程序员的量化?快逃!

看到骆驼老师的发帖有感。

先附上他的帖子:

年轻人一般是这样掉进量化交易这个坑的:

1)投资业绩不理想或不稳定,迫切需要找一种牛熊通吃的盈利方法;
2)认为“工欲善其事必先利其器”,有很多想法需要写程序来验证;
3)自己能写程序就写,不能写就找一个能写的帮着写;
4) 下载历史行情数据、财务数据,发明各种模型做历史回测;
5)找到持续盈利方法,狂喜!没过几天发现是算法使用了未来函数,历史收益是假的;
6)修改算法,避开这类低级错误,收益率大幅下滑,不过依然非常可观;
7)为算法增加各种变量和约束条件,比如开平仓时间分别选择上午、下午或则收盘,发现月末做多胜率更高,或者发现星期二的收益最高.....回测结果出乎意料的好。
8) 终于实盘,吃瘪。或侥幸盈利,随后全部吐回去。
9)返回第4步,或第7步。
10)就这样过了一年又一年,钱没赚到,编程水平大涨,成为公司技术骨干。

我的这条不归之路是从入职证券公司开始的。因为偶然的因素,我加入了证券公司,然后因为规定原因,开始学习各种证券知识,而在此之前,我其实是没涉及过正经投资的,只参与过一位数价格的比特币。

因为平时开发得不断的计算各种指标,画各种图,然鹅遗憾的是,自己并没有好的策略,当时恰好看到各种量化基金的传说,于是开始做着拿程序来鸟枪换炮,打装备压制战的梦。于是这里便为后来的撤出阿富汗埋下了伏笔。

当时恰好币市第一次突破万美元,各种交易所遍地,而且很多都支持L2乃至L3级行情。于是找了一个在搞币市的同学,一起合作开始吃瘪路。各种vnpy,聚宽啥的一路走过去,各种参数,各种指标,一天跑几千个,曲线恨不得每个月翻倍。结果一到实盘,往往是爽不到几天,就一次还回去。不仅是因为当时交易所各种作弊,更大原因是行情数据本来就时间不够,最终结果只能过拟合。
最终结果就是亏了一屁股债,跑路收场。

如今反思,一方面是标准的量化新手问题,一方面是市场也选错了。因为币圈量化的低门槛,全球性,当时币圈已经到了红海。

后面又去有做市返利的交易所试了下做市交易,效果尚可,然而在那次跌到4000的直线瀑布中爆仓在4800,倒在了黎明前。于是心灰意冷,再次跑路。后面的故事都知道,4000点直升60000,然而已经和我没啥关系了。

现在的我终于是个养老选手了,轮动下可转债,封基,买点三傻打新。最多也就写点工具简化下操作。
只是今天有幸看到骆驼老师的总结,不禁有种夜阑卧听风吹雨,铁马冰河入梦来的感觉,如今只能道一声天凉好个秋了。
0

hzhdj

赞同来自:

回帖居然没有期货量化策略交易的,,,你们的交易标的没有期货么!正常要量化的交易的期货才是最有意义的吧!
2021-09-18 09:54 引用
2

量化投资先锋

赞同来自: Diuborui 蓝色坚韧球

人工智能意义在于它的学习功能,不在于会犯错,错了会修正。

报出100次风险,有97次最终能平稳落地,说明对风险认识存在巨大偏差,就要自行对风险评价系统做重新修正。

如果缺乏反馈机制,我对这样人工智能系统表示怀疑。

回测最大问题,缺乏反馈机制,一旦出现偏差,偏差会不断扩大。

致命性风险可能宁愿报错,绝对不能漏报。
有限性风险可能需要准确性,错报和漏报保证最小化。

人工智能系统缺乏减错、纠错,就失去意义。

不要在乎我们犯过多少错误,在于我们有没有发现自己错误的能力,改正自己错误勇气。
2021-09-07 10:31 引用
3

pppppp - +---++--+-+++++++++++

赞同来自: Diuborui 欢乐马云 蓝色坚韧球

确实如此
市场不缺聪明人;
但胜者更需要眼光、战略、勇气与定力;

很多聪明人,有时候连底线都可以随便改,那在战场上就是给你点诱饵,轻松带你到埋伏圈,两头一堵,直接坑杀;

这也就解释,五千多万的大宋帝国就是干不过 百万之众的西夏;
胜负不是简单的比大小;
如果人工智能高于人脑,必然取代人类,人类要么进化要么毁灭,共存的概率不高;
2021-09-07 09:04 引用
49

骆驼1978

赞同来自: fstop12 huoex elitecn fb2410 踏踏实实 hydk 集XFD Shawlock tbeanirong 流沙少帅 取碳 unrealww kindos 梵心的梵 蓝色坚韧球 闲逛3万天 捉螃蟹啦 FUZE fykjyy 大y阿飞 islq 愚豆酱 nathansz 老鸟菜菜 chisj miniming 丽丽的最爱 款特长 财富藏在哪 积少成多66 wjtb 明月几时有 小韭菜团子 甘泉 ziwu 组组长一 人来人往777 neverfailor JxfC panda006 十袋几歪 骑着单车看风景 geminizb xxldh 乐闲 路德费奇 eflikai pppppp m飞m更多 »

我所在的团队,曾经做了一项目就是关于人工智能的策略投资系统。

这个系统主要分几方面展开:

1、利用NLP技术,监控网络舆情事件,对网络舆情进行情感分析,给出定量描述(利空/利好)。
2、利用产业链图谱,分析上市公司上下游企业经营状况(销售收入、利润及财务数据等),用来推断企业未来的盈利能力或风险状况。
3、监控上市公司主要产品市场价格与成交量信息,用于预测未来的营业收入。
4、对上市公司银行流水进行识别分析,从资金流的层面审视上市公司经营状况。
5、对行政、司法公告进行智能化解读,识别上市公司法律风险。

经过两年时间的实盘运行,取得了与沪深300指数同等收益。

根据结果来看,这套系统对上市公司风险事件几乎能够100%俘获,但问题是错报的情况太多了,报出100次风险,有97次最终能平稳落地。如果据此来调整持仓的话,交易会非常频繁,冲击成本过高;特别是债券,一时间找不到交易对手方,只能折价卖出,最终债券投资这部分是亏损的。

我当然知道其他团队(机构)也在做同样的事情,所以呢,我就创立了“暴雷教”,就靠债券暴雷以后,机构相互砍仓砍出的超低价格赚钱。

当然,100次风险里可能有10次是真的,那我就亏呗。

=====================
从逻辑上说,这类系统是在提前捕获金融市场的驱动因子,比那种回测历史行情数据的学习模型更为可靠,便实际情况似乎并不支持这一结论。

根据这些实践经验,我慢慢领悟到,投资是否成功的关键因素,就是对"稀有事件"的解读能力。

注意,一定要是稀有事件,最好是以前没发生过的。
没有历史数据可以模拟,无法计量,人工智能就更没办法了。这个时候,就是常识+胆量+耐心发挥作用了,也是赚大钱的机会。
2021-09-07 09:02修改 引用
3

biso

赞同来自: 华哥505 jodz yinhezhqngquan

右侧,趋势动能量化
左侧,网格估值回归
交易系统都按照上面的策略构建。
2021-09-03 12:38 引用
4

量化投资先锋

赞同来自: 蓝色坚韧球 静之远 Aspirin Leo3155

投资博弈需要是策略,而不是模型,所谓策略都是有很强针对性和时效性,所谓模型都是一劳永逸永远能赢模式。

程序员永远无法完成万能程序,能适应所有场景,程序都只能特定场景下应用。

棋手没有固定赢棋策略,好的棋手能在特定棋面下,在很短时间能找到最佳应招,而不是固定招数,就能赢全天下。

机器狗能赢最顶尖职业旗手,机器狗可以学习目前已出现各类棋谱,最为顶尖职棋手所能学习棋谱极为有限的。见多识广,自然赢面更大。

在很短时间,人很难做过多计算,这完全可以计算机计算,计算过程未必复杂,关键在快和准确。

目前人工智能还无法具备类似人类的联想、类比等模糊推理能力。
2021-09-03 12:25 引用
4

Caleb89

赞同来自: 选择大于努力V 小会砸 绿光 量化投资先锋

股市里最重要的还是模糊的正确。我只看双低,双低都不低时就远离可转债,已经能赚到目标的收益率了。
2021-09-03 12:14 引用
3

非娜

赞同来自: 欧巴熊爸爸 zuzu2168 量化投资先锋

量化好坏,要看在用的人,千万不要"我不认识的字都不是字",这会让你错过很多好东西
2021-09-03 12:07 引用
0

四大野人也

赞同来自:

数学差的,就不要说量化不对
2021-09-03 11:49 引用
0

四大野人也

赞同来自:

西蒙斯真是神人!
2021-09-03 11:48 引用
16

骆驼1978

赞同来自: 无敌老郭 yuanhu coolchan fjh2013 和讯 nikki2015 TuesFool miraseed happybird XPEX Liberia 菜鸟老甲 你猜再猜 Kluer 心无挂碍 叫花子更多 »

所谓的量化基金都是挂羊头卖狗肉,背后都是人工决策,量化只是在交易环节实现了程序化交易和数量化标的过滤。
2021-09-03 11:44 引用
1

正溢价套利善人 - 微笑就可以了

赞同来自: Bourne0

买了点幻方量化,年化20%+,省心
2021-09-03 11:36 引用
40

骆驼1978

赞同来自: 阴影下的猫 欧阳修 chisj LZY2021 llllpp2016 明园 乐鱼之乐 waterboy813 Divaw 初学者3 闲逛3万天 Sybil廖 sdu2011 xyz6435 财富藏在哪 闲菜 Fxdever 钟爱一玉 yxyifei 我要开宝箱cc RiverToSea 路德费奇 逍遥chen happybird fuyda 深拥阳光415 夏天的夏天 九头 甘泉 Kir333 浪涛 选择大于努力V 菜鸟老甲 十年新股民 前途光明 Kluer qffrank5 老李2019 hydk更多 »

如果只是为了减轻投资工作的重复性劳动,使用程序化或量化手段辅助,这当然不是问题。从专业领域看来,这属于程序化交易和量化投资范畴,典型的卖方策略。

但程序员是这么想的吗?也就那么几十、几百万的资金用得着这个?

他是想利用人工智能从历史数据中挖掘出躺着赚钱的策略,这个就是给自己挖了个坑,永远都出不来。

这不,我现在还躺在坑里了,都12年了!这么说吧,你的投资模型中只要使用了高中以上的数学、物理和经济学知识,基本上就没戏。

幸运的是,我大部分仓位还是主观投资,主要是靠常识+胆量+耐心赚钱,我投资生涯95%利润来自于这一块。
2021-09-03 11:31修改 引用
0

rain

赞同来自:

随着技术的进步,靠业余的个人能力越来越靠不住,即使专业团体,也需要组织的力量。
2021-09-03 10:40 引用
1

Okrtew

赞同来自: 量化投资先锋

量化只是提高你的效率,把你方法程序化,怎么就不好了呢
2021-09-03 09:08 引用
2

量化投资先锋

赞同来自: qianfa horizon668

机器学习会比只拟合表现的更好,最大原因机器学习实际在不断修正错误或偏差,而拟合只是控制过去曲线误差最小化,认为现实是过去完全再现。但现实不可能过去完全再现,只能是部分再现。我们需要抓住部分再现。

量化只是一种数字化思维方式,而不是僵化的固定封闭思维方式。

如同程序可能并不完美,会有许多BUG,不断发现定位BUG,然后再不断修正改进程序,让程序不断健壮起来,BUG会越来越少,功能会越来越强大。

这个思维方式是一个不断减错、纠错、容错过程。

但总有人喜欢寻找一个绝对正确真理,实际是无法实现的。

只有你的错误越少,才能距离真理能近一步。
2021-09-03 09:04 引用
2

叫花子

赞同来自: 趋势交易者 似水流年

当年牛顿炒股就输得精光了,凯恩斯也好不到那里去,这可都是世界级的人精。我觉得普通人还是洗洗睡睡吧。用计算机来拟合这些强非线性动力方程,一个小小的参数变化就可能带来巨大结果的变化,表现就是巨额的亏损,连本带利赔下去都不够。不是什么某某长期资本公司,亏得都惊动美国财政部了。尼德霍夫回忆录里不是吹嘘自己靠计算机总结出什么什么规律,结果自己不是在97年赔了个精光。
2021-09-03 01:10 引用
8

xc0108

赞同来自: Bourne0 Jarbo muddle2000 悦动思行 杆子 xineric 甘泉 ppppp74更多 »

给大家推荐一篇文章:Avramov2019 - Machine Learning versus Economic Restrictions: Evidence from Stock Return Predictability。
这篇文章很有意思,可能揭露了为什么回测和实盘之间存在重大业绩差异的原因。
文章主要是测试机器学习策略在不同组合上的表现,组合一方面是一个全组合(包含大多数NYSE/AMEX/Nasdaq)股票,另一方面就是加入了许多限制条件的子组合,例如去除小市值股票,有财务问题的股票,以及高波动率等。
结果就是,在全市场组合上机器学习策略可以取得不错的回报(月回报率1.56%),但是在受限制组合上,收益率显著下降,各组别上至少下降48%,最多下降94%!
论文的结论是:机器学习确实是可以取得比传统方式更好的回报,但一些实际的交易限制对这些回报的影响巨大。
我的思考是:这篇文章的结论和我个人实际经验比较相符,也很好的点出了当今很多机器学习在金融工作方面的疼点:动辄用一个超大组合来回测,看似业绩不错,实际上不过是利用了市场在结构化上的一些问题。回测中没有充分考虑到交易的执行问题时,很有可能不小心就陷入了一些具有流动性陷阱的标的。或者从博弈论的角度进一步的思考的话,有可能你在回测中在这类具有流动性陷阱的标的上发现的盈利模式,其实源自于在实盘中你自己执行这笔交易后产生的信号,只不过这一次当你执行后别人就会来收割你这茬韭菜了。当然,这个研究是在美国市场上进行的,中国市场有其特殊情况,希望大家也可以发表下对中国市场的见解。
2021-09-02 23:47 引用
2

我心飞扬33

赞同来自: nikki2015 xineric

在量化上浪费了不少时间,找不到出路
然后看到头部私募量化年化10-20%,个人力量如何跟私募里的机器和人才比,还不如直接买私募
2021-08-26 10:14 引用
5

吉地

赞同来自: 黄花菜的花 Syphurith xineric 我心飞扬33 bbking更多 »

我觉得量化对个人可能是坑,对机构不一定。毕竟西蒙斯的业绩摆在哪儿。而且这两年国内百亿以上的量化私募冒出很多,如下,不一定真实,我也是网络上搜的:


我的客户经理,经常会给我发幻方和衍复的业绩,我看都很不错。

如果量化真的赚不了钱,这些私募的业绩是怎么来的?

现在交易所能提供每一笔委托的数据,可转债可以T+0,用机器学习来研究可转债的逐笔委托数据和价格之间的关系,然后做做高频,说不定也有效。就是硬件资源投入个人承受不了。
像中国电信第一天上市逐笔委托数据就超过了1亿笔。

我集思录上的账号经常会被一些新注册的账号关注,我有时候怀疑这些账号是量化机构的机器人账号,用来监控集思路上用户的关注点,用于服务机构的量化投资。
2021-08-25 16:51修改 引用
10

tangle007

赞同来自: Hek zuzu2168 彼岸绿洲A ziwu 闲逛3万天 qianfa 量化投资先锋 zealotcq rank更多 »

曾经指望用量化来证实, 结果赔了时间又赔钱,现在用量化来证伪,感觉科学多了
2021-08-25 16:32 引用
2

comepu

赞同来自: wensaiming 看看不回

曾经把十年历史回测优化到5万倍了,天天玩得不亦乐乎,一实盘,真是.....

总结了无数涨跌的规律,每次当我使用某条规律的时候,这个规律就失效。当我放弃这规律的时候,这规律又开始生效,唉,无语
2021-08-25 16:18修改 引用
0

crblfy

赞同来自:

差不多,编指标、算胜率、算期望、回测,避开未来函数,避开一字涨停等等,简化测试工具,批量测试,再归纳演绎。

现在还在折腾,只有折腾才会学习进步。
2021-08-25 16:16 引用
0

如佛 - 最美的声音是安静,最真的生活是平凡

赞同来自:

我有两个满仓的账户今年一笔交易都没做过,所以,我们虽然处于同一个市场中,但又好像根本不在一个时空中,或者你可以称我为幽灵。其实我是很怕被量化的镰刀收割的。
2021-08-25 16:13 引用
1

心无挂碍

赞同来自: xh330194

好贴,感谢各位分享
2021-08-25 15:18修改 引用
0

idiots

赞同来自:

我就是这么过来的
2021-08-25 15:15 引用
4

奇点时刻

赞同来自: hhutpj tv236 mini韭 临江饮茗

也捣鼓过量化。后来明白:量化只能分析过去,无法应对未来。当收益大幅回撤时,到底是量化系统错了,还是正常的回调?谁能对一个靠参数调节出来的系统充满信仰呢?
计算机不能代替人脑,科学也无法代替艺术吧。
2021-08-25 15:11 引用
1

养花种草

赞同来自: BILLC090910

做量化的不都是奥赛金牌吗?机器还得快
外加冷漠无情
2021-08-25 15:10 引用
1

水瓶妙人

赞同来自: ninja8863

无归纳,不演绎。
1-6是归纳法,以认识客观市场环境、认识市场工具的过程;
7是顿悟,建立符合自身心理承受能力的盘感和投资体系的过程;
8-10是最后打破思想桎梏,最终让工具为自身目标服务的过程。
2021-08-25 15:02 引用
4

Loadstarr

赞同来自: xh330194 liszt7 不怕更不悔 ooyoyo

掌握的技术越多,亏钱的途径也就越多。
我是这么觉得的。
2021-08-25 14:52 引用
1

latrell

赞同来自: liszt7

什么量化,老子我交易从来都是凭感觉
想学吗年轻人?我教你 “低买高卖,高抛低吸”
2021-08-25 14:52 引用
3

hahale

赞同来自: xineric ZachVizla

择时策略与市场契合才会赚钱,任何择时策略都不能保证与市场长期契合,其实各种择时策略最终都是无效的,因为市场是不断变化的。
就量化而言,只有轮动策略(例如动量轮动策略)、对冲策略、盘口策略被证实是长期有效的。
可转债摊饼是轮动策略,满仓打板也是轮动策略。
2021-08-25 14:45修改 引用
5

量化投资先锋

赞同来自: fuyda siva 临江饮茗 鼠标1 猫行天下更多 »

学习量化最为重要不是找到正确路径是什么,而是让你知道什么是坑,你躲避入坑,你走通概率自然提高。

太多人只看收益,并不清楚底下有多少坑在等着你。

实际投资和盲人探道是一样,拿个探路杖,不停初碰前方,发现有阻挡,就更换方向,前面没有阻挡再前进,我们可以知道就眼前几步的情形。

但总有人喜欢告你十万八千里之外有什么东西,以为自己有透视眼,能看清一切。

做好你能看懂的逻辑,至于你不懂的,听听就好,既不肯定,也别否定。
2021-08-25 14:38 引用
0

ZachVizla

赞同来自:

“为后来撤出阿富汗埋下了伏笔”——哈哈哈,老师好文笔
2021-08-25 14:35 引用
0

david2150

赞同来自:

量化关键是策略。参数一段时间内固定死,5次买卖三次赚两次亏,总和是赚的就行。比自己凭感觉盲目炒股还是强多了
2021-08-25 14:31 引用
0

玄猫

赞同来自:

交易的策略是头脑和手,量化只是你手上的工具,你有头脑和手就已经可以赚钱了,你有工具只是服务于你的手
2021-08-25 14:29 引用
3

我怕黑天鹅

赞同来自: BILLC090910 xineric 数据矿工

演绎才是根本,意味着策略具备底层逻辑基础(需要概率学数学财务学等等),归纳法可以用来回测用来证明。这种是最稳的。比如分级套利最典型的案例。
再就是确实没法演绎的,至少数学上是没有办法演绎的,比如a股打新股,考虑到开板卖出近乎100%的赚钱,而且中了也就投入万把块钱,没有不参与的理由。换一个角度看,科创版打新是10w内市值年华期望值增强20%的策略。可以当作近期a股市场的定理了,这个定理又可以用来演绎其他的操作模式,比如打新基金,对冲打新等等。
2021-08-25 14:26 引用
4

pppppp - +---++--+-+++++++++++

赞同来自: Laof fuyda zengyongqiang ZachVizla

大资金控制大市场,
简单来说,就是大部分小资金汇总到指定位置时,大资金开始收割;

仅此而已,只是每次的时间长度不同而已;

过程方法随意,由下面的操盘手来定,
大资金只要记住入场成本多少,当可预测盈利double或triple,发个指类即可,往复循环,tm真爽;

小资金想要吃了继续活下去,只能;
1.趋势 变相跟大资金
2. 规则 类似要约,可转债
3. 分散 失误一次不会死
2021-08-25 14:24 引用
0

瘦肥仔 - 价值投资

赞同来自:

目前我认为最牛逼的策略,转债双低,回测,实盘,都有验证。简单易操作,容量大,而且有强的逻辑!向凌波大佬致敬!
2021-08-25 14:21 引用
5

骆驼1978

赞同来自: 胖有型 ninja8863 鲜艳的红领巾 XPEX ahelloa更多 »

使用量化交易决策的人也不会大亏,大概率是小亏,90%的人年化亏损在10%以内,如果做出一个策略连续大幅亏损,那也是很牛X的。
2021-08-25 14:21 引用
0

bili

赞同来自:

前些年国外比较火的量化平台quantopian,到最后......倒闭了。
2021-08-25 14:38修改 引用
11

maoxiong

赞同来自: ikalang 泛舟Rain fb2410 wubin2018 小韭菜团子 fuyda 小鱼小鱼XD 鼠标1 组组长一 你猜再猜 bbking更多 »

作为一个玩量化自我感觉良好的人,给各位程序员一点指点。
  1. 所谓的量化是要解决一个什么问题? 能否把这个问题用数学语言表达出来?
  2. 求解这类问题,有哪几类方法?这些方法的主要原理有哪些?依赖的前提假设有哪些?
  3. 用这些方法来求解问题,产生误差的因素有哪些? 这些误差的估计能否计算?

想要玩量化,起码要能回答好前两个问题吧?第三个有点难,可以边玩边思考。

但如果连第一个都不会的,我建议还是直接放弃吧。
2021-08-25 14:10 引用
0

更名了jxjx - 分级基金好

赞同来自:

量化也是红海了。
2021-08-25 13:59 引用
1

骆驼1978

赞同来自: 丽丽的最爱

一些主动投资的私募基金,打着高大上的旗帜忽悠人而已,自己说是人工智能+NLP,其实背后就是人工决策。
2021-08-25 13:49 引用
1

strongdogking

赞同来自: bbking

幻方了解下
2021-08-25 13:43 引用
3

GLZ0514

赞同来自: siva IMWWD xineric

追求圣杯又一直被打脸的老投资者,基本都在次优选择上躺平了……
2021-08-25 13:42 引用
5

wxhcome1987

赞同来自: 我心飞扬33 barry 朽木不可雕yeh 人来人往777 xiaoyuerui更多 »

万能手法:平时固收 便宜(跌惨 鬼故事)分批买(空间时间) 设置仓位上限
等垃圾大饼爆发(50%起步) 分批卖(时间 空间)或者灭亡

复制之
2021-08-25 13:27 引用
0

四大野人也

赞同来自:

要不再读读讲西蒙斯的书?
2021-08-25 13:24 引用
0

四大野人也

赞同来自:

要不再读读讲西蒙斯的书?
2021-08-25 13:24 引用
0

小白啊小白

赞同来自:

正在4-7的迭代过程中,已经两年多了,还未成为公司骨干,看样子还是编程水平不行才没挣到钱
2021-08-25 13:11 引用
2

乌衣巷口 - 贵出如粪土,贱取如珠玉。

赞同来自: lnitcscq jackriver

我看封基老师量化玩的溜,各种excel一顿操作,往往还能得到不少规律。
2021-08-25 12:34 引用
0

还没想好1

赞同来自:

在强有效市场(连内幕信息都不能盈利的时候),量化才能真的发挥优势。
2021-08-25 12:26 引用
0

四大野人也

赞同来自:

还是要有模型
2021-08-25 12:25 引用
7

定投4638

赞同来自: ZachVizla sothin bhysz skyblue777 款特长 kzz8qh 网吧哥更多 »

量化还是好处多多的,量化久了可以通晓各门派武功,而且可以大大缩短这个过程,别人十年功,量化的可能3-5年就走完了。
但是招式懂得多,没有深厚的内力驾驭,那么还是会朝三暮四,三天打鱼两天晒网,到头来一场空。
招式和武功一起修炼才是正道
2021-08-25 12:09 引用
56

账户已注销

赞同来自: 御女雪千寻 小韭菜团子 我心飞扬33 Ujg68gy huron lehua fuyda 踏踏实实 yemu 雷诺 闲菜 YmoKing xjy123 知己知行 宁不烦 danpub forrestsu 丢失的十年 妖红 xineric 心无挂碍 Loadstarr zddd10 ZachVizla 海浪9999 newbison daxian100 tangzheci skyblue777 老李2019 浪涛 流沙少帅 叫花子 阳光下的生活 趋势交易者 kkvv881 laputan neverfailor 经常糊涂 nkfish Syphurith RiverToSea 天河北 资水 rank 人来人往777 flowerli Liberia 梦苏 我很Blue wangasus 都星哲733 菜鸟老甲 梦想成真啦更多 »

我来给个自己统计的数据,未必准确,自己参考用的。

沪深300指数本年度至今收益-6.2%,公募基金300增强收益中位值是-4.4%,私募300增强收益中位值是1.29%,自行选取的打新公募收益2.2%。

中证500指数本年度至今收益11.3%,公募基金500增强收益中位值是10.6%,私募500增强收益中位值为12.3%,自行选取的打新公募17.1%。

可以看到,说是量化增强,结果也有近一半是没能增强收益,反而是增强亏损的。

安全垫打新增强策略是最稳最多的。

整体收益上私募又比公募略好,但赎回时往往分成和收费,对投资者而言最后不见得还有优势。

不过量化这玩意,都是年轻人初生牛犊,人呐,总得自己试试才会死心。我当时也意气风发,做的又累,超额也不多,性价比太低了。现在投资基本躺平,简单粗暴,模糊正确足够了。
2021-08-25 12:09 引用
2

napoleonbb

赞同来自: 章柱 一颗药丸

这个路径我也走过。
亏到怀疑人生的时候一本哲学入门书给了我答案。
频率和概率的定义理清楚,所谓模型的理论基础就被推翻了。
2021-08-25 11:51 引用
0

yongwc - 跌了买,涨了卖

赞同来自:

量化好多坑,一坑就是好几年,回测都很好,实盘就吃瘪!同感!
2021-08-25 11:49 引用
14

甘泉

赞同来自: frank344 御女雪千寻 fuyda 我是阿冰 sdu2011 蝶之梦 抖腿狂魔 zoetina52 量化投资先锋 nkfish zuzu2168 ottotzen rank 数据矿工更多 »

量化还是要从演译开始,不能从归纳开始,守拙那些收益不起眼,逻辑够硬的策略,自动交易减少情绪的影响。
2021-08-25 11:48 引用
0

seaweaver

赞同来自:

这说的年轻人就是我,汗*
2021-08-25 11:41 引用
18

zoetina52

赞同来自: aiplus 御女雪千寻 FUZE nigelwang90 Syphurith coolchan newbison skyblue777 z20050403 tbcevil 人来人往777 Liberia 传达室李老伯 数据矿工 bismackzhang sdu2011 集XFD chivesreaper更多 »

你们都太精了
我都是拍脑袋选参数根本不调整 能赚钱就搞不赚钱就放弃
举个例子 比如我颇为喜欢双底
因为双底到底是股价和溢价率比率怎么分配?1:1还是1:0.76还是1:1.43,会不会调整了之后效果会更好?
调整之后究竟是拟合了还是真优化了鬼知道呢 第一眼1:1就1:1到底

反正都是看命 干脆就看命看到底
大部分想逆天改命的基本没改成
2021-08-25 11:38 引用
3

RX00 - 创造现金流

赞同来自: ZachVizla 蝶之梦 flei2003

投资始终是发现价值, 然后在风险和收益中取舍.
量化高频之类的是搬砖, 砖就那么多赢者通吃, 大多数人长不了
2021-08-25 11:38修改 引用
0

唐伯虎点烟

赞同来自:

写的挺好 奖励一块
2021-08-25 11:36 引用
7

sadday

赞同来自: cnsdlwzx digitalife xineric ZachVizla 蝶之梦 人来人往777 偷儿书生更多 »

普通人在家用自己的钱做量化是条不归路啊。
俄罗斯数学大佬在华尔街用别人的*做量化才是正道
2021-08-25 11:31 引用
4

弄潮投资 - 一级建造师界的注册会计师~

赞同来自: Hek zhangli1997 偷儿书生 hx279

不要做短线模型,做周频的多因子,Barra做风控,玩到深处全是数学。
2021-08-25 11:29 引用
0

z20050403

赞同来自:

说的太对了,找数据就能折腾好久,不过坚持还是有收获的
2021-08-25 11:25 引用
3

陪伴成长

赞同来自: 初出茅庐 心太软

如果手工操作不赚钱,那程序操作也不会赚钱 。。。
2021-08-25 11:22 引用
0

总是心烦

赞同来自:

10是不对的,一般沾了这个之后心思就不会再在工作上,先是混日子,然后成为公司边缘人,最终失业。
2021-08-25 11:21修改 引用
2

我是阿冰

赞同来自: 潜行ex yf0806

建议用最简单的食材,最古老的烹饪方法!赚钱的核心竞争力其实不复杂
2021-08-25 11:20 引用
17

小竹

赞同来自: 雪球ETF01 张锦锋 hzjinjian aiplus 御女雪千寻 大公鸡的世界 chenbangni ZachVizla sdu2011 量化投资先锋 newbison neverfailor 偷儿书生 FUZE bbblll rj45 胆子真不大更多 »

难怪我没成为公司骨干就变成无业游民了,原来是因为一直都不相信这样的量化
2021-08-25 11:18 引用
0

a30501139

赞同来自:

做量化的很多,但是真正赚钱的就集中在头部,量化这个行业内卷太厉害,蛋糕那么小,竞争却那么大
2021-08-25 11:18 引用
1

乐淮

赞同来自: nkfish

转债策略一大把,自己很容易模仿一个,回测一下,再操作一下,自然就知道是不是符合市场。
模型是很必要的,且如果认可一种模型,就不要实际操作和模型建议差别过大,除非认为模型失效。

双低模型我已经不太认可了,暂时没想好新的模型
2021-08-25 11:16 引用
3

骆驼1978

赞同来自: newbison ryanxzqn Liberia

共勉!
2021-08-25 11:15 引用

要回复问题请先登录注册

发起人

问题状态

  • 最新活动: 2021-09-18 09:54
  • 浏览: 14762
  • 关注: 171