参数介绍：
最简单的网格买卖模型，假设初始总金额T为100000，初始买6只股票记为Nt，每只股票10000元记为B，后续每次涨1.5%，则抛出股票500元，每次跌1.5%则买入股票500元记为A，则每次买入卖出收益为C=7.5，在一年不涨不跌的情况下，能够每只股票量化成交的次数为100次，记为Ny，则年收益为单次收益C，乘以每年量化成交次数Ny，乘以股票只数Nt，除以总金额T，即为大盘不涨不跌情况下收益。
C*Ny*Nt/T = 4.5%。
参数关系分析：
持有股票只数Nt与每只股票持有总价B： Nt与B成反比，如果后面的每次成交数量A都是持有总价B的1/20，则全年收益无差别。关键是持仓比例（Nt*B/T）不能太高，否则在量化时碰到极端情况，按照现在每次加仓1/20的情况，如果整体下跌1.5%，则需全部加仓3000，意味着40000的流动资金在大盘下跌13%时就会耗尽，所以量化碰到大涨20+%时很快会空仓，碰到下跌13+%时，就没钱加仓了。初始持仓比例不宜过高。
每年量化成交次数Ny与成交价格变化步进R：Ny越多越好，但是要高Nt则意味着低R，也就意味着加减仓更快，更容易超过了量化范围。所以需要根据每只股票的不同波动情况确定R，进而估算出Ny。对于波动小的R设置低一点，Ny由于股票波动小，期望是基本不变。全年250个交易日，50个平盘，100个下跌，100个上涨，所以Ny这里假设为100。
综合分析
可以看到在上述假设时，全年通过量化获得的额外收益只有4.5%，这说明量化要控制风险的情况下，收益并不高，这里还没计算交易费用。要实现收益提升，需要结合趋势判断，在趋势上升或下降时，每次成交数量A变小，在底部区域时每次买入成交数量A变大（建仓），在顶部区域时每次卖出数量A变大（逃顶）。这似乎又不是量化。
或者，如果有3只股票能够持续上涨全部卖出，则最多上涨power(1.015,20) = 34%，平均上涨17%，三只收益5000，对应盈利5%（不算量化带来盈亏）。但如果对应极端情况，有3只套牢30%，则需要加仓lg(1.3)/lg(1.015) = 18次，每只浮亏10000*30% + 9000*15% = 4350元，三只浮亏13050，总浮亏13%。如果3只套牢20%，则需要加仓lg(1.2)/lg(1.015) = 12次，每只浮亏10000*20% + 6000*10% = 2600元，三只浮亏7800元，总浮亏7.8%。
结论
综合来讲，量化如果想带来大的收益，提高每次交易数量，则需要承受单边上涨或者单边下跌时带来的风险；如果要风险可控，则带来的收益有限。最终还是风险越大收益越大，最好还是要选择好的股票并持有。