1.数据过少
从历史数据中挖掘规律，回撤用到的数据太少了容易导致错误，太多了也没有必要，一般采用一个牛熊周期的数据就足够了。
2.技术错误
使用未来函数，像年报、重大利好等，在回测时，都必须要消息公布后才能作为计算的依据，如果在之前就使用，就是使用了未来函数。这会导致回测取得了高的收益，但实际却做不到，会带给投资者很大的误导，使实战结果远远偏离回测。尽管无法完全避免使用未来函数，但还是要减少使用，以保证实盘尽可能接近模拟盘的结果。
不注意边界条件，中国A股中有些特殊的边界条件，比如回测中买入涨停、停牌的股票，卖出跌停的股票等，都会导致回测收益很高，实盘却差异甚大。
过度优化，在模拟盘中使用了过多的参数来优化模型，导致实盘和模型的差异非常大，一般建议优化因子不超过5个。
3.理念错误
对收益有不切实际的期望值，好的量化策略能大概率的跑赢大盘，却不能每个月或者每周都能跑赢大盘，甚至某一年跑不赢也是有可能的。因此当过度相信量化投资时，就会存在实际与预期的差距。
对冲策略是量化中的一种，但不是所有的量化策略都是对冲策略，A股市场，更多的适合用概率和负相关品种而非对冲。因此量化不等于对冲。
高频交易是量化中的一种，但是量化交易不限于高频交易，在A股市场，每周或每月交易一次的量化模型也能取得很好的收益。
另外量化也不一定要用“高大上”的工具，除了专用的工具，还有作者用了十年的EXCEL工具，虽土但实用。
网友评论