關(guān)于量化投資的七大誤區(qū)
量化投資
關(guān)于量化投資的七大誤區(qū)
從06年開始進(jìn)入股市已經(jīng)快10年了，也做了快10年的量化投資，作為一個(gè)非專業(yè)人士，從一開始懵懵懂懂的不自覺的用了量化模型還不知道自己是在用量化投資開始，幾乎所有初學(xué)者犯過的錯(cuò)誤我都犯過。正好下周有個(gè)量化投資的采訪，在采訪前先把這些誤區(qū)拿出來曬給大家：
從06年開始進(jìn)入股市已經(jīng)快10年了，也做了快10年的量化投資，作為一個(gè)非專業(yè)人士，從一開始懵懵懂懂的不自覺的用了量化模型還不知道自己是在用量化投資開始，幾乎所有初學(xué)者犯過的錯(cuò)誤我都犯過。正好下周有個(gè)量化投資的采訪，在采訪前先把這些誤區(qū)拿出來曬給大家：
誤區(qū)一：原始數(shù)據(jù)過少。畢竟有不少原始數(shù)據(jù)和價(jià)格之間是沒有直接的關(guān)系的，數(shù)據(jù)過少會(huì)導(dǎo)致結(jié)果有較大的偏差。一般來說，原始數(shù)據(jù)至少要經(jīng)歷過一個(gè)牛熊周期。如果你在牛市里收集的數(shù)據(jù)來優(yōu)化的，往往到了熊市一敗涂地；而僅僅在熊市里收集的數(shù)據(jù)優(yōu)化的，到了牛市就顯得過于保守。我自己10年里面惟一一年跑輸大盤的就是09年，雖然這一年也賺了不少，但受08年大熊的影響，量化投資采取了非常保守的策略，才會(huì)在09年嚴(yán)重跑輸大盤。如果真的覺得原始數(shù)據(jù)過少，比如在10年剛剛出來創(chuàng)業(yè)板，當(dāng)時(shí)的數(shù)據(jù)肯定非常少，用來做量化是遠(yuǎn)遠(yuǎn)不夠的，但可以慢慢積累數(shù)據(jù)，同時(shí)對(duì)于這些可靠性不強(qiáng)的模型，可以用模擬盤監(jiān)控或者非常小的倉(cāng)位參與。
誤區(qū)二：用了未來函數(shù)，也就是說用未來獲得的信息對(duì)現(xiàn)在的收益率產(chǎn)生了影響。我見過最多的量化模型里誤用未來函數(shù)的就是用當(dāng)天的收盤價(jià)對(duì)當(dāng)天選擇的品種產(chǎn)生影響，那當(dāng)然是巨高無比的收益率啊，你能知道當(dāng)天的收盤價(jià)，那這個(gè)世界上的財(cái)富都是你的了。另外最常見的是用下一年一季度公布的年報(bào)里的數(shù)據(jù)放到當(dāng)年、分紅到帳日和分紅除息日混淆等等。避免的方法只有對(duì)你優(yōu)化的標(biāo)的加上理解，慢慢熟悉后才能避免，即使像我做了近10年的量化，都不敢說100%避免使用未來函數(shù)，只是可能bug少一些而已。
誤區(qū)三：不注意當(dāng)時(shí)的一些邊界條件。最典型的是漲停跌停，初學(xué)者很容易犯的毛病，回測(cè)的時(shí)候不考慮漲停買不進(jìn)，跌停賣不出。回撤的結(jié)果巨高無比，實(shí)盤一做就不行了。還有類似的停牌也是需要考慮的。
誤區(qū)四：過度優(yōu)化 初學(xué)者最容易犯的毛病，可變參數(shù)用的越多，優(yōu)化后得到的年化收益率越高，越容易過度優(yōu)化，過度優(yōu)化好比做了一件非常貼身的西服，穿在這個(gè)人身上還不錯(cuò)，但只要換一個(gè)人馬上就穿不下。往往過度優(yōu)化后實(shí)盤和模型的差異非常大，最后導(dǎo)致否認(rèn)模型。建議的辦法是一方面不要過多的參數(shù)來優(yōu)化模型，另一方面可以采取這樣的辦法，比如說現(xiàn)在有07年到16年10年的數(shù)據(jù)，你可以先去掉16年的數(shù)據(jù)，就“假裝”回到了15年然后優(yōu)化模型，再把16年的數(shù)據(jù)放到模型中去看看是否有效，如果效果非常差的，十有八九就是過度優(yōu)化了。當(dāng)然這只是我的經(jīng)驗(yàn)之談。
誤區(qū)五：試圖每月每周甚至每天都能戰(zhàn)勝參照指數(shù) 上面誤區(qū)四說了“假裝”回到15年去看16年的情況，這里也要注意一個(gè)問題，就是再好的模型都不能保證每個(gè)月都戰(zhàn)勝指數(shù)，甚至某一年戰(zhàn)勝不了都是很正常的事情。初學(xué)者跟蹤了某個(gè)模型后最多的問題就是，為什么今天會(huì)跑輸？為什么這個(gè)月也跑輸了？我可以很負(fù)責(zé)的告訴大家，我做了快10年的量化，我就從來沒有遇到過一年里每個(gè)月都能跑贏參照指數(shù)的系統(tǒng)，將來隨著散戶的慢慢退出更加不可能有。
誤區(qū)六：量化投資就是對(duì)沖。說實(shí)在，國(guó)外量化投資做對(duì)沖的非常多，但在國(guó)內(nèi)因?yàn)橐皇亲隹掌贩N少，無法做到完全對(duì)沖活大部分對(duì)沖，在A股上對(duì)沖效果不好，有一些類似熊寶的產(chǎn)品又不是場(chǎng)內(nèi)的而且交易量也不大并且經(jīng)常偏差較大，而且現(xiàn)在的政策也限制做空。所以我在A股市場(chǎng)里的模型只用概率和負(fù)相關(guān)品種而沒有用對(duì)沖。當(dāng)然如果是商品市場(chǎng)、外幣市場(chǎng)等又是另外一碼事情了，我們這里討論的范圍僅僅限于A股市場(chǎng)而且絕大部分小散可以做的事情。
誤區(qū)七：量化投資就是高頻交易 應(yīng)該這樣說，大部分高頻交易都是量化交易，而量化交易不僅僅是高頻交易，我自己因?yàn)榍皫啄旯ぷ骱苊Γ瑳]有用過日線外的任何數(shù)據(jù)，交易模型也僅僅是平均一周交易一次，但依然可以獲得很好的效果。
誤區(qū)七：量化一定要用高大上的工具 現(xiàn)在主流的量化工具是Matlab、Python等。當(dāng)然除此之外還有一些工具也是可以用到量化中的。
第一種：用專用的工具如Matlab、Python。打個(gè)比方，就好像機(jī)關(guān)木倉(cāng)，熟悉了后效率非常高，但木倉(cāng)械相對(duì)復(fù)雜，而且掃射可能有死角。
第二種：就是我現(xiàn)在在用的用了十年的excel，非常土，但好比一把小手木倉(cāng)，因?yàn)榉奖悖S身帶著，拿出來就可以打，但可能打不遠(yuǎn)。
第三種：以flitter為代表，編寫了專用的軟件，動(dòng)用了四臺(tái)服務(wù)器，算一次化很長(zhǎng)時(shí)間，但能找到一個(gè)最佳值。好比是狙擊木倉(cāng)，一次狙擊要花上很長(zhǎng)時(shí)間，要有耐心，但好的狙擊手是一木倉(cāng)制勝。
不管你用什么木倉(cāng)，能打死敵人就是好木倉(cāng)，而且現(xiàn)在在國(guó)內(nèi)這個(gè)大刀長(zhǎng)矛時(shí)代，有一把木倉(cāng)就足夠你橫行江湖了
本文由東方銅牛網(wǎng)編輯，轉(zhuǎn)載 關(guān)于量化投資的七大誤區(qū) 請(qǐng)注明文章地址。