量化策略容量的边界：今日复盘理清的规模与收益率博弈

它取决于三个变量：预期收益率、可接受风险、交易成本。预期收益要求下降，允许承载的资金规模可以上升。反之，如果要求策略维持原有超额收益，容量会快速收缩。

可以把它写成一个简化关系：

策略容量 = 在给定收益目标、风险约束和交易成本下，系统能够有效执行的最大资金规模。

这里的关键词是“有效执行”。不是账户里能放多少钱。不是模型理论上能管理多少钱。也不是管理人对外宣称的规模上限。真正的容量，取决于资金进入市场后，信号是否仍然能够按照回测假设成交。

规模扩大后，收益通常不会立刻消失。更常见的过程是：换手率带来的费用先增加，成交价格开始偏离中间价，冲击成本进一步放大，净收益率逐步下降。最终，策略仍然盈利，但已经无法维持原来的夏普率和超额收益。

这是一条可计算的衰减曲线，不是一个二元判断。

容量的本质：收益目标改变，容量也随之改变

量化策略容量首先是一个目标函数。

假设策略在小资金规模下具有较高换手率，原始信号收益为 \(G\)，交易成本为 \(C(A)\)，其中 \(A\) 代表资金规模。策略净收益可以表示为：

净收益 \(R(A)=G(A)-C(A)\)

在最简单的模型中，信号收益 \(G(A)\) 可以近似看作随规模线性增长。资金增加一倍，理论上的持仓收益也增加一倍。

交易成本不同。它通常不会保持线性。因为新增资金会改变成交路径，扩大订单在盘口中的占比，并增加对市场价格的影响。资金从几百万增加到几千万，成本可能只是逐步变化；从几千万增加到数十亿元，成本结构可能完全不同。

因此，策略容量不能脱离收益目标单独讨论。

同一套模型可能同时存在三种容量：

1. 理论容量

不考虑成交冲击，只根据信号覆盖范围和资金分配能力计算。这个数字通常最大，但对实盘帮助有限。

2. 回测容量

在历史行情中加入手续费、滑点、成交量限制和订单拆分后的容量。它比理论容量更接近实际，但依赖回测数据质量。

3. 经营容量

在真实市场中，考虑交易通道、可用券源、单账户限制、风控规则、资金进出和策略迭代后的可管理规模。这是投资者真正需要关心的数字。

三者不能混用。

一个策略如果宣称能够管理较大规模资金，首先要明确对应的是哪一种容量。只给出一个没有条件的规模上限，等同于没有提供有效信息。

容量不是策略的属性，而是收益目标、资金规模和成交成本共同决定的函数。

预期收益是容量的边界条件

如果投资者只要求策略获得较低的年化收益，那么系统可以放宽成交价格、降低换手率，或者扩大持仓范围。容量自然上升。

如果投资者要求维持原有超额收益，则不能简单地把资金规模放大。每一次新增资金都可能迫使系统买入更差的价格，卖出更低的价格。最终，净收益率下降。

可以用三个场景理解：

这张表没有给出统一数值。原因很简单。不同策略的信号半衰期、持仓周期、换手率、股票池和交易市场不同，不能用一个固定规模覆盖所有模型。

容量讨论必须绑定收益目标。脱离目标谈容量，没有统计意义。

从回测曲线中识别容量变化

单看累计净值无法判断容量。

需要观察资金规模变化后的多组结果。至少应当按不同资金规模运行多次回测，并保持以下条件一致：

• 信号计算时间不变；
• 股票池不变；
• 调仓规则不变；
• 手续费和印花税参数不变；
• 滑点模型随规模变化；
• 单只证券的成交占比受到限制；
• 买卖顺序和订单拆分逻辑一致。

例如，分别测试一亿元、五亿元、十亿元和二十亿元资金。比较的不只是年化收益率，还包括：

• 净收益率；
• 换手率；
• 单笔成交滑点；
• 成交金额占市场成交额的比例；
• 最大回撤；
• 日收益波动；
• 夏普率；
• 收益来源的因子稳定性；
• 交易成本占毛收益的比例。

如果规模增加后，毛收益基本不变，成本快速抬升，说明信号本身没有扩展能力。

如果毛收益同步增加，但净收益率下降，说明策略仍然可以赚钱，只是单位资金效率变差。

如果规模扩大后，收益波动与回撤同时增加，则需要检查订单集中度和流动性分层。容量问题不一定首先表现为收益下降，也可能先表现为风险分布失真。

非线性成本陷阱：滑点不是一个固定参数

许多回测系统把滑点设置成固定比例。

这是一个方便的近似。不是完整的成本模型。

固定滑点适合做早期模型筛选。它可以帮助排除对交易成本极度敏感的策略。但在容量分析中，固定滑点通常会产生系统性误差。因为实际成交价格取决于订单大小、盘口深度、成交速度、市场波动、买卖方向和参与率。

资金规模扩大后，订单会改变市场价格

假设一个策略在某只股票上的目标成交金额为一百万元。该金额只占当日成交额很小比例，订单可以分散完成，成交价格接近盘口中间价。

当资金规模扩大十倍，目标成交金额变成一千万元。此时订单可能占据较高的日成交比例。系统需要：

• 延长成交时间；
• 增加拆单数量；
• 提高参与率；
• 接受更多盘口价差；
• 在信号衰减前完成交易。

每一项都会增加成本。

如果信号有效期很短，延长成交时间会导致部分订单在信号失效后才成交。此时损失不再只是滑点，而是执行延迟导致的信号收益损失。

因此，冲击成本和延迟成本应当分开处理。

总执行成本 = 手续费 + 税费 + 买卖价差 + 市场冲击 + 延迟造成的收益损失

在高换手策略中，最后两项可能高于显性的手续费。

冲击成本的非线性来源

冲击成本通常与以下变量有关：

• 订单金额；
• 订单金额占市场成交量的比例；
• 盘口深度；
• 订单执行时长；
• 标的波动率；
• 市场开收盘阶段；
• 买卖方向；
• 同一时间其他策略的订单拥挤程度。

当订单金额较小时，成交价格变化可能有限。订单金额增加后，市场参与率上升，成本增速会明显加快。

这也是为什么“把小资金回测收益乘以资金规模”不能得到大资金实盘收益。

线性放大的只是资金，不是成交条件。

成交量限制必须进入回测

容量回测至少应当加入成交量参与率限制。

例如，单只股票的单日成交金额不得超过该股票当日市场成交额的一定比例。具体比例不能直接当作行业通用参数。它取决于交易时段、订单类型、资金来源和执行系统。

更重要的是，要进行敏感性分析。

同一个策略可以在较低参与率和较高参与率下分别运行。若回测结果对参与率参数极其敏感，说明策略容量边界不稳定。此时不能采用最乐观的成交假设。

建议至少比较以下四种执行状态：

1. 理想成交

只扣除显性费用。用于观察信号上限，不用于估算实盘收益。

2. 固定滑点成交

适合快速筛选模型。不能用于确认容量。

3. 成交量约束成交

根据标的成交量限制订单规模。用于观察流动性瓶颈。

4. 动态冲击成本成交

根据订单占比、波动率和盘口条件调整成本。用于容量区间评估。

如果只有第一种结果，策略还停留在信号回测阶段。

换手率是容量分析的第一过滤器

换手率本身不是风险。高换手也不必然意味着策略不可扩展。

但换手率决定了交易摩擦出现的频率。对于持仓周期很短的模型，单次成本即使不高，累积后也会显著压缩净收益。

分析换手率时，不能只看年化换手率。还应观察：

• 日换手率分布；
• 极端交易日的换手率；
• 开盘和收盘订单占比；
• 单只股票的平均持仓周期；
• 单次调仓的成交金额；
• 买入与卖出的换手是否对称；
• 高换手是否集中在低流动性标的。

如果交易主要集中在开盘和收盘，固定滑点模型的误差通常更大。开盘阶段价格跳跃、盘口重建和订单集中会放大实际成本。收盘阶段则可能出现大量被动资金和策略资金同时执行的情况。

如果交易主要集中在小市值、低流动性标的，容量会进一步受到限制。因为策略可能能够建立仓位，但无法按照同样的价格退出。

A股交易摩擦：印花税对高换手策略的硬约束

A股量化策略容量不能只看股票流动性。

税费是硬约束。自2023年8月起，A股印花税按卖方成交金额的0.05%征收。它直接作用于卖出成交金额。对高换手策略而言，这不是可以通过更换撮合算法完全消除的变量。

印花税与手续费、过户费、买卖价差和冲击成本共同构成交易摩擦。

为什么卖方税费会改变模型排序

假设两个策略具有相近的毛收益。

策略甲持仓周期较短，频繁调仓。策略乙持仓周期较长，换手率较低。两者在不考虑交易成本时，可能具有相近的累计收益。

加入卖方印花税后，策略甲的净收益受到更高频率的扣减。随着资金规模增加，策略甲还要面对更大的市场冲击。策略乙虽然超额收益率可能较低，但净收益曲线更稳定，容量通常更大。

这会改变模型的排序。

不能用毛收益最高的策略直接作为主策略。应该比较成本后的收益质量。

一个简单的拆分方式是：

净超额收益 = 毛超额收益 − 手续费 − 印花税 − 买卖价差 − 冲击成本 − 延迟成本

每一项都需要单独记录。将所有成本合并成一个滑点参数，会掩盖税费对不同换手策略的差异。

税费参数不能只在最后添加

一些回测流程先计算信号收益，最后统一扣除交易成本。这种做法在简单模型中可以使用，但在容量分析中不够。

因为税费会影响后续资金路径。

卖出交易产生税费后，账户可用资金减少。资金减少会改变下一次调仓的目标金额。对于杠杆、融资或多资产组合，成本还可能改变保证金占用和仓位比例。

另外，印花税只作用于卖出方。买入和卖出的成本不对称。回测系统如果把双边交易统一按照相同费率处理，结果会产生偏差。

至少应当区分：

• 买入成交金额；
• 卖出成交金额；
• 买入手续费；
• 卖出手续费；
• 卖方印花税；
• 过户费及其他交易费用；
• 订单未完全成交时的剩余资金。

这些字段不应被隐藏在一个总成本变量中。

高换手策略的容量边界更容易被提前触发

高频策略和日内统计套利策略通常具有较短持仓周期。按照海外市场常见划分，高频策略的预测周期可能不超过五分钟。

预测周期越短，信号衰减速度越快。系统没有足够时间等待更优价格。资金规模扩大后，只能在更高参与率下完成成交，冲击成本随之上升。

这类策略的容量通常较小。原因不是模型无法产生信号，而是信号有效时间不足以容纳大额订单。

如果模型的收益依赖极短时间窗口，那么容量分析必须引入时间维度：

• 信号生成到订单提交的延迟；
• 订单提交到首次成交的延迟；
• 订单全部完成的时间；
• 未完成订单的后续处理；
• 信号失效后的持仓风险。

对于日内模型，单纯使用日线成交量估算容量不够。需要更细粒度的成交数据。否则回测中允许的成交，实盘可能无法实现。

高换手策略的瓶颈通常不是信号数量，而是信号衰减前能否完成成交。

策略类型差异：容量存在明显分层

不同量化策略不能使用同一套容量标准。

持仓周期、换手率、标的范围和收益来源决定容量。策略名称本身没有分析价值。必须拆解到具体的交易行为。

高频策略与日内统计套利

这类策略的主要特征是：

• 持仓周期短；
• 信号更新频率高；
• 交易次数多；
• 对延迟敏感；
• 对盘口深度敏感；
• 单笔收益空间较小；
• 成本占毛收益比例较高。

它们通常具有较高的单位资金收益潜力，但容量相对较小。

资金规模扩大后，订单会出现两个问题。

第一，无法在原有时间窗口内完成。第二，成交价格偏离模型假设。两者都会降低策略的实际收益。

统计套利还存在配对或组合交易的同步问题。一个腿成交，另一个腿未成交，组合暴露会短暂偏离目标。规模越大，部分成交概率越高，临时风险越明显。

因此，日内统计套利的容量分析不能只看单腿成交额。需要观察整个组合的同步完成率。

趋势跟踪策略

趋势跟踪通常持仓周期更长，换手率低于高频策略。它对单笔交易的即时成交价格没有那么敏感。

但这并不代表容量无限。

趋势策略可能集中交易期货、股指、商品或流动性较高的指数成分。大资金进入后，仍然会面临合约容量、展期成本、保证金占用和极端行情中的流动性收缩。

趋势策略的容量边界通常不只由日常成交量决定，还由压力场景决定。

需要模拟：

• 快速上涨；
• 快速下跌；
• 波动率突然扩大；
• 多个市场同时触发信号；
• 同一方向仓位集中增加；
• 换月和展期窗口重合。

在普通交易日可以执行，不代表在策略最需要执行的日期仍然可以执行。

基本面量化策略

基本面量化策略的持仓周期通常处于月度或季度级别。换手率较低，交易成本相对可控。股票池也可以扩展到更大范围。

这类策略容量通常较大。

但容量增加往往伴随收益率下降。原因包括：

• 资金需要进入更多标的；
• 组合权重向大市值股票迁移；
• 小容量因子暴露被削弱；
• 选股约束增加；
• 现金拖累提高；
• 单一因子的边际贡献下降。

基本面量化的容量问题不一定表现为成交失败。更常见的是收益来源逐步稀释。

例如，模型早期依赖小市值、低覆盖度或低流动性股票获得超额收益。规模扩大后，为满足交易限制，系统必须降低这些标的的权重。策略仍按规则运行，但因子暴露已经改变。

因此，不能只通过增加股票数量来宣称容量提高。需要确认新增资金是否仍然暴露在原始因子上。

因子投资与组合容量

因子投资一般通过估值、质量、成长、动量、波动率、流动性等变量构建组合。

它的容量取决于因子本身的分布和组合约束。

低频因子通常容量较大，但因子拥挤可能影响收益。高换手因子则更依赖低成本执行。多个因子组合后，还会出现交易叠加问题。

两个单独容量较大的策略，合并后未必拥有两者容量之和。因为它们可能在同一时间买入相同标的，形成订单集中。

容量分析需要检查：

• 因子之间的相关性；
• 交易方向的一致性；
• 调仓时间是否重叠；
• 股票权重是否集中；
• 组合层面的成交量参与率；
• 组合净敞口和行业偏离；
• 交易成本在各因子之间的分配。

不能把单因子回测结果直接相加。组合执行是另一个系统。

用回测识别容量：从收益曲线转向执行曲线

容量回测的核心，不是重新计算一条净值曲线。

核心是观察资金规模变化后，系统内部哪些变量开始失真。

第一步：固定信号，改变资金规模

信号逻辑不变。只修改初始资金。

建议使用多个规模档位，覆盖小规模、中等规模和大规模状态。具体档位应根据策略标的和交易市场设置，不应套用固定模板。

每个档位都要输出相同字段。否则无法比较。

至少包括：

• 毛收益；
• 净收益；
• 年化波动率；
• 最大回撤；
• 夏普率；
• 换手率；
• 总交易成本；
• 平均滑点；
• 最大单日成交占比；
• 未成交订单比例；
• 现金占比；
• 组合集中度。

规模扩大后，净收益率下降是常见结果。关键是下降速度。

如果资金增加一倍，净收益率只小幅下降，容量曲线相对平滑。如果资金增加后净收益快速下降，说明已经接近执行边界。

第二步：拆开收益与成本

策略收益必须分解。

可以按照交易前信号收益、成交损益和交易后持有收益进行拆分。也可以按照因子、行业、标的流动性和持仓周期拆分。

重点观察以下关系：

成本占毛收益比例 = 总交易成本 ÷ 毛收益

这个比例上升速度，比绝对成本更有参考价值。

当成本占比处于较低水平时，增加资金可能仍然可行。当成本占比持续扩大，策略对参数误差和市场环境变化会更敏感。

如果成本已经接近毛收益，策略容量接近边界。即使净值仍然为正，也不应继续使用乐观的规模假设。

第三步：检查收益来源是否变化

容量衰减不只是收益数字下降。

还需要确认收益来源有没有改变。

比较不同规模下的：

• 因子收益；
• 行业收益；
• 市值暴露；
• 流动性暴露；
• 持仓周期；
• 多空方向；
• 单只标的贡献；
• 极端交易日贡献。

如果小规模时收益主要来自低流动性股票，规模扩大后这部分贡献消失，说明策略容量受到流动性约束。

如果收益从多因子分散贡献变成少数标的贡献，说明组合在扩大过程中出现集中化。

如果策略依靠少数极端收益日维持整体表现，容量评估还要检查这些日期是否具有足够成交能力。不能只看回测结果是否盈利。

第四步：做时间外推和压力测试

历史回测只能描述历史成交条件。

容量边界需要加入压力场景。压力测试不等于预测行情。它只是改变执行参数，观察系统是否稳定。

可以调整：

• 滑点；
• 成交量参与率；
• 订单完成时间；
• 波动率；
• 可交易股票数量；
• 单只股票权重上限；
• 调仓窗口；
• 交易费率；
• 印花税；
• 极端交易日的成交折扣。

如果策略在所有参数下都保持相同收益，结果可能过于理想。真实策略通常会对执行条件敏感。

更有价值的不是找出一个最优容量，而是得到一个区间：

• 保守容量；
• 基准容量；
• 压力容量。

三者分别对应不同的收益目标和成交假设。容量区间比单点数字更接近真实管理。

从规模扩张到收益衰减：动态平衡不是静态上限

策略容量不是上线时一次性确定，然后永久有效。

市场结构会变化。成交量会变化。竞争者会变化。因子收益会变化。交易系统也会变化。

因此，容量管理需要持续运行。

规模扩张应当绑定净收益阈值

新增资金不能只依据产品规模目标。

更合理的方式是设置净收益率、夏普率、成本占比等阈值。当指标达到边界，暂停扩容，重新评估。

例如：

• 净收益率下降超过预设范围，停止增加资金；
• 成本占毛收益比例持续上升，降低换手；
• 未成交订单比例增加，扩大调仓窗口；
• 单一标的成交占比过高，降低仓位上限；
• 因子暴露发生明显变化，重新计算组合容量。

这些规则不是为了保证收益。它们只用于避免系统在没有监控的情况下继续放大。

扩容方法一：降低换手率

降低换手率可以直接减少手续费、印花税和冲击成本。

常见方式包括：

• 增加调仓缓冲区；
• 对权重变化设置最小阈值；
• 延迟处理边际信号；
• 减少重复买卖；
• 延长持仓周期；
• 使用组合优化平滑权重；
• 将大额调仓拆分到多个交易时段。

但降低换手率会改变策略本身。

如果信号半衰期很短，延迟执行会降低预测收益。不能把换手率降到最低后，再假设原始信号收益保持不变。

优化目标应当是净收益，而不是交易次数。

扩容方法二：扩大标的范围

扩大股票池可以分散订单。

但新增标的往往具有更低流动性、更高波动率或更高交易成本。股票数量增加，不等于容量线性增加。

需要同时设置：

• 最低成交额；
• 最大成交占比；
• 单只股票权重；
• 行业权重；
• 市值暴露；
• 买卖价差；
• 停牌和涨跌停处理；
• 订单无法成交时的替代规则。

如果新增股票只是在回测中提供理论成交，实盘无法完成，容量结果仍然是虚假的。

扩容方法三：分散交易时间

把全部订单集中到一个时点，执行简单，但冲击集中。

分散到多个时间段可以降低瞬时参与率。但它会增加执行延迟和信号漂移。

对于低频基本面策略，这种折损可能可以接受。对于日内统计套利，延迟可能直接改变收益分布。

因此，交易时间分散需要和信号周期匹配。不能直接套用。

扩容方法四：增加策略组合

当单一策略容量有限时，可以通过多个低相关策略提高整体容量。

但“低相关”不等于“低拥挤”。

两个策略的净值相关性较低，仍然可能在同一时间交易同一批股票。组合层面需要重新计算订单相关性和成交集中度。

策略组合的容量应当从订单层面评估：

• 同时买入的标的数量；
• 同时卖出的标的数量；
• 买卖方向重合度；
• 调仓日期重合度；
• 单只股票的合计订单金额；
• 组合成交量参与率；
• 极端行情下的共振交易。

如果组合只是把多个模型叠加到同一批标的上，容量并不会自动增加。

一个可执行的容量评估框架

容量分析可以拆成五个模块。每个模块都应当输出可审计数据。

1. 信号模块

记录预测周期、信号衰减速度、信号强度分布和调仓频率。

重点不是信号数量。重点是信号在不同延迟下还能保留多少有效信息。

2. 组合模块

记录目标权重、权重变化、持仓集中度、行业暴露和流动性暴露。

组合模块决定资金如何分配。单个标的容量不足时，组合优化器是否会把资金推向其他标的，也需要明确记录。

3. 执行模块

记录订单金额、订单数量、成交比例、成交时长、成交价格和撤单情况。

执行模块不能只返回一个最终成交价。需要保留订单生命周期，否则无法定位成本来源。

4. 成本模块

至少拆分手续费、印花税、买卖价差、冲击成本和延迟成本。

不同策略的成本结构不同。高频策略主要受价差、冲击和延迟影响。低频股票策略更多受到印花税、手续费和调仓规模影响。

5. 监控模块

实时比较实盘与回测：

• 实际滑点是否超过模型假设；
• 实际成交比例是否下降；
• 单日成交占比是否上升；
• 成本占毛收益比例是否恶化；
• 因子收益是否发生漂移；
• 组合集中度是否增加；
• 资金扩张后净收益是否按预期衰减。

监控结果应当反向更新容量模型。否则回测只是一次性报告，不是运行系统。

机构规模与容量：20亿元至50亿元不是通用答案

在部分量化机构实践中，20亿元至50亿元常被视作换手率与超额收益相对容易匹配的规模区间。

这个区间不能直接解释为行业标准，也不能适用于所有策略。

它可能适合某些股票量化策略，尤其是持仓周期较长、股票池较宽、交易成本可控的模型。对于高频策略和日内统计套利，这一规模可能远超执行能力。对于低频基本面策略，容量也可能高于这一范围。

规模区间的意义在于提示一个事实：

管理规模存在经营效率拐点。

在拐点之前，规模增加可以提高管理费收入和策略总收益，交易成本上升尚未完全抵消资金扩张收益。

在拐点附近，规模继续增加，单位资金收益开始下降。

超过拐点后，策略总收益可能仍然增加，但净收益率、夏普率和投资者体验都会变差。此时，继续扩容需要明确的收益让渡。

不能把总利润增加当作容量没有上限的证据。

容量边界的几个常见误判

把回测最大资金当作策略容量

只要账户余额能够增加，回测就可以继续运行。但系统能够计算，不代表市场能够成交。

回测中的成交量如果没有约束，资金规模可以无限扩大。结果没有实际含义。

把管理规模当作执行规模

管理规模包含现金、不同产品、不同策略和不同市场。一个机构管理数十亿元，不代表每个策略都承载了同样的资金。

容量必须落到单一策略、单一市场和具体执行规则。

只看收益率，不看成本曲线

收益率下降是结果。成本曲线能更早暴露问题。

如果手续费、税费和滑点已经快速上升，即使收益率暂时稳定，也可能处于容量边界附近。

用平均成交量掩盖极端交易日

平均成交量适合描述普通状态。不适合评估退出能力。

容量分析必须检查低成交量、高波动和集中调仓日期。策略最需要流动性的时点，往往不是市场最平稳的时点。

认为技术升级可以消除容量问题

低延迟、智能拆单和更好的交易通道可以降低执行成本。

但技术不能消除市场深度约束。系统可以更快地提交订单，也可以更有效地拆分订单。订单最终仍然需要由市场对手方承接。

技术升级可以动态提高容量。不能把容量变成无限值。

结论：容量评估的重点是收益曲线如何变形

量化策略容量的边界，不是一个固定金额。

它是策略收益、交易成本、持仓周期、标的流动性和执行系统共同决定的动态结果。

高频策略和日内统计套利的核心限制是时间。信号衰减快，订单没有足够时间完成。基本面量化和低频因子的核心限制是收益稀释。规模扩大后，资金需要进入更多标的，原始因子暴露可能被削弱。

A股卖方印花税自2023年8月起按成交金额0.05%征收。对高换手策略而言，它构成明确的成本约束。滑点和冲击成本则随着资金规模扩大呈非线性增长。二者必须进入同一套净收益模型。

容量评估不应输出一个漂亮的单点数字。应当输出不同收益目标、不同成交假设和不同压力条件下的容量区间。

参数优化也不应只围绕收益率进行。更合理的目标函数包括：

• 净收益；
• 成本占毛收益比例；
• 夏普率；
• 最大回撤；
• 未成交订单比例；
• 组合集中度；
• 容量衰减速度。

最后保留一个限制条件。

任何容量结论都依赖历史数据和执行假设。市场结构改变后，原有容量可能失效。策略迭代、股票池扩展和交易技术升级可以提高容量，但不能替代重新回测。

不预测行情。只更新模型。只记录成本。只在净收益仍满足目标时扩张规模。

Related reading: 量化策略回测指标的虚与实：如何看穿超高收益率背后的陷阱 and 量化策略的超额收益来源：明日开盘前如何评估你的数据与算法壁垒.