-
科普文 | 量化投资从0到1
止一之路 / 2017-07-15 07:55 发布
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 本文是科普文，对之前个人所写的量化投资相关的文章进行了一些整理，方便初次接触量化的朋友进行学习。量化投资，可以按照字面分成两部分，分别是“量化”和“投资”。“投资”是指我们把钱投出去，而“量化”指的是投资之前需要做的准备工作。
下面，我将会从这几个方面对量化进行展开，当你弄清楚这些问题之后，就可以快速上手量化投资了。
最近两年，网络上的量化平台如雨后春笋一般涌现出来。
就算你没有听说过，也至少知道alphaGo战胜了李世石、战胜了柯洁的新闻。
在可以预见的未来，投资也会如此。
对于常常和数字打交道的投资领域，量化能够发挥出什么样的光彩呢？
他在1988年3月成立的大奖章基金。在1989-2009年期间，大奖章基金给客户的平均年回报率高达35%。
詹姆斯·西蒙斯给投资界树立了一个标杆，告诉了人们通过量化的方式，可以获得远远超出平均水平的收益。
而我们大部分人都是普通人，他的那套“弹指神通”我们可以学得会吗？
同样作为量化的初学者，我的一些经验或许能够给你提供一些参考。
2007年1月1日到2016年11月24日初始资金5万的回测结果惊叹过后，我马上就用于实盘，下图是joinquant模拟盘至今的结果：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 二八轮动小市值 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 实盘是从2016年6月6日开始的，一年多一点的时间里，获得了年化14.02%的收益。当然，我实际上并没有紧跟这个模拟盘，因为中间对小市值未来存疑，我在2017年4月24日开始更换策略，就是我之前发布过的动态因子策略：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 动态因子策略 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 所以实盘的结果是，从2016年6月6日至2017年7月13日，实现了24.49%的收益，折算成复合年化收益是21.95%。对于一些牛人来说，量化的模拟盘可能是这样的：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 蚂蚁搬家03_精选策略 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 也可能是这样的：网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 银行日内 /div /div h2 id="1-2-" style="font-family:-apple-system, "color:#2F2F2F;font-size:24px;-color:#FCFAF2;"> 1.2 可以免受情绪的干扰买了是否还会跌呢？
卖了是否还会涨呢？既浪费了时间，又消耗了精力，还对我们长期地投资结果没有什么影响。
我们的投资决策，常常会受到情绪的干扰，这源于人性，很难解决。
在制定好量化策略之后，策略会根据市场的情况，对标的进行轮动。
以我个人为例，我设置的策略交易时间为14:50。
因为后面三分钟是深交所集合竞价时间，实际上交易的时间只有不到10分钟。
你说，这样的情况下，还有心思去纠结吗？
功课应该在投资之前就做好。
刚刚学习完价值投资，我就有这样的感觉。
我们还需要了解公司的商业逻辑，分析其竞争环境。
在刚开始还不熟悉的时候，常常需要花费十天半月的时间，才能研究好一个公司，并且这个公司还不一定适合投资。
也不怪有人会说，年轻人最重要的是投资自己。
量化投资，其实很好地解决了这样的问题。
如果你是一个上班族，想要获得不错的收益，又不想在投资上花费太多的精力，量化就是一个非常好的选择。
因为通过量化，你可以节省很多采集数据的时间[3]，让自己专注于定性方面的研究和分析。
对于投资，不知道你有没有一些自己的看法？
但是随着研究和理解的深入，我发现作业抄得再好，你也很难超越写作业的人。
然后我就不满足于抄作业，也有了一些自己的想法。
之前看到别人分享的方法论，胜率挺高的，并且实现起来也不困难。
还好当时总投入的金额并不多，并且在亏损之后也没有继续出现想要回本的赌徒心态。
在那之后，我通过量化的方式，使用历史的数据进行了简单的回测，结果是：短期能够获益，长期是要亏损的。
很多投资策略，都可以先通过量化的方式进行回测验证。
例如我觉得技术指标效果不是很好[4]，然后我就统计了果仁网所有现成的技术指标数据：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 技术指标胜率 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 在经过回测之后你会发现，单独使用的技术指标，大部分都跑不赢指数，胜率也不高。又例如，之前听说在节假日前，市场一般都会上涨[5]，我就忍不住去验证了一下：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 节前最后一天上涨的概率 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 发现还真有这回事。再例如，我们说中国大部分都是散户[6]，怎么样验证这个说法呢？
新增投资者数量和上证指数点位变化情况对比
交易A股的投资者数量和上证指数点位变化情况对比简单来看，量化其实是对数据的统计。
据说雪球大V持有封基，用了十年的Excel，量化十年赚了十倍。
第一次看到的是这个模型的2.0版本[7]：
其实这个策略实现起来非常简单，下面我就告诉你一个5分钟内就可以实现的方法：
表格网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 净值曲线 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 橙色的曲线就是该策略的实现效果。
多指数轮动3 怎么学习量化？
很多人对量化敬而远之，其实是因为对编程的学习存在迟疑。学习需要花费巨额的时间，却并且不一定能产生相应的价值，这是很多人望而却步的原因。
甚至很多策略在这些量化平台上，都已经实现了，我们直接拿来使用就可以了。
我们之所以学了时间英语，却不能和外国人正常交流，原因是什么你想过吗？
我们可以直接找到一个应用的切入点，例如拷贝别人的代码，然后改成自己想要的样子。
拿之前发布的动态因子策略[8]举例，这个策略真正编程的时间只有半天。
首先是回测部分，如果你看前面几行，还能发现别人的版本标识：
网页链接%7CimageView2/2/w/1240" style="height:auto;" /br / div class="image-caption" style="padding:10px;margin:0px auto;font-size:13px;color:#999999;" 版本标识 /div /div p style="color:#2F2F2F;font-family:-apple-system, "font-size:16px;-color:#FCFAF2;"> 其次是研究部分，代码也是来源于别人的文章《【研究】量化选股-因子检验和多因子模型的构建》[9]。但没有关系啊，我逐行去执行代码，把每一个疑问都研究清楚。
所以实际上，我只是代码的搬运工。
一开始我对matplotlib一窍不通，因为曲线展现的需要，就学会了如何绘图，周二到周六分享的上证指数温度计图片，就是使用得到的结果。
根据自己的需要，不断地去使用就好。也不用强求自己一开始就能做得很好，日拱一卒就够。
4 量化的注意事项
未来数据
边界条件
有效样本边界条件一般是指那些我们不能达成或者很难达成交易的情况。例如停牌，例如涨跌停。
样本的规模和策略中规则触发的频次有关。触发次数只有关键的几次，很可能这些规则就是过度拟合[12]数据的结果，得到的样本自然就是无效的。
附
[1]：与横扫华尔街数学家的珍贵对话
[2]：曾经，我找到了投资的圣杯
[3]：有了这几个工具，我研究公司花费的时间下降了80%
[4]：看K线，赚大钱。
[5]：又是一年五一节了
[6]：跌跌不休，什么时候是个头？
[7]：二八轮动模型升级至2.0版，更简单更赚钱
[8]：动态因子策略，圣杯？
[9]：【研究】量化选股-因子检验和多因子模型的构建
[10]：是什么，让你对自己的策略确信无疑？
[11]：投资10年300倍，你相信吗？
[12]：量化的实盘效果为什么总是不如回测？
©2014-2021 sjqcj.com All Rights Reserved. 
公安备案号 51010802001128号蜀ICP备19022937号-1