今天参加了清华大学开设的一堂量化策略体系研发课。
两位博士老师深入浅出的讲解了量化系统的研发，真是受益匪浅。
解答了很多我们团队在研发策略上的很多问题
实盘与量化策略回测中会出现的问题
1、实盘不可行，但回测却有收益
例如代码中的双均线策略
是按照股票当日成交量的全部买入，实际上是做不到的
如果每日成交量是10个亿，那我们的资金也要买入10个亿
在模拟的回测代码中是有写入的
但现实却是不可能实现的
2、交叉
比方说交叉的表达式
MA5>MA10 或者 MA10>MA5 作为买入卖出信号
然而在实际的扫描中，它却是实时的
如果有仓位的控制
那就要不停的进行买入与卖出动作。
一些有效的思高
例如在我平时做主观交易的时候，我会加入小级别与快速指标
那在小级别李，我可以加入大级别与慢速指标，进行反差结合
行为经济学与量化策略的验证
认识和利用情绪偏差
交易做这么久
就和我现在的认知是一样的
每一个技术指标最终都反应了群体的性格
在挑选出有价值的资产后
与市场情绪做反向指标
才能获得超额的收益
人性中不能避免的劣势交易心理
损失厌恶，避免后悔等。
在一个低收益的模型里
没有换一个参数
只是加了卡方分布+波动率修正
便提高了一倍收益率
AI在量化中的用法
在测试策略时，可以拿到极端行情中测试
AI由于数据量不够
A股30年都不到
所以目前还不是万能的。
币圈更是如此
其它需要学习的名字
跟踪止损止盈，海龟激进加仓法
AI的策略 PE 0-30倍，7天更新一次
因子的选择 单因子 多因子
美国的因子，无法用到中国的股市上
艾略特波浪理论
网友评论