量化投資與算法交易(二)

· 當我嘗試用計算機科學去做股票分析的時候，我知道我的路走窄了，但是真的很賺錢； ---西蒙斯（數學家）

術語與概念

本來是直接開講回測系統(backtest)，但是線下有朋友反應很多術語以及概念不是很清楚，這樣直接開講回測系統的搭建就比較尷尬，所以為了更快的讓大家知道怎么搞量化投資與算法交易，我將費點口舌一一介紹；

金融交易術語

1，超額收益：我們一般叫alpha，就是你超出大盤的收益，舉個demo：大盤1個月上漲17%，而你1個月上漲5%，表面上看上去你賺錢了，其實你是個憨憨，你虧了12%，也就是說，你的alpha是-12%。。。

2，最大回撤：用來描述買入產品后可能出現的最糟糕的情況。后面會慢慢細說這個指標，很多公司會把這個題目當做算法題，有興趣的同學可以去寫個代碼算一下收益曲線的最大回撤；

3，夏普比率：1單位風險所獲得的收益，這個比較普遍；

4，市價單：以市場價進行買入的一筆合約；

5，限價單：以低于市場價格掛在市場上的合約；

6，一手：就是100個股票；

7，前復權：復權就是對[股價]和[成交量]進行權息修復，按照股票的實際漲跌繪制股價[走勢圖],并把成交量調整為相同的[股本]口徑。[股票除權]、[除息]之后，股價隨之產生了變化，但實際成本并沒有變化。如：原來20元的股票，十送十之后為10元，但實際還是相當于20元。從K線圖上看這個價位看似很低，但很可能就是一個歷史高位。（很多人看上面這句話都不知道在說啥，一臉懵逼，沒事，我詳細給你解釋一下：假設原來你有20個錘子，每個錘子1塊錢，突然你會魔法，又變出20個錘子，但是，錘子對于這個世界來說，所有的加起來就值20快，所以，相當于你一個錘子變成0.5塊了，但是實際你的總價值還是20塊）

8，后復權：復權后價格=復權前價格×(1+流通股份變動比例)+[現金紅利]

9，K線圖：就是統計學上的箱線圖，沒有任何區別，通過K線圖可以知道當前時間過的最高價，最低價，成交量等信息；

金融宏觀術語

牛市：市場總體偏好，就是大盤漲，持續時間長的那種時候的市場；

熊市：和上面的相反；

對沖：狹義的講：在兩個同樣標的的不同市場，比如螺紋鋼A期貨和螺紋鋼A股票，一個做多，一個做空，這樣叫對沖，背后的數學物理意義如下

1,假設在未來，股票市場市漲的，那么常識來講，期貨市場應該漲的稍微緩慢一點；所以，如果我股票市場做多（低買高賣）賺到的錢應該大于我期貨市場做空（借貨物，用未來某個價格買入貨物，歸還貨物，如果期貨是漲的，相當于我本來的貨物20元能買到，但是我愚蠢的花了未來的24元買了這些貨物，虧了4元）上述的情況，可以任意組合，你應該回發現對沖對于降低風險的意義；

配股：股票復制，價格不變，一般需要消費者出錢；

高送轉：股數增加，股價變小，總票面價值不變；

拆股：將股票股數復制N倍；

沖擊成本：自己的交易行為對自己的損失；

做空：希望貨物在未來便宜，所以現在借貨物，賣掉，未來用市場價買入，再歸還貨物；

做多：希望低買高賣；

算法和策略

任何可以讓金融衍生產品增值的哲學，在沒有形成系統的數量化之前，都叫策略，在有高級數學表示的時候，我們稱為算法；所以，我們接下來為了方便術語的統一，要明確一點，我們的標的是A股市場；

我們必須明確一點：所有算法和策略的時效性市非常短暫的，這個是常識，應該放棄我們在學自然科學的那套理論，在和人類打交道的時候，隨機性已經大于傳統算法的穩定性要求了；

所有算法和策略在歷史上是可以有限程度的復現的，具體受限于歷史復現不能影響歷史價格，歷史復現不能體現沖擊成本；

算法交易屬于量化投資的一個branch，算法交易并不是超高頻交易；（很多人理解錯誤）

如何體現算法/策略的靠譜程度

引入回測系統的概念

剛才已經明確說了，算法/策略是可以有限的在歷史上復現，那么這個復現需要科學的系統和數據的統一，這就是我們所說的回測系統：

回測系統一句話總結：?在回測當時日期的時候，不能出現任何當時日期之后的數據，而且，回測系統必須保持高復用性能； 在一個handle_bar的時間段內，我們需要一直調度我們的算法，讓他產生在每一個bar的某個時刻，對某個股票的交情況；舉個例子： 回測日期選擇的是2018年1月1號至2020年1月1號，交易頻率選擇的是日級別開盤交易： 那么我們的所有數據就一定是日級別的，對應的邏輯應該調整為日級別的，一個回測系統應該包含：盤前處理，盤中處理，盤后處理；

華為FinanceGo內測版本回測系統的邏輯架構

1，數據層，結構化的所有關于股票的數據，熱壓縮，bcolz；

2，盤前，盤中，盤后的事件驅動框架，也就是注冊機制；也要做到和事實數據的對接；

3，計算層，對portfolio的計算，包括對收益等指標的每日結算；

4，交易日志層，包括每一個bar的交易狀態；

5，仿真層：交易規則，稅務處理原則等

一個策略在回測的表現的意義

可以有限的表現當前策略在歷史上的虛擬表現，一般要除以2，代表踢出產生的所有成本（沉沒成本 沖擊成本 滑點 等）

可以給基金管理人一個真實的導向，排錯，升級策略，制作更完善的風控；

可以作為研究，給整個基金提供完整的收益導向；

策略舉例子

我將解釋一下一個標準策略的demo，用于解釋整個回測系統要做的事情：

[回測系統將在第三節種慢慢講]

from?financego?import?*? __config__?=?{設置回測開始結束，回測標的，回測資金，回測頻率等等} def?before_bar(init): ?????#?處理開盤前的邏輯，比如計算選哪些股票當做股票池 ??????pass def?handle_bar(init): ?????#?處理信號的推理?比如在股票池中選什么股票，買/賣多少，持有多久，怎么做風控； ??????pass def?after_bar(init): ??????#?處理盤后，用于第二天集合競價的時候需要做的事情，或者選擇第二天需要選擇的股票池，在模擬交易中，意義比較大； ??????pass def?schedule_algo(period="2week"): ??????#?每兩周做一個事情，你自己選擇需要處理啥； ??????pass run(__config__) """我們上述帶有bar的函數，在每一個回測頻率都會執行一次"""

量化交易包含什么步驟（哲學武器）

1，量化選股

使用任何算法，去選出你的股票池（可能會交易的股票的列表，注意只是可能）

這個任何算法已經說的很透了；你甚至

2，量化擇時

使用任何算法，用回測當前所在日期之前的所有數據，選擇股票什么時候買，什么時候賣，賣/買多少手，等等；

3，風控

是附加規則，發生什么情況的時候，止損；止盈；

4，回測

使用1，2，3開始回測，形成必要的調試，記住一點：你的調試必須合乎市場邏輯，否則一定是過擬合，市場會教你做人，千萬不要自欺欺人；

4，模擬盤

在回測達到滿意的效果的時候，對虛擬賬戶，采用實時數據進行交易，并通過這個穩定運行幾個周期，稍微調整算法和策略；

5，小盤實盤

在模擬盤穩定的情況下，可以開始用小額資金上實盤交易；并在這個關鍵點發現自己的策略是否能夠合乎自己的市場邏輯；

6，正式發布產品

小盤實盤可以的情況下，經過專家的風險評估，正式發布產品；

幾種算法哲學

1，模式識別，價格的表現由N種因素造成，但是歸根到底都會反應在價格上，因此市場上出現了很多模式識別學派；實驗證明這個是可以的；包括深度學習，機器學習；

2，根因識別，價格是有幾種因素造成的，那么通過特征工程可以找到相對應的因子，所以這個一定是有效果的，因此多因子打分派別誕生了；【google搜索關鍵詞，多因子打分即可獲得一些啟發】

3，價值挖掘，有人認為股票價格是由公司前景決定的，因此會從財務指標的角度，長期持有某些股票；

4，高頻差價學派：只要我速度夠快就可以找到價差，從而達到低買高賣；實驗證明這個也是可以的；

后續我們有非常具體的例子逐一對上述算法做剖析；

人工智能

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。