交易策略的形成，通常可以经由以下两种截然不同的方式！

我有个朋友，花了五万块买了一套量化交易系统。卖系统的人给他看了一份回测报告：年化收益35%，最大回撤18%，夏普比率2.1。他用了三个月，亏了22%，默默卸载了软件。

半年后他偶然又看了一眼那个系统的净值曲线——在他卸载后的三个月里，系统赚了40%。他差点把键盘砸了。

这个故事揭示了一个被严重低估的真理：策略不仅是一个数学对象，它还是一个心理对象。同一套策略在不同的人手里，可能是天使也可能是魔鬼。

为什么理论驱动的策略在逆境中表现更稳定？因为它给了你一个认知锚点。你知道你的策略是根据「趋势会延续」这个假设构建的。当市场横盘震荡的时候你亏钱了，你的大脑不会陷入恐慌——它知道自己在震荡市亏钱是策略预设的一部分成本。

这听起来像是心理安慰，但它在数学上是有意义的。没有认知锚点的交易者，在遇到连续亏损时会做出两项破坏性决策：要么提前停止策略（错过了后续的盈利期），要么在亏损中反复修改参数（把策略变成了一团乱麻）。认知锚点防止了这两种行为。

数据驱动策略最大的问题不是它不赚钱——很多数据驱动的策略在统计上确实是正期望的。问题是它不提供解释。你只知道「跳空高开后上涨概率高」，你不知道为什么。当连续五次跳空高开都下跌的时候，你的大脑只有一个问题：「它是不是失效了？」

人类的大脑不能忍受没有解释的不确定性。这是进化赋予我们的保护机制——在原始社会，不知道草丛里是什么声音可能意味着死亡。但在金融市场，这种机制会让我们在最不该停下来的时候停下来。

把策略想象成一个需要「驱动程序」的硬件。理论驱动的策略匹配的是「理解型驱动」——你理解它的原理，所以你能驾驭它。数据驱动的策略匹配的是「信任型驱动」——你不理解它，但你信任统计数据。问题在于，大多数人的「信任」在连续亏损面前撑不过两个月。

所以结论不是哪条路更好。结论是：如果你是一个人，走理论驱动的路。如果你是一个量化团队，有资金、有统计知识、有纪律，走数据驱动的路。最危险的做法是：你是一个人，却选了一条为团队准备的路。