量化交易从入门到精通：TOP交易员交易策略与实战手记_周泽炜_9787516422298

该书是作者关于量化投资策略的系统思考与实战总结，实战案例涵盖了股票、股指、期货、外汇等诸多交易领域。作者在书中深入浅出地揭示了众多量化交易策略的本质，近60种顶级量化交易策略，实战案例及程序源代码一本囊括，堪称量化交易者的“红宝书”。

推荐一宽客俱乐部冯正平程序化交易在国内兴起有些年数了，个人以为，程序化交易与量化投资的关系，在于两者侧重点有差别。程序化交易侧重于下单的动作是机器自动执行的，量化投资则侧重于投资分析的过程是通过一个量化模型来实现的，所以量化投资也可以是手动下单的，而程序化交易，除了有一部分是条件单之外，其他交易都是要有个数学模型来发出交易信号的，因此大部分的程序化交易属于量化投资的范畴。无论是程序化交易还是量化投资，本质上来说，都是决策与执行的工具。有业内人士提出，量化投资叫投资量化更好，同理，程序化交易如果叫交易程序化也会更贴近其实质。就研究的范围来说，目前的量化投资研究范围已经非常广泛，包括宏观量化、基本面量化、财报量化、事件量化、交易所交易数据量化等等，只要有数据就可以量化，量化作为一个工具其作用被发挥得淋漓尽致。在国内，程序化交易在绝大多数情况下指对交易所交易数据进行建模，并根据模型发出的信号进行自动交易。然而，这么多年来，能够通过这种程序化交易获利的人数并不多，程序化交易除了风控做得好一点，盈利状况与主观交易并无太大差异。究其原因，首先是研究范围狭窄，量化投资有那么大的研究范围，而现在还有太多人只是研究交易所交易数据，通过研究交易数据获得的利润，要分给这么多交易者，平均每个人能分配到的利润当然非常微薄，微薄到不够支付交易手续费。这里期货和股票情况不太一样，期货程序化交易获利可以认为是随机的，但最终大多数人都败给了交易成本；股票使用程序化交易的人相对还较少，应该还有发展空间；期权没有开放交易接口，情况也是如此。这是目前的情况。其实在程序化交易刚刚兴起的时候，是很容易获利的，一个很简单的均线模型，或者 MACD 模型就可以获利，后来懂的人多了，自然就不灵了。所以现在是到了程序化交易者们去开拓新领域的时候了，如何结合宏观分析、基本面或者行业分析、事件驱动，来进行程序化交易，是后续能否盈利的关键。当然，也可以把程序化交易只是作为一个辅助执行工具，或者是一个寻找技术上的合适买卖点的工具来使用。甚至可以通过宏观及行业分析，主观判断行情趋势，然后利用程序化交易去寻找买卖点自动执行，再用程序化交易进行风控和资金管理，自动执行出场及止损。程序化交易未来的发展，一个很重要的方向是 AI。人的思维毕竟有局限性，用 AI 自动学习，自动去寻找交易策略则可以突破人的这种局限性。AI 找出来的策略未必能够用逻辑去解释，但只要交易信号数量足够多，盈亏比和胜率达到要求，就可以尝试。

世间万物无一不在周而复始地变化着，因此，即使任何交易策略都不免出现失效的情况，但还是有许多经典交易策略，如一目均衡表、海龟交易、Aberration，都具有相当长寿的生命周期。但对于优秀的交易策略，不同人有着不同的定义。有人说，好的交易策略就应该可以在短期获取绝对收益。有人说，好的交易策略就应该在长期获得相对稳定的收益。而即使是长期最稳定的策略都免不了出现短期不稳定的情况。很多人都有一个误区，认为优秀的交易策略一定很严谨，因为严谨所以整个系统应该相对复杂。但事实并非如此，就像真理往往都是最简单的道理，生命周期较长的策略，其策略结构反而出奇的简洁。这其实很好理解，交易策略就像是一部机器。如果问你，一个由一百个零件组成的机器和一个只有两个零件的机器哪个更容易损坏？你的答案会是什么呢？其实量化交易能让人更好地理解交易。账户的资金曲线主要是由胜率和盈亏比两个因素决定的。因此追求高胜率往往需要我们以放弃盈亏比作为代价。而主流的交易策略是趋势跟随，这就需要以更优秀的盈亏比作为策略设计的逻辑起点。因此许多趋势跟随策略的胜率往往小于 50%。从概率学的角度来讲，这样的策略容易出现连续的亏损。我们发现当概率较低的策略出现连续亏损的时候，交易者会出现忧虑、质疑的心理状态。其实这和主观交易中交易者连续亏损造成的心理变化是相仿的，只是在出现连续亏损后主观交易者容易因为心态变化而产生交易失误。而许多专家却将其归结于“交易状态”，其实这只是因为短期市场节奏变化引起的短期策略失效，毕竟我们认为并没有能完美应对所有市场走势变化的交易系统。此时有许多量化者因为对策略的质疑放弃了原本盈利的量化策略，主观交易者因为对技术的忧虑，去改变原本正确的交易方式。而我们甚至不能把这种情况归结于人性的弱点。所以交易的本质不仅仅是人性。

你还可能感兴趣

我要评论