0
这个要顶
0
[转] 对“散户在大数据时代只能被边缘化”看法
在一个充斥着各大机构接近强有效市场的环境下，散户若仅靠个人，其长期统计的一个绝对年化收益为负值。
讲得直白点就是说在一个已经有很多拥有大数据高速分析力和快速获得内部消息的机构市场下，散户作为局外人，在金融投机市场下是绝对要亏的，最多偶尔lucky下，但总体而言还是亏的。
-----而我就是对这个观点不完全赞同。
我的看法大概是这样的：
我们都知道在金融投机市场，只要不是巴菲特那种依靠公司股份分红的价值投资，那就注定是场零和博弈---有人赢就一定有人输。
因此，站在量化投资角度来说，本质上就是人与人之间的PK,所以很容易理解大机构在决定量化投资的成功与否的3大要素（计算机执行速度、策略模型、消息获取&处理能力）占尽优势的前提下，自然成功率要比散户高很多。
丁博在节目将传统投资和量化投资比喻为拿着刀枪去打大枪大炮，那自然是打不过的。
但问题在于，真实的投机市场总散户和机构不完全是站在对立面的。
我认为虽然机构可以通过高速的大数据处理能力，挖掘出很多的潜在规律并予以及时利用，但散户不一定需要跟风才能赚钱；
是的，散户的计算机速度，消息的全面性和及时性不及机构---但这在量化投资的环境下真的就是弱势的体现吗？量化投资的成功就一定是只属于那个处理速度最快的机构吗？
我同意，如果彼此几个是大机构，用的是类似或者同种类的高频交易策略，那么硬件上的计算速度和信息获取速度能力就是决定成败的关键了，此时彼此间就是面对面的pk状态，不是你死就是我忘；
而且应该可以说越是大数据时代机构的分析信息及结论就越是趋向于同质化，也就越是容易造成pk的局面；
而站在散户角度，我认为也许可以利用量化投资的客观计算优势结合宏观消息面，基本面去分析挖掘一些具有较长时效性的规律，那么自然也就等于是利用了量化投资的好处也同时规避了散户用量化的短板；
我这么想的依据是：
1、短时间的大数据分析依然不能被完全证明对预测有效，有时信息挖掘不正确反而产生很多无效因子和结论；
2、相反得，宏观信息却在力度上有很强的趋势性和延续性；
3、通过消息面、基本面和技术面多个不想干的面相结合，可显著提高获胜概率；
举个例子：
我通过一个简单的量化模型选出了我认为在技术面近期看涨的股票A组，同时我通过分析基本面发现A组中筛选出一部分是结构良好而且当前是有基金公司进入的B组，再最后近期知道其中有一部分是造船企业，而正巧知道目前当前政策上中国要扩充海军，所以对船舶企业是利好，接下来我就可以买进，再同时利用量化工具设定一个技术面上的退出策略就可以了。----可以预见，在这3面的驱动下，非但没有和机构的高频交易冲突，还间接得利用了机构一定会在政策利好消息下活跃起来的规律。
所以我是认为即便是在大数据时代，散户依然可以寻找补缺市场，不一定就会被大机构边缘化，真正意义上的边缘化只可能是同质化竞争下的彼此；
我很认同撰写《通向财务自由之路》作者的一个观点---“你只能交易自己的观点”---换言之，没有绝对意义上的现实可以供你交易以保证100%的准确性，因次我相信不管是传统投资还是量化投资，不管是高频还是慢频，只要足矣说明是大概率事件，那就值得交易，。
首先，不过在什么时候，任何事情都是符合正态分布的，极端部分的人一定是少数；
其次，在大数据时代，机构的多元化和普及化确实有可能是个趋势，从市场中的分布来看确实散户会越来越少；
再者从盈利能力上来说，通过捕捉短暂的市场缺口的对冲策略确实最后只能沦为拼消息，拼速度的pk---这方面来说，肯定还是机构比散户强，散户要玩这个还是算了；
但是传统的赌趋势策略，首先它是不拼速度的，其次它比较受宏观消息影响，也就规避了大数据下散户速度慢消息少的影响---其哲学思想就是搭顺风车。那么我是在想再这样的背景，有没可能有那么一部分散户通过量化的分析一定程度上帮助其结合传统分析方法，在传统趋势投资中更胜一筹呢？
其实这讨论的本质就是：未来在数据越来越多，计算速度越来越快的时代，真的只有大数据和超高速才是通向财富的道路吗？ 散户有没有可能另辟途径，规避自己的弱势，发现另一个通往财富的林荫大道呢？ 当然不管怎么说，二八定律永远是存在的。
0
量化择时:度量市场“恐惧与贪婪”的量化择时指标
行为金融学将心理学尤其是行为科学的理论融入到金融学之中,它从微观个体行为以及产生这种行为的心理等动因来解释、研究和预测金融市场 的发展。本文希望从量化度量的角度,对市场中经常提及的“恐惧”和“贪婪”进行度量,并寻找其可能带来的投资机会。
我们将市场视为不同行业的组合结构,通过分析行业指数同市场指数之间表现的差异性,定义市场一致性指标。当市场处在单边走势下且一致性指标不断抬升,则我们对该类市场定义为“贪婪”或“恐惧”的市场。
通过量化操作规则的制定,我们发现市场在进入贪婪或恐惧状态时,往往能够延续原有市场趋势并保持不变,在模型确认的市场拐点处,投资者对行业分歧逐渐加大到一定程度,并开始怀疑原有趋势的合理性,最终导致市场结束趋势并开始反向运行。
通过市场指数和一致性指标的对应关系,我们可以寻找到过去5年以来重要的市场“贪婪”时段,如:2007年7月- 10月、2009年1月- 8月。以及重要的“恐惧”时段,如:2008年8月-11月、2011年9月-12月等。
通过市场指数和一致性指标的对应关系,我们可以寻找到过去5年以来重要的市场中长期拐点位置,如:2007年10月9日、2008年11月6日、2009年8月4日、2012年1月11日等。
根据交易规则,使用反转点固定持有期策略下,持有1周-10周的绝对次均收益都在1%以上,持有6周收益最高,次均收益为5.11%。若跟踪市场一致性指标高位持续时间长度后,重新定义随后持有相应长度反向交易策略,亦可获得4.33%的次均收益和9周的平均持有期。
0
如何成为“量化高手”
汇丰晋信
恒生A股指数基金拟任基金经理 方磊
很多投资人一听到“量化”这个词，往往脑子里浮现的就是一堆看不懂的数学符号及机器，仿佛是一个普通投资人很难理解的领域。但在我从事量化研究相关工作的十几年中，感受倒并非如此，量化，其实是接“地气”的：首先，量化投资与人为的主动投资互相依存；其次，其实每个人都或多或少在实践着所谓“量化投资”的方式，理论人人上都可以成为量化高手。
抛开复杂的定义，所谓量化，就是一套有历史数据支撑的模型，可以很高深、很复杂，运用到各种对冲交易及衍生品操作当中，也可以很基础，比如简单的运用PB、PE数据来做投资。其核心在于：游戏规则的制定，即模型；持续不断的数据跟踪检测及模型优化，即动态调整；坚定的执行力，即不以人的主观判断为转移。
我在新加坡从事量化投资的工作时，就经常与非量化投资人员在一起，观察他们平时的交易，总结他们的实战经验，构造量化模型。也就是说，量化模型的基础是经验的总结。打个比方，就像农民伯伯并不是通过科学的统计，来决定什么时候该施肥、施多少量，科研人员则是通过大量历史数据来论证这些已被历史经验证明是正确的结论，再在此基础上建立模型用来预测施肥时间和施肥量。
所以，归根结底，很多有效的模型其实是在实践中生成的，如果没有过去这些成功的经验作为历史数据论证，很多模型也就不可能出现。
每个模型一出现，都会有其有效期，一旦模型被市场大量复制，或者市场发生变化，模型就有可能不适宜，这也就是模型的第二个要点——要不断的更新和优化。
可能就有人会问，既然如此，那需要模型做什么？既然以人的经验为基础，需要人来修正，就做主动的投资好了。我想可以以我的案例来说明一二。
我也曾尝试为自己设计过一个小的量化模型用以测算效果。将钱分成十份，在一年之中，如果某一天指数的跌幅超过某个值，就购入一份，到年底时不管赚赔，都平仓。按此策略，当年如是牛市理论计算收获颇丰，虽然没有大盘涨得那么多，熊市当然是亏损，而震荡市在较多人亏损的状况下模型是盈利的。付诸行动后，某一年的熊市到年底，当计算发现账户是亏损时，面对这样的结果，人的赌性战胜了策略的执行力，根据主观判断觉得市场已在估值底部区域，持有的话可能盈利更高，最终没有执行既定的策略。而当第二年牛市出现时，根据当年的模拟计算，如果当年按照此策略继续操作，整个投资是盈利的，但是，由于前一年底没有执行平仓，理论上牛市来临也没有资金投入，只能继续被动持有却享受不到牛市的盈利。
这就是人性的弱点，永远会被自己的情绪和主观的判断左右，无论你认为自己如何理性。这也是为什么量化投资在海外愈加流行的原因：将人为因素抛开。
看到这，投资人应该明白，其实自己可能就在做着“量化”投资。比如，我计划每个月的10号买入1000元基金，这就是一个最简单的模型。随着时间的变化，比如市场PE值已到历史底部，可以考虑加大投入到每月1500元，这就是动态调整。那么，剩下的，就是执行力了。恐怕大多数人，到了该买入的这天，就会开始纠结，今天涨了这么多，明天会不会跌？要不明天再买？等等诸如此类，最终一拖再拖，这个“模型”也就名不副实了。正如做量化投资的人常会说的一句话，“严格的纪律和执行力是量化投资成功的保证”。
所以，想成为“量化高手”理论上并不难。给自己定好规则，根据市场及时调整，然后最重要的，就是执行到位。
0
最优化的时候要避免参数孤岛
一般人在作交易系統最佳化的時候, 通常多多少少都會作最佳化的動作. 其實最佳化的過程其實是一把刀的兩面. 作的好的話可以幫我們找到最適合這個市場的參數, 但是作不好的話就會讓我們陷入 curve fitting的困境. 在這裡簡單介紹最佳化參數孤島的情形.
假設我們現在有一個交易系統, 只有一個參數, 就是 x天的移動平均線. 一但收盤價向上穿越這條移動平均線就買進, 向下跌破這條移動平均線就賣出. 然後我們要找出這個x應該等於多少才是最適合的參數. 假設我們最佳化測試了10~100天, 間隔10天. 下面是每個參數的結果:
測試次數 x值 P/L(Profilt or Loss)
1 10 -45,000
2 20 -34,000
3 30 --67,000
4 40 +98,000 <-----有最好的profit
5 50 -87,000
6 60 -42,000
7 70 +19,000
8 80 -48,000
9 90 +79,000
10 100 -68,000
這時候當我們採用40天的移動平均線的時候, 會有最好的profit. 但是如果我們真的拿這個系統去交易的話, 我保證絕對死的很難看. 因為這個就是標準的參數孤島. 因為只有 x=40的時候才有很好的結果, 但是在x=40的附近的參數. 例如x=20,30,50,60的時候, 這個系統是會賠錢的, 而且賠很多錢.
良好的系統參數應該是在最佳參數的鄰近數字, 也應該有相對不錯的表現. 例如我們用40天移動平均線有最佳的表現,那麼我們應該用30 or 50天的移動平均線也應該有不錯的表現. 如果有很大的差距的話. 那麼很可能就是curve fitting的結果.
另外假設我們測試的結果是這樣的情形的話:
測試次數 x值 P/L(Profilt or Loss)
1 10 -12,000
2 20 +34,000
3 30 +67,000
4 40 +98,000 <-----有最好的profit
5 50 +87,000
6 60 +62,000
7 70 +39,000
8 80 -18,000
9 90 -19,000
10 100 -18,000
那麼我就會很有信心來採用 40天的移動平均線來作為我的參數. 因為最佳值 40的鄰近數字:20,30,50,60,70都有不錯的績效表現. 所以代表著如果市場表現跟之前不同的話. 我的績效也不大會有太大的變異. 這樣就算我的系統出現連續虧損的情形, 我也會相對有信心來繼續採用這個交易系統.
0
“就是设置大量并不会执行的指令，造成虚假市场需求”
这就是国内期货市场的写真：看焦炭、菜粕、胶等大量频繁变化的买盘卖盘，再看看可怜的成交量，就知道主力是怎么玩弄散户交易者
因为某时刻真的只有你一个人在交易，因此为什么出现：你一买多就跌，你一卖空就涨，主力看的很清楚，因为那些虚拟有买卖盘都是程序做作出来的，只是保持交易热度而已。
形成的趋势也只是为让你上钩而人为画出来的，所以期货就只有一个字：就是变化，没有什么一成不变的技术，保证你一直赚钱。
0
顶
0
（转）如何在实战中检验策略的有效性？
1. Including trading cost such as commission, slippage into simulation. You need a valid method to estimate slippage etc.
2. Having realistic model assumptions. Pay strong attention to liquidity and be conservative. For example, the model should not consume more than 5% of market daily volume.
3. Developing a stable and forward-looking Algo to capture alpha and control risk. At time t, the Algo should only use information up to t-1.
0
量化投资靠什么赚钱：市场存在的普遍而稳定的规律。脱离了这个，量化投资是很难盈利的。
量化研究有5大方向：趋势跟踪，套利，因子选股，快速短线，高频交易。
对于数学、物理、计算机功底不是特别强的人来说，量化投资最好遵循从上至下的思路，这样容易抓住普遍规律。
因此我们需要寻找一些市场普遍存在且不容易变迁的规律，这些规律的寻找，只能依据个人经验。所以做量化投资的人，需要有一定的主观操盘经验，否则，对于一个基本没有主观操盘经验的人，一上来就做量化，是很难做好的。（西蒙斯的人除外）
个人就量化中的一个领域：期货的单边投机领域，谈谈个人的浅见。
个人总结，量化投资有一个限定条件，尤其是期货的量化投资，那就是，期货的量化投资基本上是不考虑品种供需和宏观经济基本面的，只看价格及与价格有关的成交持仓等数据。
在完全不考虑基本面，同时不做套利交易的前提下，只看价格或者价格成交持仓等数据，实际上，能够体现的，普遍性的具有获利性的规律，还是相当稀少的。这就是为什么市面上大部分系统都具有高度同质性。我认为，只存在3个普遍而具有获利性的机会。
规律一：期货市场整体而言呈现趋势运行状态。这个规律不多说，大家做量化都是用的这个规律。不过我说两句，对于大周期的中长线趋势，比较简单。而对于短周期的趋势交易，由于价格周期越短，趋势性越弱，因此做这类系统有一个诀窍，那就是，尽管交易是在短周期K线触发，但通常会引用大周期的数据来参与计算，如引用了前1天的开高低收等。主观操盘者同样会运用这条规律盈利，所不同的是，他们根据图表形态确定阻力和支撑位，从而动态确定趋势确立的阀值点位，同时加入一些基本因素的过滤或者消息面的思考。
规律二：外汇市场呈现出比较明显的震荡运作状态。这是外汇网格类运作的基础，这也是为什么外汇市场几乎全部都是震荡模型的根本原因。但是在资金有限的情况下，网格容易爆仓，因此需要用一定的资金管理，取出盈利的资金。
规律三：市场大多数时候高度随机，只有在剧烈博弈时会呈现非随机性。当多头猛烈攻击空头，导致最后的空头被迫止损，或者在场外的投资者被上涨的趋势吸引，而纷纷进入市场时，意味着最后一批做多的力量也进入了市场，此时再也没有多头来推动市场上涨了，市场就会步入一个阶段性顶部。这个规律不会随着时间的推移而改变，体现了市场博弈的本质，量化投资可以加以利用。但至于如何构建系统，则仁者见仁，智者见智了。
转载
0
T十U
4
评论(44)
收藏
展开
