量化在技术上表现为统计学，但这并不是全部。如果没有一个清晰的逻辑，说明利润来自于哪里，那就是数字游戏了。最可怕的是，你不知道这个数字游戏什么时候失效。
当然数字游戏也不是说就不能玩，如果策略的内在逻辑经不起推敲，那么表现就是统计学的概率。至少我们的应用的时候，不能忘记了这一点。比起关注收益，更应该关注的是最大回撤。
举个例子，如果你的策略用历史数据验证的结果是最大回撤40%，那么在用于实战之前，首先问一下自己，50%的损失是不是能够被接受，能否承担这样的风险。因为现实中总有意外的情况，比如你想卖的时候，突然暴跌。
如果可以承受这样的风险，那么在实战中，一旦最大回撤超过了40%，首先应该做的事情就是慎重考虑是否需要减仓或清仓。如果超过了45%，建议清仓处理。很明显，策略需要重新审视一下。
这个时候，如果你没有清晰的盈利逻辑的话，你极大可能也审视不出来啥。只能自求多福了。
真正的量化策略，应该首先建立在合理的盈利逻辑上，而后才是coding。而不是本末倒置。不管这个coding是简单的python脚本，还是复杂的AI模型。