年代起，一种更激进的思路成了主流：干脆不让机器执行人的道理，让机器自己从数据里找道理。这就是机器学习在量化里的位置。
先看它到底比老方法多干了什么。第六章的评分卡是线性的：总分 = 各因子分数 × 权重再相加，每个因子单独起作用。但真实世界的规律经常是「组合生效」的：比如「高动量」单独看平平，「低波动」单独看平平，但「高动量 + 低波动 + 财报季刚结束」三者凑在一起就特别灵。这种条件组合的规律有无穷多种，人想不过来、列不完，而机器学习模型（神经网络、梯度提升树这些）天生就是干这个的：给它足够的历史数据，它自己翻找哪些特征组合管用。
数据的边界也在扩
另一条线是另类数据——传统行情和财报之外的数据。卫星拍的停车场车流（推断零售商生意好不好）、招聘网站的岗位数量（推断公司扩张还是收缩）、电商评论、航运轨迹、工厂烟囱的红外照片……逻辑都一样：公开财报一个季度才一份，而这些数据天天有，谁先算出来谁就有时间差优势。机器学习在这里负责「从非结构化数据里提取信号」——比如用自然语言模型读十万份公告和新闻，给每家公司打「情绪分」。这一手今天已经很成熟了，连你手机里的炒股软件都可能内置了类似功能。
最大的坑：过拟合
现在讲这本书最重要的一课，也是机器学习量化的头号死因：过拟合。大白话：模型在历史数据上学得太「认真」，把噪音当规律背了下来。
想象一个学生，考前把过去十年的考题全背了下来，背到连印刷错误都记住了——往年卷子上他门门满分，一上考场全懵。金融市场就是那个爱出新题的考场：历史数据里真正的规律很少，随机噪音很多，而一个足够灵活的模型，只要参数够多，可以把噪音也「解释」得天衣无缝。回测里年化 30% 的策略，实盘三个月亏光——这种故事在量化圈不是事故，是日常。
为什么金融特别容易过拟合？两个原因。一是信噪比极低：股价的短期变动里，随机成分压倒性地大，真规律微弱得像收音机里的杂音。二是市场会变：物理学里牛顿定律三百年不变，而市场是被参与者行为塑造的——一个规律一旦被发现和利用，就会被利用本身抹掉。历史上灵，不代表明年灵。
对策不是没有，全是苦功夫：留出一整段「不许碰」的测试数据、对回测次数做统计惩罚（试了一千个策略总有一个碰巧好看）、要求模型讲得出一点经济学道理、小规模实盘试跑再放大。业内有句黑色幽默：「我们花了十年学会的第一件事，就是别信自己的回测。」
一个预告未来的故事
机器学习量化在中国有个绕不开的样本：幻方量化。2015 年成立的幻方是最早 All in 深度学习的量化私募之一——当同行还在堆传统因子时，它在自建 GPU 集群，用神经网络挖高频信号，管理规模一度冲到千亿人民币。为了喂饱模型，它囤积了上万张 GPU。
然后发生了量化史上最戏剧性的外溢：2023 年，幻方把这些算力和工程团队分出来，成立了一家叫 DeepSeek 的 AI 公司——对，就是那个 2025 年初震动全球科技股的 DeepSeek。一家量化基金为了炒股囤的算力和攒下的训练工程能力，最后长成了一个世界级的通用人工智能公司。量化行业「用数据+算力+算法找规律」的那套方法论，原来不只能找股价规律。这个故事的正面我们会在第十一章中国篇再展开。
冷静地看
机器学习没让量化变成印钞机。它扩展了能找到的规律类型（非线性、组合型），扩展了可用的数据（文本、图像、轨迹），但金融的信噪比和非稳定性没变，过拟合的坑反而更深了。今天的现实格局是：顶级机构用它作为工具箱里的重要一件，而不是全部；公开渠道买来的「AI 选股」产品，则多半是营销话术包着一层过拟合的回测。
这一章的要点：机器学习 = 让模型自己从数据里找规律，能挖出人想不到的组合型信号。但金融数据信噪比极低、规律会过期，所以最大的敌人是过拟合——把噪音背下来当规律。判断任何「AI 炒股」产品，先问一句：它怎么证明自己不是背下来的？
模型学歪了会亏钱，但还有更惨的死法：模型学对了，却死在市场突然不按剧本走的时候。下一章，看量化基金怎么爆仓——包括一群智商高到吓人的诺贝尔奖得主。