一个量化交易策略师的自白

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    我之前在全球top5券商工作时也主要以CTA研究为主,每天都在不停的进行各种回测和开发。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种书籍和报告我都浏览过。不过,从实际运用的角度来看,不同的技术分析方法,指标类切线类也好,形态类波浪类也罢,无论其历史背景和基本原理如何,其实质都是基…

大家好,又见面了,我是你们的朋友全栈君。

        我之前在全球top5券商工作时也主要以CTA研究为主,每天都在不停的进行各种回测和开发。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种书籍和报告我都浏览过。不过,从实际运用的角度来看,不同的技术分析方法,指标类切线类也好,形态类波浪类也罢,无论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中量价时空等历史资料基础上的统计、分析和计算。

       由于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,一般趋势跟踪系统的获胜概率都低于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,当账户资金在短期内出现较大回撤的时候,很容易对自己的模型失去信心,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,如果一年下来赚不到什么钱甚至亏钱,后果你懂的。

        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,至今想想都觉得传奇。当时,我作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不少。也正是这段交易经历,让我知道了趋势交易就是一种煎熬,因为趋势交易是反!人!性!的:几乎总在最高点开多,最低点开空,所以每次下单都是如履薄冰。最致命的是,由于日内单边走势的下单滑点一般都比较大,如果你因为限价单没能成交,基本这千年等一回的机会就和你说拜拜了;而如果你不顾一切去追单,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。

       正因为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一海归博士GG在做,而我只负责模型的研发和维护。他每日的工作流程就是,每天早上打开电脑,检查数据流是否正常,然后打开模型,让程序自动执行,盘中各种纠结,盘后各种悔恨。而这,基本就是一天的生活。

      盘中纠结:由于资金量巨大,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)还是让坚决执行模型?这是个问题。毕竟一切浮盈皆是虚妄。

盘后悔恨:今天曾浮盈过百万,最后居然止损出局,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。

      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,因为它们都是以捕捉相对罕见的大趋势为基础的,而大趋势通常难得一见。在漫长的等待中,交易者很容易对自己的系统产生怀疑,转而相信自己能够战胜概率。

别问我一年下来赚了多少。事实上,CTA的容量是非常有限的,相比于部门的中介业务动辄上亿的利润,CTA的盈利基本可以忽略。虽然后来我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,但随后很多商品期货都开启了夜盘模式,遂逐步放弃。

       因为选择了CTA,导致我每天都在对自己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。

此是后话,有时间慢慢表来。

在中国的股票、期货市场,几乎所有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。至于自己所理解的技术指标能否盈利,另当别论。

      由于量化投资的门槛实在太低,大凡交易过商品期货的朋友(尤其是理工科学生,毕业后想进入金融机构以此为职业的),基本都在用自己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,究竟是橡胶、螺纹钢,还是豆粕、焦炭(股指期货的开户门槛太高,在校生一般玩不起),则不是他所要关心的。相信大家都有这样的体验,如果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。但期货市场不同,对于一个自己几乎一无所知的品种,却也敢用真金白银去交易。

       这是为什么呢?

       因为交易者用自己所构建的模型对该产品的历史数据进行过回测,每个月均实现了正收益。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,要想在期货市场凭自己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,对于熟手来说,基本就是分分钟的事。但如果你把测试和实盘等同,我只能说你too young too simple。因为历史测试充其量只是对未来的粗略估计,它或许夸大了系统的内在优势本来是纯随机的现象,结果导致一个在历史回测中看似有效或曾经有效的系统不再有效。并且,很多初入期市的朋友,在写模型时或多或少都犯了过度优化的毛病,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。可惜的是,要是可以交易历史数据的话,这个市场上还有亏货么?

       更为致命的是,即便你写的模型确实符合逻辑,也没有过度拟合,你以为就可以一劳永逸,躺着数钱了吗?那是因为你忘了,测试时,你可以把几年的模拟交易集中在几分钟之内完成,即使有几个月的回撤期,你也不觉得有啥,因为你知道了净值曲线的未来走势。但实盘交易时,分分钟都是煎熬,盘中每一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,你感受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,很多模型都由于与历史的吻合度太高,市场行为的一个轻微变化就会造成效果的明显恶化。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说,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,是因为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,是因为他们起起伏伏,但最终都活下来了。

还记得,当年部门年会时,领导让我作为新人代表发言,我balabala,洋洋洒洒上千言,直听得他们无不击掌。但作为结尾,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,各种分析、战法,直叫人应接不暇。我随意挑了几本翻阅了一下,看完后甚是惆怅,原来自己这么多年的书都白念了,这么多年的交易体验都白瞎了,因为所有的书都给人一种感觉:“炒股太简单啦!”“股市就是提款机!”“我们的目标是星辰大海!”。

回家路上,我对老婆说:“要不咱别做交易了,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,但前提是你能够战胜自己的内心。但即便你战胜了自己的内心,要指望大赚特赚,基本还得靠命。

———————————————————————————————————————–

拓展阅读:

序号 标题 传送链接
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 指数增强(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 做市商交易(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,还需要注意些什么? 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降低持仓成本 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,竟然花费了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,可以直接下载 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 指数增强策略 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
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/153224.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • horspool算法讲解_string匹配字符串

    horspool算法讲解_string匹配字符串Horsepool算法是Boyer-Moore算法的简化版本,这也是一个空间换时间的典型例子。算法把模式P和文本T的开头字符对齐,从模式的最后一个字符开始比较,如果尝试比较失败了,它把模式向后移。每次尝试过程中比较是从右到左的。假设文本中,对齐模式最后一个字符的元素是c,Horspool算法根据c的不同情况来确定移动距离,无论c是否和模式的最后一个字符相匹配。一般来说,会存在下面四种情况。情况1:看

  • 大数运算c++

    大数运算c++大数加法stringadd(strings1,strings2){if(s1.length()=0;i–,j–

  • elementui更改el-table表头背景颜色和字体颜色

    elementui更改el-table表头背景颜色和字体颜色博主在使用elementui中的el-table时感觉默认表格样式实在过于简洁,尤其表头与表格内容之间区别较小,不利于辨认,降低了用户体验。如图所示:于是,博主尝试更改一下表头的背景颜色和字体颜色,方法如下:根据elementui官网的说法,header-cell-style是表头单元格的style的回调方法,也可以使用一个固定的Object为所有表头单元格设置一样的Style。…

  • AvalonDock结合MVVM模式的应用[通俗易懂]

    AvalonDock结合MVVM模式的应用[通俗易懂]原始代码及文章参考:http://www.codeproject.com/Articles/239342/AvalonDock-and-MVVM环境:VS2010源码:http://files.cnblogs.com/jumahe/AvalonDockMVVMSampleCode.rar1、主界面ViewModel简介主界面由右侧两个Pane和一些要操作的文档(左侧窗体)组成。…

  • win10怎么卸载oracle_win10卸载oracle11g

    win10怎么卸载oracle_win10卸载oracle11g1.停止”服务”中所有关于Oracle数据库服务。切记:删除Oracle数据库,此文只是借鉴,因为每个人的删除数据库的时候,不可避免的出现与本文不一样的突发情况,新手删除数据库的需要勇气,大不了重装电脑系统。进入服务的方法很多,如:(1)在运行中输入services.msc,然后找到所有跟Oracle有关的服务。2.运行deinstall.bat找到你安装Oracle数据库所在的

  • BZOJ4567 [SCOI2016]背单词

    BZOJ4567 [SCOI2016]背单词AddressBZOJ4567洛谷P3294Solution简化下题目,对于排在第xxx个位置的串:1.若存在该串的后缀排在该串后面,该串的代价为n2n2n^2。2.若该串没有后缀,代价为xxx。3.若该串的所有后缀都排在该串前面,记最靠近该串的后缀位置为yyy,代价为x−yx−yx-y。显然只要把所有串翻转,则后缀都变成了前缀,建出Trie…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号