一个量化交易策略师的自白

转 一个量化交易策略师的自白python

        我以前在全球top5券商工做时也主要以CTA研究为主,天天都在不停的进行各类回测和开发。彼时,部门的CTA交易主要集中在股指期货的日内投机上,基本市场上能搜集到的各类书籍和报告我都浏览过。不过,从实际运用的角度来看,不一样的技术分析方法,指标类切线类也好,形态类波浪类也罢,不管其历史背景和基本原理如何,其实质都是基于证券交易过程当中量价时空等历史资料基础上的统计、分析和计算。web

       因为可供交易的期货标的只有沪深300股指期货,虽然所在部门同时跑了多个日内交易模型,但基本都是一荣俱荣,一损俱损。更为关键的是,通常趋势跟踪系统的获胜几率都低于40%,真正幅度大的单次盈利都是好不容易才熬来的,这说明大部分交易其实都是瞎折腾,当帐户资金在短时间内出现较大回撤的时候,很容易对本身的模型失去信心,继而陷入反复优化的怪圈。要知道,部门的考核都是以年为单位的,若是一年下来赚不到什么钱甚至亏钱,后果你懂的。算法

        我在读研究生期间,有过一段奇妙的际遇,至于这段际遇是如何而来,至今想一想都以为传奇。当时,我做为一个博士一年级的学生,曾帮一私募大佬全权管理了一只3000万的CTA量化基金,为期一年,金字塔决策交易系统全自动下单,偶尔也人工干预。就是这段经历,让我在毕业求职时的简历比同龄人丰富了很多。也正是这段交易经历,让我知道了趋势交易就是一种煎熬,由于趋势交易是反!人!性!的:几乎总在最高点开多,最低点开空,因此每次下单都是如履薄冰。最致命的是,因为日内单边走势的下单滑点通常都比较大,若是你由于限价单没能成交,基本这千年等一回的机会就和你说拜拜了;而若是你不顾一切去追单,则很大可能刚成交一会就触发了止损命令,实际亏损是理论亏损的2倍还多。编程

       正由于知道了交易执行的艰难,毕业后进入全球top5券商后,对于交易下单和盯盘,一开始我就是拒绝的。部门的交易一直都是另外一海归博士GG在作,而我只负责模型的研发和维护。他每日的工做流程就是,天天早上打开电脑,检查数据流是否正常,而后打开模型,让程序自动执行,盘中各类纠结,盘后各类悔恨。而这,基本就是一天的生活。机器学习

      盘中纠结:因为资金量巨大,股指期货随便一个波动,就是几十万的盈亏。落袋为安(干预模型)仍是让坚定执行模型?这是个问题。毕竟一切浮盈皆是虚妄。svg

盘后悔恨:今天曾浮盈过百万,最后竟然止损出局,唉;今天要是不干预的话,本!可!以!盈利数百万的,结果少赚了近一半,唉,唉。学习

      别问我为啥总想干预模型。事实上,任何一个趋势跟踪系统都是很难坚持的,由于它们都是以捕捉相对罕见的大趋势为基础的,而大趋势一般可贵一见。在漫长的等待中,交易者很容易对本身的系统产生怀疑,转而相信本身可以打败几率。测试

别问我一年下来赚了多少。事实上,CTA的容量是很是有限的,相比于部门的中介业务动辄上亿的利润,CTA的盈利基本能够忽略。虽而后来咱们又把趋势交易拓展到了商品期货上,同时交易了十几个品种,但随后不少商品期货都开启了夜盘模式,遂逐步放弃。优化

       由于选择了CTA,致使我天天都在对本身的职业生涯产生怀疑,直到后来我跳槽到阳光私募开始管理对冲产品,开始了股票alpha模型的盈利模式。spa

此是后话,有时间慢慢表来。

在中国的股票、期货市场,几乎全部的投资者多多少少都懂点技术分析,什么MA、MACD、KDJ等等,诸如此类,不一而足。至于本身所理解的技术指标可否盈利,另当别论。

      因为量化投资的门槛实在过低,大凡交易过商品期货的朋友(尤为是理工科学生,毕业后想进入金融机构以此为职业的),基本都在用本身编译的模型进行程序化自动下单,或按模型提示的信号进行手撸。至于所交易的品种,到底是橡胶、螺纹钢,仍是豆粕、焦炭(股指期货的开户门槛过高,在校生通常玩不起),则不是他所要关心的。相信你们都有这样的体验,若是有朋友邀请你去打麻将或斗地主,而你却不怎么会玩,你多半会拒绝。但期货市场不一样,对于一个本身几乎一无所知的品种,却也敢用真金白银去交易。

       这是为何呢?

       由于交易者用本身所构建的模型对该产品的历史数据进行过回测,每月均实现了正收益。这TM不就是传说中的印!钞!机!么!

       然而,只有真正交易过的人才知道,要想在期货市场凭本身所理解的技术分析去赚钱,太难!太难!要写一个回测结果很好的趋势跟踪模型,对于熟手来讲,基本就是分分钟的事。但若是你把测试和实盘等同,我只能说你too young too simple。由于历史测试充其量只是对将来的粗略估计,它或许夸大了系统的内在优点原本是纯随机的现象,结果致使一个在历史回测中看似有效或曾经有效的系统再也不有效。而且,不少初入期市的朋友,在写模型时或多或少都犯了过分优化的毛病,对于历史上那些模型本没抓住的单边走势,改个参数就抓住了;对于那些模型反复开仓的震荡走势,加个限制就避免了。惋惜的是,要是能够交易历史数据的话,这个市场上还有亏货么?

       更为致命的是,即使你写的模型确实符合逻辑,也没有过分拟合,你觉得就能够一劳永逸,躺着数钱了吗?那是由于你忘了,测试时,你能够把几年的模拟交易集中在几分钟以内完成,即便有几个月的回撤期,你也不以为有啥,由于你知道了净值曲线的将来走势。但实盘交易时,分分钟都是煎熬,盘中每个波动都会刺激你的神经。此外,模型测试时,你关注的全是盈利带来的喜悦;而实盘交易时,你感觉到的全是亏损带来的痛楚。

       在实盘交易中,交易者的行为是复杂多变的,不少模型都因为与历史的吻合度过高,市场行为的一个轻微变化就会形成效果的明显恶化。再加上投资者某些情绪化和草率的出入场,承担了一些本没有必要承担的风险,再加上佣金和滑点,如此,根据市场的实际结构来讲,大部分投机者注定就应该发生亏损。

      事实上,真正在市场上赚大钱的人,大都是悲观者和幸运者。说悲观,是由于他们都曾有过亏得睡不着觉的经历,知道赚钱的艰难;说幸运,是由于他们起起伏伏,但最终都活下来了。

还记得,当年部门年会时,领导让我做为新人表明发言,我balabala,洋洋洒洒上千言,直听得他们无不击掌。但做为结尾,我话锋一转,说了下面的话:

       要想在期货市场上用技术分析赚到大钱,无它,两个字而已,靠命!

周末去了一趟王府井书店,没想到这年头到实体店买书的人还挺多。在里面转悠了一圈,来到股票板块,那家伙,各类分析、战法,直叫人目不暇接。我随意挑了几本翻阅了一下,看完后甚是惆怅,原来本身这么多年的书都白念了,这么多年的交易体验都白瞎了,由于全部的书都给人一种感受:“炒股太简单啦!”“股市就是提款机!”“咱们的目标是星辰大海!”。

回家路上,我对老婆说:“要不咱别作交易了,怪辛苦的,改写书吧?”

      “我看你有这个潜质。”

        在期货市场,散户凭借技术分析是能赚钱的,但前提是你可以打败本身的心里。但即使你打败了本身的心里,要期望大赚特赚,基本还得靠命。

-----------------------------------------------------------------------------------------------------------------------

拓展阅读:

序号 标题 传送连接
1 双均线策略(期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/153
2 alpha对冲(股票+期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/101
3 集合竞价选股(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/102
4 多因子选股(股票)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/103
5 网格交易(期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/104
6 指数加强(股票)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/105
7 跨品种套利(期货)量化策略源码 https://www.myquant.cn/docs/python_strategyies/106
8 跨期套利(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/107
9 日内回转交易(股票)量化策略源码 https://www.myquant.cn/docs/python_strategyies/108
10 作市商交易(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/109
11 海龟交易法(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/110
12 行业轮动(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/111
13 机器学习(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/112
14 仓位管理(1): 鞅与反鞅策略,凯利公司及其局限 https://www.myquant.cn/community/topic/673/2
15 仓位管理(2): 凯利公式指导投资与多种资金管理方式 https://www.myquant.cn/community/topic/679
16 多因子选股之有效因子 https://www.myquant.cn/community/topic/690
17 多因子策略之冗余因子 https://www.myquant.cn/community/topic/695
18 多因子选股之策略的实现 https://www.myquant.cn/community/topic/708/2
19 大师系列之彼得•林奇基层调查选股法 https://www.myquant.cn/community/topic/719/2
20 从量化角度告诉你常见的技术指标到底能不能赚钱? https://www.myquant.cn/community/topic/649/2
21 从回测到实盘(2):如何让回测更贴近实盘结果  https://www.myquant.cn/community/topic/665
22 程序化交易(3):从回测到实盘,还须要注意些什么? https://www.myquant.cn/community/topic/668
23 股市暴跌深套 | 如何利用日内回转交易策略下降持仓成本 https://www.myquant.cn/community/topic/704
24 算法交易策略的成功回测之一 https://www.myquant.cn/community/topic/721
25 股票中的情侣——配对交易 https://www.myquant.cn/community/topic/735
26 量化交易入门 https://www.myquant.cn/community/topic/28/2
27 分享一个python均线策略 https://www.myquant.cn/community/topic/78/2
28 一个量化交易策略师的自白 https://www.myquant.cn/community/topic/652/2
29 《利用Python进行数据分析》PDF电子书下载 https://www.myquant.cn/community/topic/618
30 高频交易:为了0.07毫秒的比拼,居然花费了1400万美金 https://www.myquant.cn/community/topic/634/2
31 分享几本量化和python方面的书,能够直接下载 https://www.myquant.cn/community/topic/89/2
32 2018:数据科学20个最好的Python库 https://www.myquant.cn/community/topic/664
33 《投资中最简单的事》读书笔记 https://www.myquant.cn/community/topic/575/2
34 史上最全的量化交易资源合集 https://www.myquant.cn/community/topic/624/2
35 七种量化选股模型 https://www.myquant.cn/community/topic/663
36 谈资金管理 https://www.myquant.cn/community/topic/579/2
37 网格交易策略(附策略源码与收益图) https://www.myquant.cn/community/topic/548/2
38 指数加强策略 https://www.myquant.cn/community/topic/527
39 日内回转交易策略 https://www.myquant.cn/community/topic/526
40 跨期套利策略 https://www.myquant.cn/community/topic/525
41 跨品种价差套利策略 https://www.myquant.cn/community/topic/524
42 集合竞价选股 https://www.myquant.cn/community/topic/523
43 基于EV/EBITDA倍数估值法的Alpha对冲策略 https://www.myquant.cn/community/topic/522
44 行业轮动策略 https://www.myquant.cn/community/topic/521
45 海龟交易法则 https://www.myquant.cn/community/topic/520


《算法导论 第三版英文版》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深刻浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版

《Python科学计算》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深刻浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版