Edge
Chrome
Firefox
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。
京公网安备 11010802031449号