入坑量化一年总结贴
由mymdeep创建，最终由mymdeep 被浏览 398 用户
自我介绍
策略盈亏
在介绍自己之前，先看一下入坑一年写的一些策略吧，毕竟在这里策略的效果比名字有用。
策略本身都是一个优化的过程，现在能拿的出手的也就是这三个策略。
自我介绍
好了介绍完策略说一下自己，我出身互联网行业，专职程序员，所以我入门量化，程序代码不是难点，金融知识确实接触较少。所以我在编写策略时，更多的是缺少策略的思路，这也是我后续学习的一个重点。
\
对于量化的理解
接下来我说一下从我的角度来看，对于量化的理解。
量化的理解
我将现在的量化分为两类：
传统量化
对于传统量化而言，我可以看作是复杂的条件单，也就是我根据以往的数据，根据条件进行筛选，筛选出满足条件的股票，进行买入，当持有股票满足另外一个条件进行卖出。举个例子，底背离买入，顶背离卖出，那么我们只要根据历史数据计算出每只股票的背离形态，即可买入或卖出。
当然正常情况下，条件一定不会这么简单，如果仅是一个条件的筛选，那么可以筛选出成百上千只股票，还是无法继续细化，那么还是需要加入新的条件。比如市值，PE，交易量等等。
机器学习与量化结合
Bigquant的stock_ranker引入了机器学习的概念，这个是我在其他书籍上没有见过的，所以也在学习过程中。日常工作中也会接触算法推荐相关的内容，所以这里说一下我的理解。
先用数学的语言描述一下：
ax+by = 100求x,y的系数a，b。这样的题肯定是无法解决的，这时候就需要引入样本的概念，（x=2,y=3）(x=10,y=10)
这样就可以得出a=-70，b=80。当然真正的机器学习肯定不是这么简单的一个式子。
更详细的例子可以参考： https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ
这篇文章已经解释的非常清楚。
关于回测
回测是指我们根据机器学习算出的套路，套用一段时间的行情，看看是赔是赚。
在刚开始使用stockranker做量化时，十分迷恋回测的曲线，但是后来逐步发现是否真的有效果还是要看实盘。举个例子，有这样一组样本：
周一 晴 小明上班迟到
周二 雨 小明上班迟到
周三 雨 小明上班未迟到
周四 晴 小明上班未迟到
周五 晴 小明上班未迟到
在这组样本中有两个影响因素，星期几，天气，这个就是机器学习的因子，如果我们选错因子，选的是日子，那么可以得出结论周一，周二小明上班迟到。回测也是100%准确，但是后续的日子，我们可以预测周一周二小明会迟到，但是我们都知道这与周几无关，与天气有很大关系，回测只能表明，在这个回测数据中完全吻合，但是并不是最佳答案，这往往由于是回测数据不够造成的。可以多回测一段时间，就会发现，选择的因子不正确。
所以我的方法是，多回测一段时间，多回测一些时间段。
同时样本也要尽可能的多，包含各种情况，例如我们只选择某一年的股票数据当做样本，这一年并未包含一些大涨大跌的特殊情况，那么计算出的策略也是不够的。
所以不要轻易迷信回测曲线，这里可以参考虫哥的一篇文章：https://bigquant.com/wiki/doc/gaishuai-VEmyCgB5uz
如何使用策略
操作
当我们开始运行一套策略后，我们就真能赚到策略计算出的收益吗？
根据我一年实盘经验来看，还是很困难的，原因主要如下：
- 滑点：例如一只股票今天收盘价格是5元，推荐你明天买入，但是明天开盘就是5.2元，你提前挂单肯定是无法买入的，但是这种情况，你还会进吗？你能赚取多少收益？可能大部分人不会了。但是实盘收益计算是按照今天开盘价计算的，所以如果严格按照策略操作，尽量挂一个涨停的价格，这样做有风险，但是至少收益会与策略计算的一致。
- 心态：一个真实的例子，今年我在按照策略操作时，推荐了一只股票，我买入后第一天横盘，第二天涨停，按照策略第二天应该卖出了，我也有10%的收益了，但是，心态使然，觉得明天还会涨，我没有卖出，结果第二天跌停，这时更不想卖出，第三天又是跌停，清仓卖出。。。。，这就是没有严格执行策略的结果。但这也是人性，很难避免。
- 意外：有时候尾盘需要卖出，但是正好赶上那个时间有会，或者有些其他事情，导致没有操作，没有卖出，即便第二天开盘卖出，也是十分影响收益的
建仓
我今年看了不少策略，也写了不少策略，每种策略适用的行情不一样，比如上述的一个策略，一年收益26%，这个策略是纯防守策略，在今年11月份前，收益高达60%，对于今年的行情来说就算不错了，但是年底一波行情下，反而下跌了，也为不适合追涨，我还有一个策略，在大盘行情好时，追涨不错，一个月收益就有二三十，但是今年整体行情不好，一直是负的，所以没有贴出。
所以需要多种策略结合，大盘的行情如果仅通过计算很难判断，也容易出现判断不准的时候，特别是A股，受各种消息影响非常大。所以可以人工干预
行情好时：追涨策略建仓高一些，比如60%，防守40%
行情不好时：防守策略60%，追涨20%
这些可以根据个人情况进行分配。
特别需要说明的是，我的防守策略加了风控条件，也就是大盘不好时，可能不推荐股票，这时候，其实相当于整体仓位只有20%
结束语
关于策略
今年仍会继续学习金融相关的内容，并深入挖掘因子，编写策略，赶上一波今年的行情（如果有的话）
关于Bigquant
Bigquant是我入门量化的起点，感恩Bigquant完善的文档体系让我上手较为简单。但是仍有一些建议：
-
上文提到过我是程序员出身，编写策略时，还是不习惯可视化拖拽，一直用的是源码编写，即便是bug或者问题调试，也是习惯用python日志。但是实际编写时感觉Web的IDE还是有些卡顿难用，希望能够继续优化，提供一些调试功能，或者推出端上的IDE能力
-
Bigquant搞过MeetUp，也搞过一些优秀策略作者的分享，感觉收益良多，但是下半年时搞的越来越少了，后续希望继续举办。
\
==最后有志同道合，希望交流的同学，可以加V：mymdeep==
\