|
 
- UID
- 2
- 积分
- 2732694
- 威望
- 1316343 布
- 龙e币
- 1416351 刀
- 注册时间
- 2009-12-3
- 最后登录
- 2024-5-13
|
[转载]不清楚作者何人的几段话
在一个群里看到的几段话，感觉有点颠覆我原先程序化开发的理念，但是回味一想，还真是这么回事。 如下：
在反复的测试中，在各类系统的敲打中，你会发现一些原来肉眼看不到或会忽视的行情特点。这个反复猜想、尝试、否定、改进、再尝试的过程，非常类似于自然科学领域的实验室研究。而且和那些实验员一样，你得写实验报告：把每次改动发生的变化记录下来，纵向横向比较，解读其中的意义。为了进一步了解研究对象，还有必要自定义一些指标来揭示一些变化规律，就如同实验室需要添置一些新仪器一样。我个人至少目前为止，坚信这才是真正的程序化研究。程序化研究的标的，就是行情自身的特征。就像自然科学的研究，它的目的往往很基础，就是想把某个东西弄明白——把它们的特征、结构、变化规律找出来。其艰苦和不确定性，尤其是在分子以下层面上进行研究，由于量子效应，非线性特征逐渐占主导，这层面的材料科学、化学、分子生物学的研究，除了基本的现代科学分析方法的指导和仪器的帮助外，真的少不了通过海量的试错来实现的，而且还不一定有结果，还要有点运气。
程序化交易，是想着怎么用这些特征。但没有程序化研究的程序化交易，往往走不远。它们总是在试图把自己的既有的主观系统客观化而已，量化到一定阶段，就有瓶颈。真正沉下去的研究，在解决一个问题时又会产生更多问题，而这往往是原先想不到的。这在科学领域是再正常不过的现象了。只有这样的研究，才能源源不断产生灵感，让自己对行情的理解和策略库本身都得以持续增加。而通过程序化研究，由着自己对行情的新见解产生新的策略，可能对交易者来说真的是不可或缺的收获。
一直以来，笔者也是崇尚自上而下去写策略，即由交易思想入手去形成策略，这种写出来的策略，如果成功，确实生命力比较强；但是往往这样去写策略，一个产量少，再者比较粗糙需要很大的细化操作。但是，笔者3年多程序化生涯，积累下来可实盘的20多个策略，却无一不是类似穷举法的方法开发的，即不断地去尝试开发一个模型胚子，可能100个里面会有5个相对比较稳定的模型胚子，然后再对这些模型胚子进行改造，改造的过程往往艰苦而长期，需要你不断的微调才能最后定型，甚至最后发现策略是个不能实盘的失败之作。这样的开发之路，有时候也往往让笔者也自我怀疑，这样开发出来的策略是否过度拟合历史数据之嫌？实际完全抓不到市场特征？但是，上面的2段话，却使我有种茅塞顿开的感觉，为何？因为如果是作为一个成熟的开发者，这样的开发过程，相信一个模型胚子出来，作为开发者，肯定会去审核胚子的健壮性和通用性，最后过关的肯定是抓住了市场某个普遍存在的特征的交易策略胚子，而不会是一个完全让自己都看不大懂的交易想法。
然后改造胚子的过程中，会发现很多想不到的问题，促使你去创造一些新的算法模型去解决问题，这是一个发散的过程，发散到可能一个问题，会牵连出无数个问题，到最后使你策略主胚子不变的情况下，策略细枝会很复杂很庞大；或者这个过程中会引发很多新的想法，使你的策略想法源源不断。
事实也证明，这样开发出来的策略，只要策略胚子是合理的、普适性的，那这个策略一定会是个不错的策略，只是去找到这样的胚子实在是一个需要大量摸索和运气的过程！这个和爱迪生找灯丝材料没啥差别！
所以，笔者现在想想，做程序化交易，对于程序化研究这块，无非就是对数据的挖掘，运气好就能挖掘到比较稳定的策略胚子，从此而下开发策略，完善、细化、测试、定型，然后实盘交易，这个应该就是所谓“量化交易”做的事情吧？ |
论坛官方微信、群（期货热点、量化探讨、开户与绑定实盘）
 
|
:
| 
:
| 
:期货程序化 | 
:期货程序化研究 | 
:期货量化学习 | 
:期货量化 | 
微信：
发表于 2019-1-6 22:04
| 
|
TB/MC开户优惠政策:
：
：
2024年最全的Python编程与程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-152864-1-1.html
2024年最全的MultiCharts程序化（量化）教程、视频、源码、课件、资源汇总贴：/thread-88129-1-1.html
2024年期货开户限时优惠：政策一：品牌期货公司开户，特惠佣金费率；政策二：短线炒单及大资金享高比率返佣；政策三：可申请交易所保证金比率（具体咨询客服）；政策四：享论坛VIP会员资格免回复看贴、千部电子书一键下载。