開啟量化投資的黑箱

精讀全文

第 1 章 · 量化的真相:不是黑魔法是流水線

華爾街最神秘的那群人，從不接受採訪，從不解釋邏輯，卻年復一年地從市場裡拿走最多的錢。他們到底在做什麼？今天我們開啟這個黑箱——你會發現，裡面裝的不是魔法，是流水線。

先問你一個問題。

你有沒有想過——

為什麼文藝復興科技基金，連續三十年，年化收益超過六十六？

為什麼那些量化基金，在金融危機裡賠錢，在別人賠錢的時候又賺回來？

他們到底知道什麼，是普通人不知道的？

很多人的第一反應是：那一定是黑魔法。是超級計算機，是隻有天才才能懂的數學，是普通人永遠無法觸碰的領域。

停。

今天這本書，要打破這個神話。

---

**全書導覽**

這本書叫《開啟量化投資的黑箱》，作者是裡希·納朗。他在華爾街做了多年量化投資，見過太多人對這個行業充滿誤解——要麼神化，要麼恐懼。他寫這本書，就是要把黑箱開啟，讓普通人也能看清裡面的結構。

這本書我們分三章來讀。

第一章，也就是今天，我們從最基礎的問題切入：量化投資到底是什麼？它不神秘，它是一條工程化的流水線。我們會拆解這條流水線的核心模組。

第二章，我們深入流水線裡最關鍵的一環——阿爾法模型。那些真正賺錢的因子，價值、動量、質量，它們從哪裡來，怎麼組合？

第三章，我們看流水線裡最容易被忽視的兩半——風險模型和交易執行。很多策略在紙上好看，落地就死，原因就在這裡。

好，現在我們正式進入第一章。

---

**一九八八年，紐約**

那一年，詹姆斯·西蒙斯在紐約長島，開了一個不起眼的小辦公室。

他不僱交易員，不僱經濟學家，不僱MBA。他僱的是數學家、物理學家、密碼學家。這些人裡，很多人從來沒聽說過股票。

外界完全不知道他們在做什麼。

華爾街的老派交易員，那些西裝筆挺、靠訊息和直覺做判斷的人，對這群人嗤之以鼻。「一群書呆子，能做什麼？」

然後，大獎章基金開始執行。

此後三十年，它的年化收益率超過六十六。

扣除費用之後。

六十六。

整個華爾街沒有第二個人做到過這件事。

那些嘲笑西蒙斯的交易員，大部分已經不在市場裡了。

---

**量化，到底是什麼？**

裡希·納朗在書中寫道，量化投資的本質，是用系統化的方式，把人類的投資智慧轉化成可以重複執行的規則。

注意這幾個詞。

系統化。

可重複。

規則。

這和傳統投資有什麼區別？

傳統投資，靠的是人的判斷。巴菲特看一家公司的年報，感受它的護城河，做出決策。這個過程裡，有大量的直覺、經驗、甚至情緒。

量化投資，把這個過程拆開。

它問的是：你的判斷，能不能用數字表達？你的經驗，能不能變成規則？如果能，那我就把這個規則寫成程式碼，讓計算機在全市場裡，每天、每小時、甚至每秒，去執行這個規則。

所以量化不是魔法。

量化是工業化。

---

**流水線的結構**

納朗在書裡把量化策略拆成了一條流水線。這條流水線，是整本書的骨架，也是你理解量化投資最重要的地圖。

我們今天重點看三個核心模組：

阿爾法模型、風險模型、組合構建。

先說阿爾法模型。

阿爾法，這個詞你可能聽過。簡單說，阿爾法就是超額收益。

阿爾法模型，就是回答一個問題：在所有的股票裡，哪些股票，在未來一段時間，更可能漲？

這是量化策略的發動機。

沒有好的阿爾法模型，後面什麼都是空談。

阿爾法模型的輸出，是一個訊號。這個訊號告訴你：這隻股票，我預測它未來的表現，是正的還是負的，有多強？

注意——

它不說「一定漲」。

它說的是機率和強度。

這是量化思維和普通思維最大的區別之一。量化從來不賭單一結果，它賭的是大數定律。在足夠多的股票、足夠長的時間裡，讓機率優勢積累成收益。

---

**風險模型：另一半被忽視的工程**

很多人以為，有了阿爾法模型就夠了。

錯了。

納朗的核心觀點是，一個沒有風險模型的量化策略，就像一輛沒有剎車的賽車。

你可能跑得很快。

但你不知道什麼時候會撞牆。

風險模型，解決的是另一個問題：我在追求收益的同時，承擔了多少風險？這些風險，有沒有我不想要的部分？

舉個例子。

假設你的阿爾法模型，給了你一批訊號，讓你買入一百隻股票。你看了一眼，發現這一百隻股票裡，有七十隻都是銀行股。

你的策略，其實變成了一個對銀行業的重倉押注。

如果你不知道這件事，某天銀行業集體暴跌，你的組合會遭受遠超預期的損失。

風險模型，就是用來發現並控制這類隱藏風險的工具。

它會告訴你：你的組合，對哪些因素過度暴露了？利率？行業？市值？這些暴露，是你想要的，還是阿爾法模型的副產品？

---

**組合構建：把訊號變成真實的持倉**

有了阿爾法訊號，有了風險約束，下一步是什麼？

是組合構建。

這個環節，聽起來簡單，實際上是整條流水線裡最精細的工程之一。

它要解決的問題是：給定所有的訊號和約束，怎麼把資金，分配到具體的股票上？

這不是拍腦袋的事。

它通常是一個數學最佳化問題。你要在最大化阿爾法預期的同時，滿足風險約束，滿足交易成本約束，滿足持倉規模約束。

納朗在書中寫道，組合構建的本質，是在多個相互競爭的目標之間，尋找最優的平衡點。

這個平衡點，每天都在變。

因為市場在變，訊號在變，風險在變。

所以量化基金的組合，是動態調整的。不是買了就放著，而是每天、甚至每小時，重新計算一遍，看看當前的持倉，是不是還是最優的。

---

**流水線的價值，在於可重複**

說到這裡，你可能會問：這套流水線，和一個聰明的基金經理相比，到底強在哪裡？

好問題。

聰明的基金經理，也能發現好公司，也能控制風險，也能做組合管理。

但他一天只有二十四小時。

他同時能跟蹤的股票，可能是幾十隻，頂多一兩百隻。

他狀態好的時候，判斷準確。狀態差的時候，可能會犯錯。

他今天的決策邏輯，和三個月前可能不一樣。

量化流水線，沒有這些問題。

它可以同時監控幾千隻股票。

它沒有情緒，不會因為昨晚沒睡好而犯錯。

它今天的決策邏輯，和三年前完全一致。

這就是工程化的力量。

---

**當下對映：國內量化的崛起**

我們來看一個離你更近的案例。

過去幾年，中國的量化私募基金，規模爆炸式增長。

頭部機構的管理規模，從幾十億，到幾百億，再到一千億以上。

這些機構，用的就是納朗書裡描述的這套流水線。

他們在A股市場裡，尋找阿爾法訊號。他們用風險模型，控制行業暴露和市值暴露。他們用組合構建模型，每天動態調整持倉。

有人說，量化基金是市場的「吸血鬼」，把普通投資者的錢抽走了。

這個說法，對嗎？

其實，量化基金更像是市場的「套利機器」。它們發現定價錯誤，買入被低估的，賣出被高估的，推動價格迴歸合理。從這個角度說，它們讓市場更有效率。

但這也意味著——

隨著量化基金越來越多，市場的定價越來越有效，超額收益會越來越難賺。

這是量化行業自身的悖論。

也是納朗在書裡反覆強調的一個警告：阿爾法會衰減。

今天有效的訊號，明天可能就失效了。

---

**量化不是神話，也不是萬能**

說到最後，我想幫你建立一個清醒的認知。

量化投資，不是點石成金的魔法。

它是一套工程體系，有它的優勢，也有它的侷限。

它的優勢，是紀律、規模、一致性。

它的侷限，是它依賴歷史資料。歷史不重演的時候，它會失效。

二〇〇七年，美國量化基金經歷了一次著名的「量化熔斷」事件。

那一週，幾乎所有的量化策略，同時出現了大幅虧損。

為什麼？

因為當時市場上的量化基金，持有的是高度相似的組合。當一家基金開始去槓桿，被迫拋售，其他基金的組合也跟著崩塌。

這是量化的系統性風險。

它不是因為模型錯了。

它是因為，太多人用了同樣的模型。

這個故事告訴我們：量化是工具，不是答案。

---

好，今天第一章，我們把量化投資的骨架搭起來了。

流水線的三個核心模組：阿爾法模型、風險模型、組合構建。

你現在知道了量化是什麼，知道了它的結構，知道了它的優勢和侷限。

但有一個問題，我們還沒回答——

那些阿爾法訊號，到底從哪裡來？

價值因子、動量因子、質量因子，這些詞你可能聽過，但它們到底是什麼？它們是從資料裡挖出來的，還是從理論裡推匯出來的？當兩種方法得出相反的結論，你該信哪個？

下一章，我們深入阿爾法模型的內部，看看那些真正賺錢的因子，是怎麼被發現、被驗證、被組合起來的。

第 2 章 · Alpha 模型:那些賺錢的因子

你有沒有想過，量化基金到底在找什麼？它們每天掃描成千上萬只股票，到底在尋找哪種「訊號」？今天我們來拆開這個黑箱最核心的部分——Alpha 模型，也就是那些真正能賺錢的因子。

上一章我們講了量化投資的整體流水線。核心觀點是：量化不是黑魔法，而是一條工程化的生產線，分為 Alpha 模型、風險模型、組合構建和執行四個環節。今天我們進入這條流水線最關鍵的第一站——

Alpha 模型。

---

先說一個詞。

「Alpha」。

你可能在各種地方聽過這個詞。但在量化投資裡，它有一個非常具體的含義：超額收益。不是漲了多少，而是比市場多賺了多少。

Alpha 模型，就是那套用來預測「哪些股票會跑贏市場」的系統。

聽起來很簡單。

但難就難在——憑什麼？

---

**理論驅動 vs 資料驅動：兩條完全不同的路**

裡希·納朗在書中寫道，Alpha 模型大致可以分成兩大流派：一種叫「理論驅動」，一種叫「資料驅動」。

這兩條路，思路截然相反。

理論驅動的邏輯是：先有一個關於市場的假設，再用資料去驗證它。比如，你相信「便宜的股票長期會漲」，這是一個理論；然後你去歷史資料裡找證據，看這個邏輯是否成立。

資料驅動的邏輯則是反過來的：先把海量資料扔進去，讓模型自己去找規律，不預設任何理論。機器說哪裡有錢賺，就往哪裡走。

兩種方法各有優劣。

理論驅動的好處是：你知道自己在做什麼，邏輯清晰，出了問題容易排查。壞處是：你的理論可能是錯的，或者市場已經變了。

資料驅動的好處是：不受人類偏見束縛，能找到人腦想不到的規律。壞處是：容易「過擬合」——模型在歷史資料上表現完美，一到真實市場就崩了。

納朗的核心觀點是：沒有哪種方法天然更好。優秀的量化團隊，往往是把兩者結合起來用。先用理論框架篩選方向，再用資料精確校準引數。

好。

那理論驅動的模型裡，最常見的因子有哪些？

---

**價值因子：便宜的東西，長期不便宜**

我們先來說「價值因子」。

這可能是所有因子裡，歷史最悠久的一個。

一九三四年。

本傑明·格雷厄姆和戴維·多德寫出了《證券分析》。這本書的核心思想只有一句話：買便宜的好東西。

用量化的語言翻譯過來，就是：找那些市盈率低、市淨率低、股息率高的股票，它們長期來看會跑贏市場。

為什麼？

因為市場有時候會過度悲觀。一家公司遇到一點麻煩，股價可能被打壓得遠低於它的真實價值。量化模型要做的，就是系統性地識別這種「錯誤定價」。

這個邏輯聽起來很樸素，但它經歷了將近一百年的市場檢驗，依然有效。

數字說話。

學術研究發現，價值因子在全球主要市場，長期年化超額收益大約在三到五個百分點。

不算驚天動地，但持續、穩定。

---

**動量因子：漲的股票，還會繼續漲**

第二個因子，叫「動量因子」。

這個邏輯和價值因子幾乎是相反的。

價值投資說：買便宜的。動量策略說：買那些最近漲得好的。

聽起來像是追高，對吧？

但等等。

學術界有一個著名發現。一九九三年，謝裡丹·蒂特曼和納拉西姆漢·傑加德什發表了一篇論文，研究結果讓整個金融學界震驚——

過去三到十二個月表現好的股票，在接下來三到十二個月，依然傾向於繼續表現好。

為什麼會這樣？

有幾種解釋。一種是資訊擴散的延遲：好訊息釋出後，市場並不會立刻完全反應，而是慢慢消化，導致股價持續上漲。另一種是投資者的「處置效應」：人們傾向於過早賣掉賺錢的股票，導致上漲趨勢被人為壓制，留下持續的超額空間。

納朗在書中特別強調，動量因子是量化模型裡使用最廣泛的因子之一。它在全球幾乎所有市場都有效，但有一個致命弱點——

它在市場急轉彎的時候，會突然失效。

二零零八年。

金融危機最慘烈的那幾個月，動量策略遭遇了「動量崩潰」。那些之前漲得最好的股票，在危機中跌得最慘。很多量化基金，在短短幾天裡就損失了慘重。

所以動量因子不能單獨使用。

---

**質量因子：好公司，不只是便宜的公司**

第三個因子，叫「質量因子」。

這是三個因子裡，相對最「晚」被量化界系統研究的一個。

它的邏輯是：找那些財務健康、盈利穩定、資本回報率高的公司。

聽起來像巴菲特說的話，對嗎？

確實如此。沃倫·巴菲特的投資哲學——以合理的價格買入優質公司——用量化的語言來說，就是價值因子加質量因子的組合。

質量因子常用的指標包括：淨資產收益率（ROE）、毛利率、盈利穩定性、負債率。

這些指標的背後邏輯是：高質量的公司，有更強的護城河，更不容易被競爭對手侵蝕，長期來看能持續創造價值。

但質量因子有一個有趣的特點。

它單獨使用的時候，超額收益並不驚人。但當它和價值因子結合在一起——

效果會大幅提升。

這就引出了今天最重要的一個概念。

---

**因子組合：一加一，為什麼大於二**

為什麼要把多個因子組合在一起用？

納朗的核心觀點是：單一因子在某些市場環境下會失效，但不同因子失效的時間往往不重疊。把它們組合起來，可以平滑掉單一因子的波動，讓整體策略更穩定。

這裡有一個經典案例，值得細說。

價值因子和動量因子，從邏輯上看幾乎是矛盾的。價值說買便宜的，動量說買漲得好的。

但有意思的是——

這兩個因子的相關性，歷史上接近於零，甚至是負相關。

意思是，當價值因子表現好的時候，動量因子往往表現一般；當動量因子大放異彩的時候，價值因子可能正在蟄伏。

把它們組合在一起，就像是給投資組合裝了兩個互補的引擎。一個休息的時候，另一個在工作。

這就是多因子模型的精髓。

不是找到一個「完美的因子」，而是找到一批「互補的因子」，讓它們協同工作。

---

**當下的對映：因子投資在中國**

說到這裡，你可能會問——這些因子在中國市場有效嗎？

這是一個非常好的問題。

過去十年，中國市場的量化基金經歷了爆發式增長。百億規模的量化私募從個位數增長到數十家。他們用的，正是這套多因子框架。

但有一個細節值得注意。

中國市場的動量因子，和成熟市場有一些不同。由於散戶佔比高，市場情緒波動更劇烈，短期動量效應有時更強，但也更容易突然反轉。

價值因子在A股的表現，歷史上也比較複雜——某些階段有效，某些階段會長期跑輸。

這說明什麼？

因子不是萬能鑰匙。它們是機率性的工具，在特定條件下有效，但沒有永恆的保證。量化投資的真正難度，不是找到因子，而是理解因子在什麼條件下會失效。

這也是為什麼，納朗一再強調：Alpha 模型只是流水線的第一步。

找到了賺錢的訊號，還不夠。

你還需要管理風險。你還需要把訊號轉化為真實的交易。而在這個過程中，有兩個環節，往往被普通投資者完全忽視——

風險模型，和交易執行。

---

你有沒有想過——一個模型，回測資料漂亮得像教科書，真實交易卻虧得一塌糊塗。這中間，到底發生了什麼？下一章，我們來看量化流水線裡那兩個最容易被忽視、卻往往決定生死的環節：風險控制和交易執行。它們，究竟藏著哪些普通人不知道的陷阱？

第 3 章 · 風險與執行:容易被忽略的兩半

你找到了一個好因子，能預測股價。然後呢？

買就行了？

等等。買多少？怎麼買？買的時候市場會不會因為你的動作而變貴？這些問題，才是真正讓量化策略死在終點線上的地方。

上一章我們講了 Alpha 模型。

核心是：量化投資賺的錢，來自因子。價值、動量、質量——這些因子背後有邏輯，有資料，有組合方式。理論驅動也好，資料驅動也好，Alpha 模型的任務是找到那個「比市場多賺的訊號」。

但是。

找到訊號，只是開始。

今天這一章，我們來看兩件經常被人忽略的事：風險管理，和交易執行。裡希·納朗在書中反覆強調——很多策略在紙面上完美，在市場裡死得很難看，原因就出在這兩個地方。

---

**先說風險。**

你可能覺得，風險就是「虧錢的機率」。

不全對。

在量化投資裡，風險有一個更精確的定義：**你的收益，偏離預期的程度。**

不只是虧，漲得太猛也是風險。因為漲得猛意味著你的模型沒有預測到這個波動，說明你的系統對這個世界的理解，有盲區。

納朗的核心觀點是：風險模型的作用，不是預測未來，而是**描述你現在的暴露**。

什麼叫「暴露」？

打個比方。你的組合裡有很多科技股。表面上看，你買的是二十隻不同的公司。但本質上，你的收益在很大程度上取決於一件事——科技行業的整體走勢。

這，就是你的風險暴露。

---

**風險模型怎麼工作？**

它把市場的波動，拆成兩部分。

第一部分：**系統性風險**。也叫「因子風險」。整個市場漲跌、某個行業漲跌、利率變動——這些是所有人都要承受的風險，你沒法靠選股逃掉它。

第二部分：**特異性風險**。也叫「個股風險」。某一家公司出了醜聞，某一隻股票被做空——這是單個資產的獨特風險，理論上可以透過分散化來對沖。

風險模型的工作，就是把你的組合拆開，告訴你：你現在有多少錢押在系統性風險上，有多少錢押在個股風險上。

然後你來決定：這個比例，是你想要的嗎？

---

**一個場景，幫你感受一下。**

二零零八年。

金融危機爆發前夕。

很多量化基金的風險模型，顯示一切正常。組合分散，因子暴露合理，波動率在歷史區間內。

但是。

市場在那一年做了一件從來沒做過的事——**所有資產同時下跌**。

股票跌，債券跌，大宗商品跌，連黃金在最恐慌的時候也跌了。

為什麼？

因為當所有人都需要現金的時候，他們賣掉一切能賣的東西。這時候，那些基於歷史資料建立的相關性模型，全部失效了。

納朗在書中寫道，這類極端事件暴露了風險模型最深的侷限：**它們描述的是過去，而市場有時候會創造歷史。**

這不是批評風險模型沒用。而是說：風險模型是工具，不是神諭。你要知道它的邊界在哪裡。

---

**好，風險講完了。**

現在來說執行。

這是整條量化流水線裡，最容易被外行人忽略的一環。

為什麼？

因為它聽起來太「mundane」了。太平凡了。Alpha 模型多性感，因子、資料、預測——那是智識上的挑戰。

執行呢？

不就是下單嗎？

錯。

**大錯特錯。**

---

**先說一個概念：滑點。**

你的模型說，今天買一百萬元的某隻股票。

你下單了。

但是，你買到的價格，比你下單時看到的價格，貴了一點點。可能是零點一個百分點，可能是零點三個百分點。

這個差價，就是滑點。

一次看起來很小。

但一年下來，一個量化基金可能要做幾萬筆交易。

把這個小數字乘以幾萬筆。

結果是什麼？

**可能是你全年利潤的一半，就這樣消失了。**

---

**還有一個更嚴重的問題：衝擊成本。**

滑點是被動的——市場正常波動造成的。

衝擊成本是主動的——**你自己的買賣行為，推動了價格。**

想象一下。你要買一千萬元的某隻股票。但這隻股票每天的成交量只有兩千萬。

你一進場，市場就知道有人在買。

價格開始上漲。

你買得越多，漲得越多。

等你買完，你的平均成本，已經比你想要的價格高出了很多。

這就是衝擊成本。

納朗的核心觀點是：**衝擊成本不是偶然的摩擦，它是量化策略規模擴張的天花板。**

---

**這就引出了一個關鍵詞：容量約束。**

一個量化策略，能管多少錢？

這個問題，在圈外人看來很奇怪。錢不是越多越好嗎？

不是。

一個策略的容量，取決於它交易的市場有多深。

打個比方。一個專注於小盤股的動量策略，可能管一個億的時候表現非常好。

但當它管理十個億的時候，每次買賣都會把市場價格推動。原來的訊號，因為自己的交易而被破壞了。

這叫：**策略自我吞噬。**

所以你會看到一個有趣的現象：很多頂級量化基金，會主動關閉申購，不讓新錢進來。

不是他們不想賺管理費。

而是他們知道：**錢太多，策略就死了。**

---

**說到高頻執行，就不得不提另一個世界。**

高頻交易。

這是量化投資裡最神秘、也最容易被誤解的一個領域。

普通投資者的時間單位是天、周、月。

高頻交易的時間單位是什麼？

**毫秒。**

甚至是微秒。

百萬分之一秒。

在這個時間尺度裡，誰的伺服器離交易所更近，誰就有優勢。這不是誇張——高頻交易公司真的會花重金，把自己的伺服器放到交易所的機房裡，就為了減少幾毫秒的延遲。

這個世界，和我們普通投資者的世界，幾乎沒有交集。

但它告訴我們一件事：**執行，本身就是一門科學。**

---

**現在來說一個當下的對映案例。**

近年來，A 股市場出現了大量量化私募基金。

很多投資者發現，當市場出現波動的時候，某些股票的價格會出現非常快速的連續下跌，然後又快速反彈。

這背後，有一部分原因就是量化基金的集體執行行為。

當多個量化策略同時發出賣出訊號，同時開始執行，他們的賣出行為本身，就加速了下跌。

然後他們的風險模型發出警報，觸發更多止損，更多賣出。

這是一個**正反饋的惡性迴圈**。

這個現象，在業內有一個名字：**量化踩踏**。

它告訴我們：當足夠多的人用相似的模型做相似的事，市場本身會被改變。

這，是量化投資規模化之後，必須面對的新問題。

---

**說到這裡，我們可以把風險和執行放在一起看了。**

它們不是兩個獨立的問題。

它們是同一個問題的兩面：**你的策略，在現實世界裡能不能活下去。**

風險模型告訴你：你在承擔什麼風險，你能不能承受極端情況。

執行告訴你：你的訊號，在落地的過程中，會損失多少。

容量約束告訴你：你的策略，適合管多少錢。

這三件事加在一起，決定了一個量化策略的**實戰可行性**。

納朗在書中有一個判斷，我覺得非常重要：**一個在回測中完美的策略，如果沒有認真考慮執行成本和風險暴露，它的真實表現幾乎必然令人失望。**

這不是悲觀。

這是誠實。

---

**好，現在我們來做整本書的收束。**

回頭看這本書，我們走了一段完整的旅程。

第一章，我們打破了量化投資的神秘感。它不是黑魔法，是一條工程化的流水線：Alpha 模型、風險模型、組合構建、交易執行——四個環節，缺一不可。

第二章，我們深入 Alpha 模型。價值因子、動量因子、質量因子——那些「賺錢的訊號」背後，有邏輯，有資料，也有侷限。沒有永遠有效的因子，只有對因子保持敬畏的投資者。

第三章，也就是今天，我們看到了流水線裡最容易被忽略的兩半：風險和執行。滑點、衝擊成本、容量約束——這些聽起來枯燥的詞，才是決定策略生死的地方。

納朗寫這本書，真正想告訴我們的是什麼？

我覺得是這一句話：**量化投資讓我們用系統對抗情緒，但系統本身，也需要被質疑。**

不管是因子還是風險模型，不管是執行演算法還是容量規劃——每一個環節都有它的假設，都有它的邊界，都有它可能失效的時刻。

理解這些邊界，才是真正理解量化投資。

合上這本書，你不需要成為一個量化工程師。

但你可以帶走一種思維方式：**把投資當成一個可以拆解、可以檢驗、可以不斷改進的系統。**

這，已經比大多數人走得更遠了。

用系統對抗情緒，但也要質疑係統本身。—— 裡希·納朗，開啟量化投資的黑箱核心思想提煉