: | : | :期货程序化 | :期货程序化研究 | :期货量化学习 | :期货量化 |
返回列表 发帖

谈谈量化交易的一些“深坑”

谈谈量化交易的一些“深坑”

作者:MathQueen
来源:知乎


一、量化交易都是什么

量化交易、程序化交易、量化投资,听起来很高大上的名词。随着市场的成熟化,去散户化,量化交易慢慢成为机构投资的主要手段之一,但它真的如同印钞机一样,躺着赚钱,还是不过是把“手动亏钱”变成了“自动亏钱”,本文说说。

成熟市场,散户的占比是很少的,比如美股,不到10%的散户比例,其他都是机构,再比如外汇交易市场,就没几个散户,因为散户早就死光了。有些外汇黑平台,你只要去它哪里炒外汇,给你送100美金,各种赠送,因为它心里太清楚不过,来一个死一个,几乎不会有例外。

既然当散户,就是被收割的命,那就不要人为炒了,用计算机来搞,计算机没有情绪,严格执行指令,如果稳定盈利,岂不是日进斗金。是不是想象很美好?

量化交易在外汇市场最为流行,因为外汇是高杠杆,而且24小时交易,作为一个交易者,如果按照日常作息去炒,只怕你在睡梦中,就爆仓了。外汇市场主要的量化工具是MT4(metatrader4),在MT4,MT5平台上,量化策略几万个,如过江之鲫。什么策略都有,只有你想不到,没有策略做不到的。

量化策略有几个大的方向,趋势、网格、趋势+网格、还有目前最为流行的机器学习。最简单的策略比如MA20策略,价格在20日均线以上就买,在20日均线以下就卖,别看这么简单,已经比大多数策略都强了。

机器学习就更是一个大开脑洞的地方,什么隐马尔科夫链、卷积、循环、蒙特卡洛树搜索,因为机器学习的决策特别像人,有些模糊化随机化,给人感觉机器给的指令,那就是深不可测,啥也别说的,听机器的就对了。于是掀起了一轮新的装X高潮。

趋势策略,一般是吃大势,在震荡过程中,不断承受小的亏损,最后通过盈亏比达标,获得利润。趋势策略基于人对于股市的认知,即所谓“截断损失,让利润奔跑”(loss cut,profit run)。趋势策略没有什么数学基础,都是靠感觉。认为虽然大部分时间市场哪儿都不去,就在那儿震,但一旦形成趋势,就可以获得超常回报。这就有一个问题了,“趋势”是真的存在吗?市场的“趋势”还是“震荡”是人想象出来的,还是真有?

网格策略,跌了买,涨了卖,这个倒是有一定数学基础,也就是马丁格尔网格,俗称“翻倍加注法”,如果输了,下次赌注加倍,只要赢了一把,就能回本并盈利。条件是本金要无限多。

以上无论是什么方法,其实都是人凭借想象,对股市一种感觉,落实到策略上,最后通过回测,证明了这个方法的可靠。



二、当前量化方法的有效性数据测试的误区

现在测试量化方法的有效性,就是通过“回测”,回测是将历史数据,带入到自己的策略中,模拟过去时段策略的表现,但“回测”的作用,估计大多数都误会了,它基本上毫无用处。

然后对回测的结果,进行调整(调参),妄图达成一条稳定向上的曲线。奔着这个目标,耗尽心血,浪费了大把时间。

1、回测方法不科学,造成新手的第一大坑

经常有量化新手,学习量化没三天,跑出来的收益曲线惊天地泣鬼神,什么几倍都是小菜,什么几百倍,甚至几千万倍都有,按照这收益曲线,巴菲特直接被秒杀。可这些新手也不想想,你哪里来的自信,开几个脑洞,就赚这么多,这世界上还有人需要辛苦工作挣钱吗?

新手犯错可能有几种:

1)程序根本就写错了,呵呵

2)未来函数,这是个比较隐秘的坑,需要好好找找原因,什么让你穿越了时间?

3)大大低估了手续费与滑点的影响,其实,在交易中,手续费(或者说所有中间费用的总合)是决定性的。我看很多人回测A股,如果是趋势交易,设置交易费用千一,滑点千三,那就是太小看滑点了。(至于滑点是什么,可自行百度)

4)无法成交的情况,比如涨跌停,你根本买卖不到,如何交易?

5)因为低估手续费,就造成低估了频繁交易手续费的影响,容易使得交易策略高频化,收益曲线看上去非常惊人。

2、回测是对历史的归纳,与未来是否有相关性?相关性大坑

这方面有几个案例,通常前几年表现好的基金,后几年就差;业绩差的基金经理,开除后业绩反而变好,这不是随口说说,有这方面研究论文。

换个市场,换个品种,换个时段,同样的策略,回测结果千差万别。

就算你避开了新手的坑,你同样可能掉进一个无穷回测的坑。

举个例子,你回测两个品种,一个回测结果好,一个回测结果差,请问你接下来打算应用该策略到哪个品种上?

如果你说肯定是用在回测结果好的品种上,否则我要回测干什么,不就是寻找好的结果吗?

恭喜你,你接下来,更大概率是会输给哪个回测结果差的。

3、调参的大坑

调参可能发生在所有策略中,特别是现在的机器学习最流行。想调个天昏地暗,又怕过拟合。

参数越多,得出的结果可能会越荒谬。这个就像你面对一个复杂系统,每多一个复杂度,系统就会更加混沌。你判断的最终结果大概率就是个错的。还不如家里的一条狗,来选股。

热衷于调参的人,都是一根筋,沉浸在虚拟的快感当中。可是结局早就注定是徒劳的。

量化圈经典的几个笑点:

1)回测吊上天,实盘不如狗

2)炒股穷三代,量化毁一生

以上,回测的意义是完全没有吗?其实是有的,比如你在程序中犯了一个低级错误,然后回测结果几万倍,你就知道,肯定是写错代码了。 回测的作用也就是这个了。



三、量化交易的根本问题

量化交易,通过建模,回测,然后通过程序化自动交易,取代了人工的买卖,效率上自然不必说,还是有进步的。

但量化交易的根本数学逻辑是什么,那就没那么明显了。

对市场价格进行数学变换,几乎所有市场,从加密货币,外汇,到美股、港股、A股,其实都一样,遵循完全相同的概率密度曲线,说个结论,比如外汇的EUR/USD,数学计算出来的结果是1.0006,随机过程是1,两者仅相差0.0006,也就是说,EUR/USD无限接近于随机过程,如果算上手续费、点差等因素,已经远低于1.0000了,你长期炒,只会通向死亡的终点。这一点也和外汇市场散户炒家近100%死亡率吻合。

当然市场有好有差,但空间都很小,手续费算进去,就没有哪个市场是很容易的,随着市场的成熟,空间会持续减少,直到变成外汇市场。外汇市场是最难的市场,是无敌的存在。

大致的市场空间排序为 加密货币>A股>美股>港股>外汇。

四、总结

量化交易,很多新手都有误解,以为就靠几个想法,就可以从市场上赚取大笔的钱,躺着赚钱是多么的令人神往。

但往往时间一长,就不再狂妄,知道市场是多么强悍。区别只在于,是被市场教训的早,还是教训的晚。

量化交易搞得比较大的平台,像Botvs,vnpy,聚宽,米宽等等,虽然掌握那么多量化的知识,积累了那么多量化的资源。最后还是靠给别人提供量化服务,教别人如何量化来赚钱了。你理解到底是为什么吗?

而你,既不是智商高达150,也不是数学天才,更是连一个IMO奥数题都做不出,就你那点脑洞,真以为市场是病猫,也是你可以随意蹂躏的?

论坛官方微信、群(期货热点、量化探讨、开户与绑定实盘)
 
期货论坛 - 版权/免责声明   1.本站发布源码(包括函数、指标、策略等)均属开放源码,用意在于让使用者学习程序化语法撰写,使用者可以任意修改语法內容并调整参数。仅限用于个人学习使用,请勿转载、滥用,严禁私自连接实盘账户交易
  2.本站发布资讯(包括文章、视频、历史记录、教材、评论、资讯、交易方案等)均系转载自网络主流媒体,内容仅为作者当日个人观点,本网转载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。本网不对该类信息或数据做任何保证。不对您构成任何投资建议,不能依靠信息而取代自身独立判断,不对因使用本篇文章所诉信息或观点等导致的损失承担任何责任。
  3.本站发布资源(包括书籍、杂志、文档、软件等)均从互联网搜索而来,仅供个人免费交流学习,不可用作商业用途,本站不对显示的内容承担任何责任。请在下载后24小时内删除。如果喜欢,请购买正版,谢谢合作!
  4.龙听期货论坛原创文章属本网版权作品,转载须注明来源“龙听期货论坛”,违者本网将保留追究其相关法律责任的权力。本论坛除发布原创文章外,亦致力于优秀财经文章的交流分享,部分文章推送时若未能及时与原作者取得联系并涉及版权问题时,请及时联系删除。联系方式:http://www.qhlt.cn/thread-262-1-1.html
如何访问权限为100/255贴子:/thread-37840-1-1.html;注册后仍无法回复:/thread-23-1-1.html;微信/QQ群:/thread-262-1-1.html;网盘链接失效解决办法:/thread-93307-1-1.html

量化交易搞得比较大的平台,像Botvs,vnpy,聚宽,米宽等等,虽然掌握那么多量化的知识,积累了那么多量化的资源。最后还是靠给别人提供量化服务,教别人如何量化来赚钱了。你理解到底是为什么吗?

而你,既不是智商高达150,也不是数学天才,更是连一个IMO奥数题都做不出,就你那点脑洞,真以为市场是病猫,也是你可以随意蹂躏的?
来学习的

TOP

量化交易,很多新手都有误解,以为就靠几个想法,就可以从市场上赚取大笔的钱,躺着赚钱是多么的令人神往。

但往往时间一长,就不再狂妄,知道市场是多么强悍。区别只在于,是被市场教训的早,还是教训的晚。

量化交易搞得比较大的平台,像Botvs,vnpy,聚宽,米宽等等,虽然掌握那么多量化的知识,积累了那么多量化的资源。最后还是靠给别人提供量化服务,教别人如何量化来赚钱了。你理解到底是为什么吗?

而你,既不是智商高达150,也不是数学天才,更是连一个IMO奥数题都做不出,就你那点脑洞,真以为市场是病猫,也是你可以随意蹂躏的?
策略都是假策略

TOP

TOP

返回列表