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。
赞同来自: fstop12 、huoex 、elitecn 、fb2410 、踏踏实实 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
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。
赞同来自: 蓝色坚韧球 、静之远 、Aspirin 、Leo3155
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。
赞同来自: 阴影下的猫 、欧阳修 、chisj 、LZY2021 、llllpp2016 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
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。
赞同来自: qianfa 、horizon668
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。
赞同来自: Bourne0 、Jarbo 、muddle2000 、悦动思行 、杆子 、 、 、更多 »
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。
赞同来自: 黄花菜的花 、Syphurith 、xineric 、我心飞扬33 、bbking更多 »
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。
赞同来自: wensaiming 、看看不回
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
如佛 - 最美的声音是安静,最真的生活是平凡
赞同来自: BILLC090910 、xineric 、数据矿工
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。
pppppp - +---++--+-+++++++++++
赞同来自: Laof 、fuyda 、zengyongqiang 、ZachVizla
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
赞同来自: 御女雪千寻 、小韭菜团子 、我心飞扬33 、Ujg68gy 、huron 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
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。