有关于量化交易的一点碎碎念

[AlexiaChen]

• 回测很重要，回测主要是为了发现问题。回测又不那么重要，因为最后还是要反应实盘在实盘收益上面，市场是检验真理的唯一标准。回测与实盘结果可能不一样，也就是大家会说的一个梗，回测买地球，实盘亏成狗。注意检查一下有没有用到未来数据，也就是所谓的“未来函数”。
• 交易有一个不可能的三角形，跟分布式系统的CAP理论其实是一样的，很多领域都有类似的三角形，也就是三个要素，不能同时100%满足。这里的交易三角是： 交易频率，盈亏比，胜率。 比如对于高频交易(HFT)而言，它的频率很高，可能每秒钟交易成千上万次，它持盈时间也短，盈亏比不高，但是他为了赚钱，胜率需要很高，近乎100%。所以它是可以赚钱的。
• 交易容量，其实交易容量就是一段时间内的成交量，自然高频容量小，也就是你本金到一定程度，收益就会下滑了。它容纳的资金有限。容量也是K线柱子的周期，有分时级别，小时，日，周，自然周期越大容量越大。容量越大的更好对抗资本，现在日内交易除了专业级交易员，基本就是量化交易的天下了。周期越短，人越没精力操作，不同的时间维度就像不同的赛道。一般来说，人只要不在量化的赛道进行操作，基本割不到你，所以对抗资本的最佳方式，就是把时间拉长，但是有个前提，就是好的潜力股，垃圾股就没办法了，长时间就退市了。
• AI在量化中的作用，其实并不是简简单单地拿到OCLHV数据对其进行学习预测，其中很复杂，因为金融时间序列一个很重要的特点是，高噪音，低信噪比，很接近于随机漫步，当前股价涨跌与历史涨跌相关性很弱，你无法简单通过历史预测未来。专业的机构有特征工程来挖掘因子，因子也就是有一定概率会影响未来走势的某个计算得出的值，因子可以是传统的技术分析指标(SMA, EMA, RSI, BOLL等等)，也可以是天气，自然灾害，疾病等，因为显然，外部环境会影响股票走势。AI模型的作用是将这些大量因子组成一个更复杂的信号，通过这些信号来触发买卖操作，人脑是处理不过来这些信号的，但是人脑有直觉，有盘感，其实已经隐式“计算”了。
• 交易就是概率的游戏，就是在随机中试图找出那一点点转眼即逝的“确定性”。
• 简单的交易策略是让人亏的，比如什么双均线，金叉死叉，这种简单的策略，大部分入门的书都会讲到，是不可能让你在量化中赚钱的，不过你可以把这个均线策略依赖的指标当作一个因子，这样是没问题的。
• 金融的基本知识可能还是需要学一点，因为有些量化的数学模型或者一些参数，如果不懂金融，可能会超出理论界限，有问题。正所谓理论是给实践提供上界和下界指导的。
• 多看看Kaggle的题目，量化交易本质上就是玩金融领域的数据科学，概率论是需要学好一点的。如果有AI和data science基础的人，自然入门量化交易也更快一点。
• Alpha的空间其实很小了，不然Simon的文艺复兴公司不会这么传奇。
• 引用一个牛人的一句话： 好家伙，从AI的量化交易又转换到传统的基于规则的网格策略的量化交易，你怕是两头都没学明白啊。 （我感觉隐含的意思其实就是当今专业机构，没有还不用ML和DL的策略了， 也就是基于传统规则策略的可能慢慢也不会好用了，这个就是专业啊）