量化策略

什麼是量化策略？如果說的比較官方其實就是一句話：量化策略的本質是利用數學、統計學和計算機技術，透過分析歷史數據來發現市場中的規律，並基於這些規律構建可重複、系統化的交易決策模型，以期在未來獲得穩定、可持續的超額收益。 但是在現實中量化卻遠不止這麼簡單，因為量化策略的有效性是建立在市場有效性假設基礎之上的，由於有價證券的波動性越來越受到地緣政治和貨幣政策的影響以及短期市場散戶情緒的恐慌與狂熱，市場會經常性失效。同時，由於短線交易中多空雙方博弈的過程中資金量的不平衡以及對手方採取對手策略，往往也會造成量化策略的失效。這也非常好理解，如果量化策略總是有效的，那麼當今的世界首富應該是個數學家。 「量化沒有銀彈」是初學者需要上的第一堂課。 那麼既然量化策略不一定有效，為何我們還要研究量化策略。因為相較於消息面主觀判斷、跟風式投機。量化策略依然是專業投資者擴大獲利機率，降低風險損失的最適解。 一個完整的量化策略的建構通常分為以下幾步： 通常來說，我們可能會去學習傳統的MACD、RSI這種傳統量化模型，這種傳統量化模型，也會去閱讀各類機器學習的論文。透過理解理論可以方便我們後續透過python將理論轉換成可自動化交易的程式碼。 做量化，數據是基礎的生產要素，目前市面上已經有各類成熟的數據API接口，如tushare、Binance等，透過數據接口獲取到原始數據後，我們需要對數據進行清洗和缺損值填補。 因子挖掘可以說是我們量化交易中核心的工作之一，只有找到關鍵性因子，我們才能夠將量化策略的獲利最大化。對於市場來說千變萬化，去年的因子今年可能就沒有相關性，小市值的因子可能對於大市值股票毫無作用。所以一款優質的量化策略，這裡是重中之重。 我們將我們的量化策略程式碼化後。透過一系列專業指標來評估策略的表現，例如： 到了這一步，如果說你回測結果非常漂亮，通常來說一個量化策略就算完成了。但是坑往往就在這裡。很多新手或是在校學生在拿到一份漂亮的回測結果後便會有一種巴菲特附體的錯覺，然後一跑實盤便會虧到褲衩子。 這裡我們就需要了解回測和評估指標的的打折問題，在模擬盤中買入賣出點往往都處於非常理想的狀態，實際上，大幅度的上漲和下跌在實踐中對於普通交易者來說都是來不及交易，損失往往是在毫秒之間。對於回測的結果，我們需要複盤盤面大幅震盪時期的回撤，對於回測結果進行打折才能能夠獲得相對實際的回測結果。