量化交易_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩6页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢&p&&b&不会涨，会跌。&/b&&/p&&p&都让一让哈 ，菜鸡今天发大招了，不仅告诉你为什么跌，还告诉你怎么跌，跌的顺序是什么。&/p&&p&---------------------&/p&&p&先从最近的大新闻说起。&/p&&p&上周三，中国公布了5月宏观数据。影响房价最关键的一个因素，也就是M2（广义货币）的增长，其增速多年来第一次降到了个位数。&/p&&p&上周四，日，美联储加息。加息本不意外，但是美联储主席耶伦表态要强势“缩表”，也就是回笼市场资金，其收紧货币的姿态比预期还要紧。&/p&&p&加上中国最近一些银行已经陆续在上调房贷利率，以及最近一系列眼花缭乱的动作，都指向同一个点——中美都在争相提升一些资金利率，一个新的周期正式开始了。&/p&&p&&b&楼市正式迎来了拐点时刻。&/b&&/p&&br&&p&一些朋友会问，一手房不是已经在降价了吗？呵呵，其实最近的一手房降价，完全是政府行政要求。开发商其实都在暗中抵制。比如一手房本来市场价应该是1000万，政府要求开盘价不得高于850万，那开发商就要求收“150万”的茶水费。&/p&&p&这完全是假降价嘛。甚至菜鸡看的一些楼盘，开发商明确表示不！卖！了！&/p&&p&但是好巧不巧，周四美联储加息之后，菜鸡一直盯的一个楼盘，就偷偷开盘了。&/p&&p&因为这家开发商明白，楼市的降价通道已经打开，降价只是时间问题，如果现在早点卖掉，还能趁楼市高位，多收点钱回来。&/p&&p&由于此前限贷、限购、限售政策三管齐下，楼市已经是强弩之末。接下来，菜鸡估计7月份楼市就要真正开始降价了。&/p&&br&&p&&b&加息对楼市的杀伤力是非常大的。&/b&&/p&&p&我们就看看美国和日本的历史。&/p&&p&2004年，美国进入加息通道，3年加息17此，2007年，美国就发生了次贷危机，房价大跌……&/p&&p&至于日本就更惨烈，1989年到1990年的15个月里，日本3次提高贴现率、5次加息，后面楼市就彻底崩盘，至今没缓过来……&/p&&p&美国2004年进入加息通道，3年连续加息17次，2007年发生次贷危机，房价大跌。&/p&&p&当然，上调基准利率这种猛药，我们还不会那么快使出来。毕竟这会误伤中国的实体经济。&/p&&p&按照现在的情况，央妈今年不一定会全面上调基准利率，但是会通过各种渠道“收水”，变相的提升市场的利率。前阵一些银行提升房贷利率，就是因为这个原因。&/p&&p&当然，考虑到中国的需求强劲，大家不要指望中心城市能降多少。绝对不会像美国、日本那样崩盘。所以找准时点，择机出手，是大家最优的选择。&/p&&br&&p&&b&好了，下面说说下跌的顺序。&/b&&/p&&p&接下来，这个降价的链条将会如何传导呢？菜鸡请教了一些学者，再结合以往地产周期的规律，能给出一个大概的轮廓。&/p&&p&按照中国楼市近10年的运行规律，每3年左右就经历一轮完整的上涨、到顶、下跌、触底的过程。每一轮上涨和每一轮下跌，都由房地产信贷和宏观货币政策的转向而引发。&/p&&p&最近10年，中国货币政策的变化也是以3年为一个周期。这一轮楼市行情的起点，就是来自3年前。2014年的9月30号开始松信贷，是年11月降息，导致了其后楼市的暴涨。&/p&&p&而2017年下半年，势必都要保持偏紧的货币尺度。那么，哪些地方最先开始涨价的，也将最先开始调整到底部。&/p&&p&2017年的后半年，势必都将保持偏紧的货币尺度，那么，先启动上涨行情的城市，也会最早调整到底部。基本面弱的城市进入房价下跌通道，需要的时间更短。&/p&&p&菜鸡估计，房价变化的关键时点将出现在2018年。这一年，美国会继续加息、缩表；中国也很可能迎来真正意义上的加息，届时，房价将开始全面下跌、探底。&/p&&p&我让同事做了个表格，接下来楼市的降价的路线图。 &/p&&img src=&/v2-6790e1defd60657eace920_b.png& data-rawwidth=&521& data-rawheight=&474& class=&origin_image zh-lightbox-thumb& width=&521& data-original=&/v2-6790e1defd60657eace920_r.png&&&br&&p&给大家简单解释下。&/p&&p&&b&2017年底到2018年上半年，深圳、上海、北京这个三个最先暴涨的城市会最早降到底部；&/b&&/p&&p&&b&随后，合肥、厦门、南京、天津、郑州、无锡、广州、武汉、福州、杭州、苏州等二线城市也会陆续调整到这轮小周期的底部；&/b&&/p&&p&&b&2018年下半年，弱二线城市和基本面强的三线城市陆续完成调整。比如，南昌、成都、东莞、惠州、泉州、佛山、廊坊这些区域。&/b&&/p&&br&&p&问题到这已经回答完毕。&/p&&p&最后，给想买房的人一个小小的彩蛋，回答一下这个问题：&/p&&p&&b&持币观望的购房者，应该何时出手呢？&/b&&/p&&p&很简单，到了现在这个时间点上，&b&大家要盯紧一个信号，就是开发商很快会主动降价！&/b&&/p&&p&刚才说了，目前的开发商降价，都是政府行政手段逼的，不是开发商自愿的。只有开发商主动降价，才表明在这场市场博弈中，开发商要投降了。&/p&&p&由于开发商前两年的销售业绩太好，现金储备足够多，所以他们可以硬抗。所以7月份开始，可能资金实力一般的开发商会率先松动，但那些财大气粗的公司，起码可以把今年抗过去。&/p&&p&到2018年的时候，在一些销售压力大的城市，很多开发商就要主动降价，补充自己的现金流了。这样的主动降价，将带动二手房降价。&/p&&p&这个时候，就是我们买房者出手的时机了。&/p&&br&&p&本文内容首发于微信公众号“小小财技”（ID：caiji555）&/p&&p&未经许可严禁转载，违者沙包大的小拳拳捶你后脑勺~&/p&
不会涨，会跌。都让一让哈 ，菜鸡今天发大招了，不仅告诉你为什么跌，还告诉你怎么跌，跌的顺序是什么。---------------------先从最近的大新闻说起。上周三，中国公布了5月宏观数据。影响房价最关键的一个因素，也就是M2（广义货币）的增长，其增速多年来…
&h1&说到批量下载，大家一定会觉得很麻烦吧~&/h1&&p&接下来告诉大家一个好办法，用本方法，简单4个步骤即可轻松完成全部股票所有历史数据的下载哦~↓↓↓↓↓&/p&&ol&&li&&p&打开Choice金融终端，启动Excel插件&img src=&/v2-7197df8bcbd8b7c30895_b.png& data-rawwidth=&798& data-rawheight=&385& class=&origin_image zh-lightbox-thumb& width=&798& data-original=&/v2-7197df8bcbd8b7c30895_r.png&&&/p&&/li&&li&&p&点击历史行情，添加全部A股，点击下一步&img src=&/v2-472fe5ccc1ba6f31f58d2_b.png& data-rawwidth=&965& data-rawheight=&756& class=&origin_image zh-lightbox-thumb& width=&965& data-original=&/v2-472fe5ccc1ba6f31f58d2_r.png&&&/p&&/li&&li&&p&选择需要下载的历史数据指标，点击添加后，点击下一步&img src=&/v2-f978fc6dc6a6762cfdfa4d_b.png& data-rawwidth=&960& data-rawheight=&754& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&/v2-f978fc6dc6a6762cfdfa4d_r.png&&&/p&&/li&&li&&p&选择导出时间区间，选择导出表格样式&img src=&/v2-31a80b60a3ee10de06ed_b.png& data-rawwidth=&817& data-rawheight=&514& class=&origin_image zh-lightbox-thumb& width=&817& data-original=&/v2-31a80b60a3ee10de06ed_r.png&&&img src=&/v2-09d59dd56d1b10e36ee20545aba82487_b.png& data-rawwidth=&817& data-rawheight=&514& class=&origin_image zh-lightbox-thumb& width=&817& data-original=&/v2-09d59dd56d1b10e36ee20545aba82487_r.png&&&/p&&/li&&/ol&&p&
完成下载，查看数据&img src=&/v2-577cdc7cd560e_b.png& data-rawwidth=&825& data-rawheight=&680& class=&origin_image zh-lightbox-thumb& width=&825& data-original=&/v2-577cdc7cd560e_r.png&&&/p&&p&注意事项：下载中数据量庞大时，耗时可能会稍长，需要耐心等待下哦~&br&&/p&&p&PS：是不是很简单，大家操作起来喽~&/p&
说到批量下载，大家一定会觉得很麻烦吧~接下来告诉大家一个好办法，用本方法，简单4个步骤即可轻松完成全部股票所有历史数据的下载哦~↓↓↓↓↓打开Choice金融终端，启动Excel插件点击历史行情，添加全部A股，点击下一步选择需要下载的历史数据指标，点击…
&p&正好在看《The Inner Voice Of Trading》，我愿意相信这本书出自一个真正成功交易23年时间的交易员之手。我觉得对输过一些钱的新手来说，这本书比讲解各种技术分析的书籍要有价值的多。我对技术分析的看法是方法必须根据自己的经验做调整，根据书中的策略不可能盈利，但是根据交易者经验提炼的技术分析方法可能盈利。&/p&&p&顶尖交易员在这本书里被定义成：self-awareness，对自己的习惯，弱点，优点，情感系统，经验中可尝试的假设，没有意义的假设都相当了解。相对而言，在知道自己不知道什么，和扩张认知空间两者之间，一个交易员应该选择知道自己不知道什么，宁可保留在较小的认知空间中，因为安全性，因为交易是关于错误的游戏，那些为错误付出最少代价的人才能活下来。&/p&&p&When you know what motivates you emotionally, you are your own best mentor.&/p&&p&这句话我认为也代表顶尖交易者的思维习惯。你必须知道自己的情感系统触发机制，做一个情感控制大师。然后将交易系统和情感系统糅合在一起，这需要一个过程。所以这解释了为什么去直接套用一个交易系统可能没有什么意义，因为它可能和交易者的情感系统根本相抵触。有人可能就是不能接受大量的小额损失，这样低胜率交易系统和他们对世界的认知方式完全相冲突。&/p&&p&关于止损，书中的讲述很明白：止损是承认自己对市场没有实现自己更为期待走势无法提出全部的解释。“现在价格不正常只是暂时的，一会儿就回回去”，这样的话根本不是什么解释，这是自我安慰。在交易中实际上大部分事件都难以解释，而且所有的解释都只是假设的意义，不可能经过证实也不可能证实，不要太关心这些事件或者解释，关心止损或者你的持仓行为。不过既然解释既不能起到安慰作用，也不能保护你的安全，那就只能依靠止损。&/p&&p&关于交易，大部分人关心正确，但真正的交易是关于期望或者赔率，这个讨论过很多。真正的赢家知道自己正确的时候并不多，而很多输家过度看中正确，交易是围绕风险管理的获利活动，和正确与否可以毫无关系。&/p&&p&Intention equals results. Behavior predicts where you end up.&/p&&p&第一句话基本就是Ed Seykota关于在市场中人人得偿所愿的另一种表述——更多问题的解决都要追溯到自身的意图上。第二句话其实是说资金波动的本质就是交易行为，交易行为决定了资金波动的方式。交易行为是否正确可以观察，但要观察资金波动却需要太大的样本。&/p&&p&书中还提到一个词：Emotional Blind Spots，这个很有意思，我想也是很多很有经验的交易员开始关注的一个问题。市场Throw you off balance其实总归要通过交易者的情感系统，控制你的情感系统，理解自身情感系统的盲点，不要被激怒，不要被诱惑，不要觉得被侮辱，市场不会特意侮辱你，但即便市场侮辱你，也是市场的权力，它天生比任何人强大——接受这个事实。通过止损避免意外情况——放弃解释和好奇的强迫症特征——安然度过危险的阶段。我觉得这一点实在太重要，市场有太多你不可能预测也不可能归类的情况下，很多时候都依赖于理解自身的EBS来保证自己的安全。在这种情况下，时间可能成为交易者的朋友，交易者利用时间避免了劣势。但对自己习惯性高估的人，却很可能在短时间内被摧毁。&/p&
正好在看《The Inner Voice Of Trading》，我愿意相信这本书出自一个真正成功交易23年时间的交易员之手。我觉得对输过一些钱的新手来说，这本书比讲解各种技术分析的书籍要有价值的多。我对技术分析的看法是方法必须根据自己的经验做调整，根据书中的策略不…
&img src=&/50/v2-4be31b6ccfc81_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/50/v2-4be31b6ccfc81_r.jpg&&&h2&&strong&“&a href=&/?target=https%3A///%3Ff%3Dn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ricequant&i class=&icon-external&&&/i&&/a&”经棋剑资产首席执行官王晓光先生授权发布，如转载请独自获得授权。&/strong&&/h2&&br&&p&&strong&写在文前：周末为大家奉上一篇来自棋剑资产王晓光的一篇报告，文有点长，但是确实系统地讲解了量化投资这件事。海纳百川，多学习不同的观点能拓宽视野。先祝大家周末快乐。&/strong&&/p&&img src=&/v2-862d32a9d39af33a6f044c348e0af0b3_b.jpg& data-rawwidth=&500& data-rawheight=&270& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/v2-862d32a9d39af33a6f044c348e0af0b3_r.jpg&&&p&&strong&原文：&/strong&&/p&&p&大家好！非常荣幸可以来到第九届R语言会议作报告。今天我主要围绕量化投资，结合自己以及我们团队在量化投资领域的实践经验，以及一些经典的理论知识，尝试性地为大家梳理量化投资的方法论体系，希望为大家在量化投资领域产生一些新的认识提供一些帮助。&/p&&p&我们先从几个在量化投资中经常遇到的小问题出发，然后逐渐深入思考量化投资的几个基本方法和原则。这些问题或许没有统一的标准答案，我也不会给出具体的答案，这里提出的主要目的是引起大家思考。&/p&&p&首先第一个问题是如何定义与看待期望收益与风险? 这可以说是投资领域的终极问题。这个问题很大程度上决定了你如何做策略的研发，如果管理风险，以及如何进行资产配置等关键问题。首先，到目前大家已经比较能够一致认同的就是，收益这个变量本身是随机的，不确定的，而且极难预测，因此单纯谈论收益，从长期的系统化投资角度讲，意义不大，一次两次赚多少钱跟你的系统化投资没有太大关系，&strong&而研究的重点，要放在期望收益上，也就是从概率意义上以及大样本意义上的期望水平。&/strong&与收益相对应的是风险，如何定义风险也是有着不同的版本。一种简单的定义可以是波动率，或下行波动率，但是这并不能包含市场中的大部分主要风险，比如说流动性风险，再比如说即使只考虑波动率或亏损，在bad times的时候，某个资产或某个策略的大幅亏损对投资者的整个系统化投资的危害程度一般也会更高，而在good times的时候，同样的亏损或波动率或许对整个系统的危害程度没有那么高，这一点通过市场溢价的水平就可以看出来:比如说市场总是倾向于给予out of money的期权更高的溢价（波动率微笑特征），或者在大部分时间内给予小市值高成长股票更高的风险溢价（然而在股市出现系统性崩盘时，这类股票的跌幅往往也是最大的），这些都是市场在表达对风险的不同对待的现象。 &/p&&p&第二个问题是期望收益来自哪里？这是做策略投研的一个核心问题，你首先要有一个基本的逻辑作为引导，来开发你的策略，然后再运用数据和模型进行去伪存真，抽丝剥茧的分析，但是在这个过程中，逻辑是必不可少的一个主线，那么这个逻辑就是你思考的期望收益的来源。&strong&有的人从不同资产类别的角度理解期望收益来源&/strong&，去比较股票，债券，商品等不同资产类别的收益贡献，那么这就是朝着大类资产配置和组合的角度去理解投资，这里面做得好，也是可以做出比全市场平均配置更好的投资方案的。还有一些人，&strong&通过策略风格角度理解收益的来源，&/strong&比如趋势类策略贡献多少收益，波动率类策略贡献多少收益，那么这便是从策略风格或种类的角度去分析，也可以成为一套体系。但是这些都是分析的角度，最终仍然没有根本性回答你的超额收益来自哪里的问题。比如说趋势策略，为什么就会有超额收益呢？或者说股票，为什么相对于债券有超额收益呢？从这个层次上，&strong&我认为超额收益的主要来源，其实归根结底分为两类，一类是利用市场一定时间内的无效性或者别人犯得错误，这是很多价值投资或套利投资的基本逻辑来源。另一类就是这种投资行为的超额收益是承担了某种风险的风险溢价，比如说&/strong&&strong&volatility selling &/strong&&strong&或者sell options, &/strong&&strong&就可以归为这种。&/strong&卖出波动率或卖出期权，其实相当于卖保险，是在承担一些小概率的高风险，这些小概率事件可能很久都不会发生，于是投资人通过卖期权可能在很长一段时间内获得稳定的收益，但是一旦小概率事件发生，那么到时候产生的亏损，也往往是致命的。再比如说针对一些流动性极差的资产的做市策略，往往也可以获利丰厚，但是这是因为在这种资产中做市交易承担了更多的流动性风险，这种风险处理稍有不慎就可能导致严重亏损，所以在这种资产中做市的收益才会显得比较高，但是前提是你了解清楚这个风险溢价的来源，并有技巧可以合理的化解他，或者比别人能够在这方面做的更好，否则的话，从长期看，你的期望收益未必是很高的。基本上市场上大部分的非高频系统化投资策略的稳定超额收益的来源，往往都与上述两个方面有关，现在市场变得越来越有效，所以其实第一种收益来源的机会逐渐变得越来越少，越来越难以抓住，而第二种收益的来源，是可以长期存在的，但是第二种收益的来源，往往是风险溢价，他并不是免费午餐，这一点是要牢记的。所以不要以为你的投资系统连续7年或10年都可以稳定盈利，你就可以高枕无忧，其实或许只是你承担的风险事件，还没有到来而已，如果对于这些风险，你无法做到比别人更好的管理，那么这个游戏长久的进行下去，迟早有一天属于你的黑天鹅会到来，而且到来的频率越低，越往往会是一次性致命的。&/p&&p&第三个问题是一个策略被很多人知道了以后，是否就不赚钱了呢？接着上面的那个问题的思路继续讲，如果你的这个策略的收益来源主要是通过市场的无效性获益，那么确实当更多人知道了这一点并参与进来，你的获利空间也就越来越小。但是如果你的策略的收益来源是第二种，那么其实即使很多人知道了，也未必会导致它不赚钱，当然，正如上面我们提到的，这样的收益，其所承担的风险，你也是需要有很清醒的认识的，并可以合理的管理这个风险，所以从这个角度叫，盈亏同源是有道理的，好多人说的盈亏同源，其实往往就是指第二种的这个收益。&/p&&p&第四个问题是如何评价一个投资系统或策略的好与坏？或者如何评价一个基金的好与坏？这个问题也是仁者见仁智者见智了，但是据我所了解，很悲观的是，最后很难有一种方法能够非常准确与客观并长期有效。比如说历史业绩，这当然是一个重要的指标，但是历史业绩的好与坏一定与未来正相关吗？有时是的，但有时可以是反过来的。比如一个策略或基金，在商品期货市场今年下半年的趋势行情中，不到一两个月就赚了超过30%的收益的话，这当然是不错的业绩，但是根据此，就购买这只基金并期望明年获得类似的收益，是合理的吗？仔细想想，其实不合理。因为一个策略或者基金能够在短时间内获取如此高的收益，恰恰说明他的策略风格是明确的，单一的，投资的观点是相对激进的，比如说他全部都是趋势类的策略思路，而且还用了比较高的杠杆，那么继续坚持这样的投资策略或思路的话，假如明年市场陷入无序的震荡，他可能就会亏大钱了。当然你可以争论说明年或许还是趋势行情，但我觉得这方面除非你有非常合理的具体的模型来预测，并且确实证明长期有效，否则我是不觉得你可以准确预测明年的市场结构的（历史上多次证明华尔街大部分专业机构和交易者对于未来一年的市场的预测往往都是大概率错误的）。你也可以说，这个策略很智能，或者这个基金经理很智能，他们总是能在趋势来的时候做趋势交易，震荡市场来了就知道做震荡，市场中是否存在这样的高手长年可以准确判断并切换的？我觉得天才可能是有的，但是你遇到的概率是比较低的，&strong&一个理性的投资者，不应该基于一个假设就是自己是全市场最聪明或者全市场最幸运的一个，来进行投资。&/strong&这样的心态下，大概率投资生涯会比较短。人在面对市场的时候，谦虚一点，保守一点总是更好的，即使你很看好趋势行情，也要为非趋势行情的市场做足准备，不要总是假设自己很聪明，可以做很多预测，然后在不同子策略或子基金之间来回选择切换做择时，事实往往是残酷的，那就是你这么做之后发现其实自己是比较蠢的那一个，择时起到反作用，你觉得这个基金该赚钱了，或者这个策略该赚钱了，然后想去抄底的，结果反而不如人家一直呆在里面的或者一直在外面的。所以从这个角度讲，即使很多的专业机构，做的也不够好。最近FOF在国内非常火爆，可是我要做一个悲观的预言就是目前市场上已经做FOF或者成立的FOF，其中绝大多数的寿命可能都不会超过3年，这个跟在股市里散户十人九亏是一个道理，心态没摆正，机构并不会比散户做的更好。好多FOF基本就是看着历史业绩选子基金，业绩好的买进入，差了的就赎回，其他的思考能力很差，对市场的理解很差，对策略的把握也不行，那么几年下来大家就会发现他这个FOF还不如平均的买入那几个子基金然后抱着不动的结果好，那么可想而知他的结果了。所以说，投资策略评价是一门很高深的学问，不是说你看几个指标，算一算夏普率，比一比最大回撤，然后答案就确定了。我的观点是，做策略评价的人，做FOF的人，选子基金的人，他做交易或者投资研发的能力，得比那些做策略的人，做子基金的人，水平更高，这样才能选的好。你一个子策略能做好，一个子基金能做好，才能够考虑怎么做好多个子基金的搭配，多个子策略的组合，一个都搞不好就想搞多个，没当好徒弟就想做师傅，往往事与愿违，可惜现在的市场实际情况看，是反过来的，这导致我对整个FOF行业的每个FOF基金的寿命长短，不表示乐观。&/p&&p&最后一个小问题，引出我今天的主题，也就是怎么样才能做出赚钱的量化投资策略？一个人，从科班出身的统计学博士，或者计算机/数学/经济专家，到一个优秀的可以稳定贡献优质量化策略的quant或基金经理，中间究竟差了哪些，需要哪些步骤？ 为了回答这个问题，以及上述几个问题，我今天斗胆尝试性地与大家分享，量化投资的方法论体系。&/p&&p&我理解的量化投资方法论，有以下四个维度：&/p&&p&?
&strong&投资的三面魔方：资产类别，风险因子，策略风格&/strong&&/p&&p&?
&strong&投资的三套理论：资产定价模型，投资组合理论，有效市场假说&/strong&&/p&&p&?
&strong&量化的两个载体：数据，人&/strong&&/p&&p&?
&strong&决策的两个维度：收益，风险&/strong&&/p&&img src=&/v2-e7eedcc981f891e7cb3fe0c923fb9015_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-e7eedcc981f891e7cb3fe0c923fb9015_r.jpg&&&p&下面我们来分别逐一讨论这四个维度。&/p&&p&首先我们来看中间的这个正方体，也就是投资的三面魔方。&/p&&img src=&/v2-4be31b6ccfc81_b.jpg& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-4be31b6ccfc81_r.jpg&&&p&这个正方体不是我发明的，是来自于Antti Ilmanen 写的Expected Returns这本书。这本书中针对资产类别，风险因子，策略风格三大方面，对期望收益进行了不同视 的深度阐述，是值得仔细去研读的一本书。在这里我简单的总结下这本书里的一些主要观点。这三大方面里面，大家最常见的就是资产类别这个方面。资产类别一般可以分为股票类资产，信用类资产，国债类资产，以及另类资产（比如商品期货，房地产，艺术品等都可以属于这类）。大家可以看到这里显示的是过去二十年股票市场的年化收益情况，可以看到大部分年份的平均收益在5%左右，年化的夏普率大概不到0.5，那么这就让大家有了一个基本的概念，就是在股票市场中你平均可以预期的收益大概在什么水平，以及为此要承担多少的风险或者波动。当然，优秀的投资者可以获取远超过市场平均水平的收益，但是作为一个参考的基本标准，过去几十年的股市平均收益情况，给了大家一个基本的心理预期。如果你的心里预期收益相对于这个参考标准过于高，而所愿意承担的风险又过于低，那就要考虑是否是过于理想主义了，或者说这就对你的投资策略的水平有了很高的要求。接下来这几页给出了一些信用类衍生品，公司债，国债以及商品的历史表现情况，整体看各类资产的收益水平长期看是比较接近的，有的平均收益高一些，有的平均收益低一些，但是平均收益低的资产夏普率往往并不低，所以在衡量期望收益的同时还要考虑到风险的水平。&/p&&p&那么除了资产类别这个角度，还有另外两个重要的角度来分析和理解期望收益与风险。那就是策略风格角度和风险因子角度。这里列出了跨市场长期验证比较有效的几类策略的风格，&strong&趋势类，价值类，&/strong&&strong&carry&/strong&&strong&，以及波动率交易。&/strong&这四种思路或者逻辑可以说囊括了市场中绝大多数的量化策略，同时他们彼此之间的相关性也比较低，逻辑各有不同。价值投资类策略，在股市中是应用最多的，比如下面这个图，就显示了一个非常简单的根据市净率和市盈率指标构建的价值投资策略在美股上的历史表现，可以看到从1929年开始一直到2009年，每一个时间段内，价值投资组合的表现都要比大盘的整体表现要更好，那么这样快100年的规律，同时又是极其简单的策略逻辑和变量，使得人们可以一定程度上相信，价值投资策略确实是可以产生超额收益的。那么如果你进一步深入的去想，价值投资策略究竟赚的什么钱呢？回头我开始讲的第二个问题，就是收益的来源问题，当时提出了两个基本方面，一个是市场的无效或错误定价，一个是风险溢价，那么其实价值投资策略在这两个方面，都可以得到一些论证。&strong&一些被严重低估或高估的股票，一定程度上是市场错误定价的反映，这个是可以用来赚钱的。而价值类策略，在熊市或者市场低迷甚至崩盘的时期表现尤其好，可能体现的是风险溢价，因为当时环境下，整个市场的风险情绪变得非常低迷，绝大多数投资人都变得非常不愿意承担风险，那么这时候你愿意承担一定程度的风险，这种行为可以获得一定程度的风险溢价补偿。&/strong&&/p&&img src=&/v2-f19ec136d8be6cceb7d0e3_b.jpg& data-rawwidth=&640& data-rawheight=&357& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-f19ec136d8be6cceb7d0e3_r.jpg&&&p&Reference: Expected Returns, Antti Ilmanen&/p&&br&&p&Carry策略，最常见于外汇交易，利用不同国家货币的利率高低之差进行套利。下面这个图显示的是不同货币的存款利率相对美元的存款利率的差值以及对应的该货币相对美元的超额收益。我们可以清晰的看到一个明显的规律，那就是存款利率相对美元存款利率高的货币，他的收益也相对美元更高，这种现象在中长期时间窗口下过去持续有效，由此验证了carry交易思路的合理性。但是需要强调的是，如果放在不同的时间窗口下看，结果可以大不一样，如果你以一个月或者一周的时间窗口去看，那么carry的表现就没有那么明显和稳定。&strong&Carry&/strong&&strong&策略的合理性，也可以在逻辑上有明确的解释，所以这样的策略，如果运用得当，设计的巧妙，不失为一种可以长期依赖的好的策略思路之一。&/strong&&/p&&img src=&/v2-2b59a093dcf8825b0cead7b_b.png& data-rawwidth=&638& data-rawheight=&304& class=&origin_image zh-lightbox-thumb& width=&638& data-original=&/v2-2b59a093dcf8825b0cead7b_r.png&&&p&Reference: Expected Returns, Antti Ilmanen&/p&&br&&p&Trend 策略，在商品期货交易中被提及的最多。大家可以看到下图中商品期货趋势性指数，过去几十年的时间内连续保持了稳定的收益能力，这其实很让人匪夷所思。要知道图中的这个趋势性指数，他的计算方法是完全公开的，是定时公布数值的，可以说是市场公开化的秘密，不存在什么神秘的部分，而且计算方法非常简单，基本上就是根据过去9到12个月不同商品期货的return，做多收益高的，做空收益最低的那些，就这样简单组合而来的。那么这么简单的思路，广为人知的策略，为何连续几十年一直保持了超出市场平均水平或指数的收益呢？为何保持了相对比较好的夏普率呢？这其实不是一个很好回答的问题，有的人尝试在市场无效性角度找理由，有的人尝试用风险溢价的角度去理解，但是都有一定道理但又感觉不是非常充分，这说明这个市场中，还有很多非常普遍和简单的规律，是我们现在的金融学理论，还未能很好的解释的，这也是金融和投资的魅力所在。现在比较流行的是通过市场行为学的角度去理解，&strong&说投资者一般习惯于低估已发生事件的长远影响与意义，而对于这种低估的矫正，又是一个逐渐的过程，有一种心理上的不情愿。还有一点就是投资者往往在发生大额亏损之后反而变得更加激进，而对于小额的亏损反而比较倾向于止损，这样的心态助推了市场中追涨杀跌的效应，从而对趋势形成一种增强。&/strong&这都有一定道理，不同的投资者专注不同的方面去理解，那么你理解的角度不同，你做出的趋势交易策略的逻辑也就不同，最后到市场中去检验，怎样的逻辑和策略是更加经得住考验。说到趋势类策略，这里多说几句，趋势类策略，在我看来，难的不是在趋势市场中赚到钱，这个很容易，用两条均线就可以做到。难的是在漫长的没有趋势的市场中，如何控制你的亏损，你不要以为系统里面设了止损就万事无忧了，你也可以连续止损，最后还是亏很多，&strong&这其实是一个中长期最大化收益，与短周期内最小化损失这样两个相互矛盾的目标的优化平衡问题，这个平衡问题做的好，那么你的趋势类策略就基本合格了，做不好，那么收益高的时候可以很高，但是亏得时候一样可以很惨。&/strong&一旦你意识到这个问题的存在，那么如何用量化的方法和手段来解决，反而不是太难的事情，这样的优化问题，在数学上是可以很好的定义的，前人也都已经做出了很好的理论来解决，你只需要去找到他就是了，这个工作，对于数理背景很扎实的quant人员，反而不是多么困难的事情。&strong&当然，趋势类策略还有一些细节技巧比如在趋势的中后期，波动率比较高的时候适当降低仓位等等，可以进一步平滑你的收益曲线，提高整体的夏普率等，&/strong&这些都是做量化投研工作中的一些细节，细节做得足够好，能够进一步提高你的收益能力。现在专业量化对冲基金公司中的quant,很多的时间也都花在去寻找和处理这些细节上。&/p&&img src=&/v2-56c77cfced029df8809b82_b.jpg& data-rawwidth=&640& data-rawheight=&355& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-56c77cfced029df8809b82_r.jpg&&&p& Reference: Expected Returns, Antti Ilmanen&/p&&br&&p&波动率策略，在期权市场中最经常被提到。波动率套利，做多波动率，做空波动率，利用期权组合，你可以构建上述各种交易策略。这类策略的好处在于他一般不爆露单边趋势性风险，可以是趋势类策略的很好的补充，但是他也有他的风险。比如做空波动率，或者卖出OTM的期权的策略，在很长时间内可能都是比较稳定盈利的，但是一旦黑天鹅事件发生，你卖出的OTM期权被行权，那么你就面临大额的亏损。这个现象在下图中可以得到明显的体现。比如下面图中这个covered call writing 的策略以及其他几个类似策略，在美股市场从2001年到2007年有着很好的收益曲线，但是在2008年金融危机时，所发生的亏损相当于过去7年收益的总和，相当于过去7年白做了。这个例子就是典型的第二种收益来源，就是&strong&风险溢价&/strong&，在平时一直给你很好的风险溢价收益，但是这不是免费的，等到风险来的时候，你会发现这个溢价，其实不便宜。所以说，&strong&评价一个策略不要以为仅仅看看历史收益就可以了，连续七年稳定实盘收益的策略或基金，也可能一朝把你带入死亡之地&/strong&，更何况现在国内很多机构评价量化策略的时候，都还拿不到7年的历史实盘业绩，国内产品业绩有3年以上的算不错了，可是7年甚至10年的业绩，都不一定可以完全确保你未来重复这个收益水平。要注意这种现象可不仅仅存在于期权交易市场，其实股票策略，阿尔法策略，CTA策略，都可以有类似的例子，所以大家对这个一定要慎之又慎，这个策略评价问题，远比你想象的要复杂的多。&/p&&img src=&/v2-e1b2daad39bb_b.jpg& data-rawwidth=&640& data-rawheight=&272& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-e1b2daad39bb_r.jpg&&&p& Reference: Expected Returns, Antti Ilmanen&/p&&br&&p&最后在策略风格这个方面，再补充一点的是，上面几个策略种类之所以拿出来讲，就是看重他们的另一个优点：&strong&普适性&/strong&。趋势策略不仅可以用于商品，还可以用于股票或债券，Carry策略在股市和期货也可以有对应。有人问carry怎么对应？这个你要发挥一点想象力和举一反三，抓住carry的本质，&strong&你会发现其实&/strong&&strong&carry&/strong&&strong&在商品中对应的就是现货和期货，或者近远月期货合约的基差，也就是所谓的升贴水，在股市中，高carry&/strong&&strong&可以对应为高股息的股票，&/strong&那么对应的策略都是可以做出来的，而且在不同市场中都一致性的表现比较好，而且是多年比较稳定的表现，那么这样的策略，就更加让人信任一点，把钱配置到这些策略，会更踏实一些，当然，不同的人做出的策略质量还有区别，都是carry策略，大家水平也都不一样，这才是体现不同对冲基金实力差距的地方。所以说，机构之间比的，有时候往往就是这些策略之间的细节，谁可以把细节做的更好。&/p&&p&同理，value策略或波动率策略也都可以在股市或商品期货市场中得到很好的实现。比如下图的这个展示，是我们公司针对这四大类策略思路在中国商品期货市场中的应用开发的一些子策略，当然这里的策略没有上面讲的那么简单了，用到了一些更复杂的模型，一些机器学习的算法以及非线性优化，随机优化等等，但是策略的基本逻辑思路，是没有太大的本质区别的，因此，至少我们证明这些经典的策略逻辑思路，在当下仍然是可以被使用的，这个方向是没有问题的，但是随着市场的竞争越来越激烈，对你的模型的技巧水平要求变得越来越高，不过模型的技巧水平这个是可以通过不断学习和实践而提高的，只要方向对了，坚持下去，做出好的模型只是时间问题。但如果你的方向不对，那就麻烦了。&/p&&img src=&/v2-f8d05c45f0a4bbf3a55f_b.jpg& data-rawwidth=&557& data-rawheight=&287& class=&origin_image zh-lightbox-thumb& width=&557& data-original=&/v2-f8d05c45f0a4bbf3a55f_r.jpg&&&p&注：以上图表不构成投资建议，过去表现不能预测未来收益。&/p&&p&所以说，作为一个普通的投资者， 你至少应该有个基本的概念就是以上几类策略风格，都是什么意思，收益来源都是什么，然后在每个市场大概对应什么思路，有了这些基本的概念，那么当有人再问你期望收益怎么来的时候，你就不至于答不出来了，&strong&你至少有了一个明确的方向，就是知道不同市场中做量化策略你大概先要在哪几个思路上下功夫比较靠谱，&/strong&至于最后做的质量如何，这需要知识以及经验的积累，是一个漫长的过程，但是方向走对了，就不怕漫长，就可以一直走下去。否则，你走进了死胡同，比如用一些很高深莫测的数理模型，暴力优化参数得出一些逻辑不通的量化策略，看似回测夏普很高，可是根本无法合理的解释逻辑以及收益的来源，那么这样的策略就算做出来结果再漂亮，也不敢用。而我做一个value，或一个carry策略，方法得当，逻辑不复杂，没有过拟合的话，结果漂亮我的信心会更大一些，因为这是在几十年的历史中，多个市场反复验证有效的东西，而且是逻辑上解释的通的，这就好很多。&/p&&p&讲完了策略风格和资产类别，大家可能觉得投资这个事情已经够复杂了，需要考虑这么多方面，不过这还不够，还有一个方面就是风险因子，比如上面魔方里面写的那几个因子，增长，通胀，流动性，尾部风险等。策略组合的再好，资产分散化做的再好，尾部风险方面完全没考虑，那么一样可以下场很惨，上个世纪著名的长期资本管理公司，就是一个很好的反面例子。你把过多的赌注压在了尾部风险不出现这上面，那么就会出问题。本来尾部风险没那么高的，这也是为什么稍微朝这方向暴露一些头寸是完全合理的，但是你过于贪心，暴露过多，最后超出了所能承受的范围，就不妥了。再比如说，我们都知道经济增长好的时候，股票收益往往比较好，这时候做股票裸多组合，要比完全中性阿尔法策略组合，收益要高，但是你过于贪心，一直裸多，那么就把过多的风险暴露在经济增长这个不确定的变量上。还有像流动性风险，比如小市值的股票，有时候高的收益体现了流动性溢价，你过于贪求这个溢价，把所有赌注都压在这里，那么一旦市场整体流动性突然大幅降低，你的这个投资组合，将会是受伤最严重的那个，人家持有蓝筹股的，这时候反而不会像你那么惨。所以大家看到，天底下没有免费的午餐，如果市场中有人天天请你吃饭，那这往往不是什么好事，尤其你还理所当然的觉得这是因为自己比较聪明的缘故，那就很危险了。所以说，风险因子方面，也是很重要的一个方面，是需要慎重考虑的，否则，一个看似在资产类别以及投资策略风格方面都已经充分分散化的投资方案，仍然有可能有着隐藏的过多的某种风险，平时不发觉，一旦出问题，就会很严重。而在不同的风险因子上，应该如何选择暴露的倾向和比重呢？我们知道，超额收益往往和风险溢价有关，所以你想完全不暴露任何风险，这是不太现实的，除非你可以接受国债的收益水平。既然风险因子的敞口是一种必然，&strong&那么在没有具体的合理的模型去预测风险因子的水平或度量其变化规律的时候，最好的方式可能就是风险平价，也就是主要的几类风险因子平均暴露，这种保守的方式可能是最好的。&/strong&当然，如果你的策略或模型，对于某类风险因子的分析能力非常强大，比如你可以很好的预测市场流动性的变化情况，那么这种情况下，就另当别论，你超比例的在某种风险因子上存在敞口，或许就是可行的，但是也要额外小心，仔细推敲逻辑。&/p&&img src=&/v2-e211c0c9c41f4a80a6dd1b_b.jpg& data-rawwidth=&640& data-rawheight=&413& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&/v2-e211c0c9c41f4a80a6dd1b_r.jpg&&&p&Reference: Expected Returns, Antti Ilmanen&/p&&br&&p&如上图所示，可以看到在长期平均来看，流动性越差的资产，期望收益也相对越高，这个例子很好的反映了流动性作为一个风险因子，与期望收益之间的密切关系。有的时候你的投资方案或者组合收益比较高，很可能就是由于在某种风险因子上的敞口比较大而获取的风险溢价，这个是要额外关注的。因此风险因子这一方面，作为投资的三大角度之一，是必不可少的。&br&&br&&/p&&p&讲到这里，投资的三面魔方就讲完了。总结一下上述的论述，就是&strong&量化投资方法论的第一个维度，就是要在资产类别，策略风格，风险因子这三大不同角度对投资进行建模与设计，一个成熟的投资方案，一定是同时兼顾了三方面的考虑，在资产类别，策略风格，风险因子上都做到了合理的分散化，并对自己投资组合在这三大方面的风险敞口情况，有着清晰的认识，同时能够很好的理解这三大方面相互之间的交叉影响和整合的。&/strong&这里，量化投资可能对于策略风格这个角度挖掘的更深一些，而宏观对冲可能在风险因子上下的功夫更多，而两者都要很仔细的做好资产类别的分散化配置。在这三方面做的越好，越深入，你的投资方案就越能经得起长时间的考验。而且，这样一个切入视角，给了一个量化投资者很好的一个大局观，让你时时刻刻知道你做的每一步，大概在这整个方案中，是在哪个位置，所以说，我把这称之为方法论，应当是不过分的说法。&/p&&p&接下来要讲的，就是金融投资学的一些基本的模型理论基础。&/p&&p&从大学起，我们学过的金融学投资学理论，可谓是多如牛毛。每一套理论都有他的价值，但也都有他的缺陷。这里我回顾自己多年来理解的多套金融投资学理论，从中找出了我认为尤其重要，又具有奠基意义的三大理论，作为这一维度的讲解。&strong&这三大理论就是资产定价理论，投资组合理论以及市场有效假说。&/strong&上个世界50年代，马科维茨首先提出了一套经典的投资组合最优化理论&strong&，首度突出强调了分散化投资的概念&/strong&，并创造性提出理性投资者都应该持有市场最优投资组合这一观点，为之后的资本资产定价理论的提出，做了重要铺垫。现在马科维茨模型已经不怎么被使用来做投资组合了，但是分散化投资的理念被保留下来，而且后续的各种各样的投资组合理论，其实源头都是马科维兹模型，因此他的这个工作，是奠基性的。&strong&投资组合理论，为我们提供了很好的工具，来解决如何在不同资产类别或不同策略之间配置权重的问题。&/strong&这是在投资中不可避免的一个问题。如今，先进的投资组合理论已经不再像马科维茨模型那样需要有过于强的假设条件，甚至并不需要你对资产的未来期望收益有一个准确估计（因为这个估计很难，所以基于期望收益准确估计的投资组合理论的实用性都比较差），也可以融合人的主观观点进去等等，像black-litterman model, robust portfolio management, online portfolio theory等等，更有现在结合前沿的机器学习或人工智能模型的优势来进行投资组合最优化的模型，根据你的不同需求，总可以找到你需要的那一款。&/p&&p&资本资产定价理论，最早源于CAPM模型，最先提出了beta的概念以及阿尔法的概念，为一个资产的期望收益，提供了一个合理的解释与分解，并且这个分解方法是如此的有生命力，以至于到今天，各式各样的smart beta因子，层出不穷，你掌握了别人不知道的smart beta, 那你就相当于有了自己独特的阿尔法因子，可以用来获取超出市场风险调整过后的期望收益水平的超额收益，这简直是所有主动管理者梦寐以求的。如今看来，你可能会觉得CAPM模型过于简单，不就是一个线性回归么。那么其实我觉得你还是没有理解他的深刻意义与深远影响，这不仅仅是一个理论或者一个方程，&strong&他甚至构建了当今社会一种非常主流的投资逻辑与价值观，成为了很多人评价投资方法质量的工具，包括为归因分析等做了铺垫，&/strong&因此，做量化投资或者系统化投资的人，你不可能能够绕的过阿尔法与beta，也不能忽视CAPM模型的重要价值，直到今日，它依然为我提供很好的建模切入视角与分析工具。&/p&&p&市场有效性假说，或许是永远无法被证明或否定的假说，但是这丝毫不妨碍它如今在现代金融学中的核心地位。很多套利交易的逻辑根本点，就是基于有效的市场假设，你的套利交易才有收敛获利的一天。市场如果不是有效，期权定价的black scholes公式就无从谈起，价值投资也就变成了猜硬币的游戏。而同时，市场在某段时间内，局部的相对弱有效性甚至无效性，恰恰是很多量化投资策略的出发点，是获取利润的根本。&strong&很多时候，量化投研工作的相当一部分就是去寻找市场中相对不那么有效的一段时间或一个市场，然后利用这点去套利。&/strong&你比如说，由于目前人民币的不可完全自由兑换以及非完全市场汇率体制，导致了国内的商品期货和国外同品种的商品期货之间，经常会出现非常诱人的套利交易空间，也就是所谓的内外盘套利，这就是利用了市场局部的由于某些特殊原因导致的弱有效性，来获取收益。将来一旦人民币汇率完全市场化，人民币实现完全自由兑换，大家都可以同时交易内外盘的时候，那么这种内外盘套利交易的利润空间，肯定就大大降低甚至变得不存在，其实现在这个空间，随着人民币汇改的不断前进，已经在逐渐缩小。&/p&&p&因此，大家可以看到，上述的这些基本的金融投资学理论，他们的重要性。最原始的模型可能已经无法准确描述市场，但是他们的思路，建模的切入点，仍然是我们宝贵的财富与资源。这些理论的后续衍生模型，往往在量化投资中扮演核心的地位，因此，&strong&量化投资方法论的第二个维度，就是要合理的运用这些经典金融投资学的模型思路与理论工具，用这些工具，这些切入点，来回答你的投资问题，提升你的投资方案或引导你构建自己的投资模型。&/strong&&/p&&p&量化投资的第三个维度，我来说说连个重要的载体，一个是数据，一个是人。数据大家都比较重视，做量化整天和数据打交道，在这里我重点强调数据的合理使用，以及常见的错误。首先一点，&strong&是数据的准确性&/strong&，这个问题在中国还比较严重。中国的量化投资处于刚刚兴起的状态，很多东西都还比较的原始，像数据保存的重要性以及数据的准确度，这些也都是最近几年才重视起来。2009年以前中国甚至很难找到一份准确完成的商品期货全品种tick数据，更不用说其他的数据比如基本面数据等等。所以这给量化投资工作者提出了很高的挑战。我们团队回国后第一件事就是寻找完整准确的历史数据，我们花了几个月的时间，通过对市面的不同来源的几个版本的tick数据的撮合比较，才最终获得了一份我们觉得可以信任的数据，这中间IT工作人员花费了大量的时间精力，中间有着无数的细节，一言难尽。但是这个工作很重要，是你做好量化的前提，你在这方面偷工减料，绝对不是明智的行为。你的数据都不能保证准确，你做的模型的回测结果如何值得信任呢？你比如说，我们都知道商品期货存在主力合约换月的问题，换月的时候不同月份的合约价格之间肯定是存在一个价差的，这个价差你不管，直接粗暴的把两个不同合约合在一起拼成所谓主力合约，然后用这个主力合约去回测你的模型，那这就要出大问题。我们专门做过测试，找了一个量化的策略，用这种暴力拼接的主力合约回测过去6年的数据，结果是赚钱的，夏普很好，但是我们采用了经我们重新计算和仔细拼接的正确的主力连续合约回测同样的模型，结果是亏钱的，这中间的差别就可以这么大，所以不要以为这是一个小事情。所以说，做量化投资，数据与IT支持是非常重要的。你的数据库质量如何，你的回测系统是否设计的足够精确，是否考虑了交易成本，交易滑点等等，你的服务器是否运维的稳定，一旦机房断电了你的交易怎么处理，程序出错了怎么迅速恢复，灾备系统搞的怎么样，这些细节看似不是关键，但是哪一个环节没做好，都可以产生致命的后果。所以我一直都觉得，一个量化对冲基金团队或公司，看他们的实力或量化的专注程度，不要直盯着模型看，模型人家毕竟不能告诉你太多的细节，但是你可以通过看他们公司的IT团队质量和规模，看他们公司合伙人里面有几个是纯IT背景的，团队中IT工程师的人数比例，就可以侧面反映他们量化投资对细节的把握，专注的态度到一个什么水平。整个公司没有IT合伙人，或者整个团队几十个人，IT工程师角色就两三个人，这样的团队说是专注于做量化，量化做的很好，我其实是怀疑的。因为现实的情况是，根据我们的经验，专业的量化对冲基金，不是策略研发的效率或速度，而是你的IT工作效率和速度，决定了你整个团队量化交易前进的速度，尤其在前几年，更是如此。搞了很多策略，IT执行不过关，问题频频，最后一样赚不到钱。&/p&&br&&p&&strong&数据除了准确之外，还要注意的几点就是数据的选取要有充分代表性，时间段选取要足够客观。&/strong&比如你回测一个趋势交易策略，如果只拿2015年的股指期货数据来测试，那么结果可能很好，但是我们都知道2015年市场有明显的趋势，这是一段特殊的样本，你还要看看你的模型在2011年，2012年等等年份表现如何。再比如上面讲过的卖出期权的波动率策略，在年这七年中表现都非常稳定，但是如果你把2008年考虑进去，发现结论大不一样。还有要注意就是针对数据的结果的推论，一定要逻辑严密，谨防逻辑漏洞。一个策略在一段时间内有效不能推论他在其他时间就有效。&strong&数据的运用要以有效逻辑为根本指导原则，要注意时间周期，样本特殊性等方面的影响，使用方法足够客观，对于得出的结论的推论要足够谨慎。（比如，一个策略或规律在一段数据中统计意义显著也不能保证其一定有效，一个规律在一段时间内成立不代表在任意时间内都成立，在一个品种上有效不如在多个品种上有效。规律的成立不仅要有基于有效数据的统计结果支持，更要有合理的逻辑支持，逻辑上应该可以与文中讨论的市场的三面魔方或三大理论形成联系）&/strong&&/p&&p&另一个载体就是人。做量化投资往往容易忽视人在市场中的影响。人的行为可以为数据的分析增添额外的不确定性，这个是要尤其注意的。量化投资策略既要符合数据所揭示的规律，又要符合市场行为学原则。&strong&人的市场行为，既可以是收益之源头，也可以是风险之所附&/strong&。人的因素，利用的好，其实可以是你策略收益逻辑的源头，但是如果对其忽略，那么它也可以是你模型潜在的风险所在。这个因为时间关系具体就不展开讲了。&/p&&p&最后，量化投资的&strong&第四个维度是风险与收益之间的平衡。&/strong&有人说刚才不是讲到了风险因子，与期望收益，怎么现在又把他变成单独的维度，是不是重复呢？不是的。要注意我这里讲的风险与收益的平衡，是指在你已经充分考虑了以上几个维度之后，你采用了准确的数据，合理的使用数据，做了很多的子策略，既符合数据的结论与逻辑，又不与市场行为学冲突，你还考虑了资产类别的分散配置，策略风格的组合，风险因子的敞口暴露，那么在这之后，当你每天拿着这套投资系统，处于市场中的时候，你依然每天面临着收益与亏损，你依然要考虑，你今天要把多少的本金投入到你的投资方案中？你如果连续遭遇了10%的净值回撤，该怎么办？最近市场变得特别火爆，每个人都在赚钱，你或许开始考虑是不是你的方案过于保守。你会不会觉得一个散户上个月赚了50%，而经过你精心设计的投资组合方案，上个月只赚了1%，甚至是亏了1%，这样的你觉得特别沮丧或者愚蠢？你开始考虑或许应该更多的配置一些股票，因为最近股市的行情太好了，或者把多空策略改成裸多吧？反正过去六个月你的空头部分一直在亏钱。。这样的问题，还可以有很多，这些问题每天困扰着你，所以不要以为量化投资者，心态上就可以完全摆脱纠结。&strong&这个市场的魅力就在于，无论如何没有人可以摆脱这个心态的抉择，因为无论再完美的模型，都有可能是存在大的漏洞的，都不能让你完全&/strong&&strong&100%&/strong&&strong&信任的，而你的亏损带给你负面的情绪，散户的心态，这种心态让你丧失理性，从而放大你对模型的偏见或者让你做出不理智的决策，&/strong&而且不要以为你是一个专业的量化投资者，所以永远不会犯这种低级的错误。&strong&其实在强大的市场面前，任何人从根本上讲，都存在变成一个不理性的散户的可能。&/strong&就如同来回被割韭菜的散户一样，一个专业的FOF机构投资者，如果来回在子基金之间做“高吸低抛”，仔细想想他又与散户有什么本质区别？在这个意义上，人都是渺小的，我们面对市场，永远都要谦虚。因此，&strong&对于量化投资者的最后一个考验，其实和对市场所有参与者的考验是一样的，就是你的投资价值观，你对收益与风险的平衡把握，既不过于贪婪的追求收益，也不过于恐惧的惧怕风险，&/strong&说起来容易啊，做起来很难。因此，投资决策还剩下关键一环，那就是期望收益与风险之间的平衡。&/p&&p&收益与风险是不可分割的整体，盈亏同源。&/p&&p&收益与风险之间的平衡没有完全统一的标准或者最优答案，不同投资者的不同选择体现不同的投资价值观。从长期看，对于无法预测的风险，选择风险平价原则或许是目前人类可以做到的最好的理性选择。这恰恰对应了中国哲学智慧所讲的大智若愚，重剑无锋&strong&。过于激进的心态，过于追求技巧的择时或者自作聪明的切换，往往最后适得其反。因为，你要永远记住的是，无论你赚了多少钱，做了多少年，读过多少书，离开了你精心设计的投资方案，在市场中你其实和初入市场的散户，没有什么本质的区别。投资，切记不要做多余的事情。&/strong&&/p&&p&最后，做一个总结。一个是策略方案上实盘之前的问题排查，根据上述几个维度，我设计了下面九个问题大家可以参考：&/p&&p&?
数据是否准确可靠，数据使用是否足够客观？&/p&&p&?
数据结论到策略逻辑之间的推论是否严谨而不存在逻辑漏洞？&/p&&p&?
策略逻辑是否合理？是否在不同市场具有一定普适性？&/p&&p&?
期望收益是否可以被合理解释？从资产类别，策略风格，风险因子三大角度进行归因分析，分析结果是否合理并能够反映主要的期望收益？&/p&&p&?
可能的策略失效风险有哪些？&/p&&p&?
策略是否同时考虑了数据与人这两个载体？&/p&&p&?
策略是否合理的平衡了收益与风险？&/p&&p&?
新策略如何添加到原有的策略系统中去？在哪些品种上配置？不同策略之间权重如何决定？&/p&&p&?
未来出现何种情况要果断停止策略的使用？&/p&&p&第二个总结，是对我讲的量化投资方法论的四大维度总结：&strong&投资要做好三个方面的事：不同策略风格的组合搭配，不同市场资产的分散配置，不同风险因子的合理暴露与搭配，并懂得合理运用这三者之间的联系，全面的构建投资系统。&/strong&&/p&&p&&strong&资产定价理论体系，投资组合理论体系，有效市场假说，这三大金融学理论框架为投资提供分析方法与建模切入点&/strong&&/p&&p&&strong&量化投资研究的主要载体有数据和人，要合理的使用数据，分析数据，不要忽视人的因素与行为。&/strong&&/p&&p&&strong&当上述一切都得到合理的运用，投资决策剩下的事情便是对风险与收益的平衡。打造理性投资价值观，就是做好收益与风险的平衡，然后持之以恒，并心怀敬畏，方可业绩长青。&/strong&&/p&&p&我的演讲就到这里，希望能给大家一些启发，谢谢大家！&/p&&p&&b&转载要求（要附上微信： 上海棋剑资产管理有限公司）&/b&&/p&&p&&b&PS：米筐专业版现已推出，欢迎加微信：RQmimiao 咨询试用。&/b&&/p&
“”经棋剑资产首席执行官王晓光先生授权发布，如转载请独自获得授权。 写在文前：周末为大家奉上一篇来自棋剑资产王晓光的一篇报告，文有点长，但是确实系统地讲解了量化投资这件事。海纳百川，多学习不同的观点能拓宽视野。先祝大家周末快乐。原…
&p&&a href=&///?target=https%3A///%3Ff%3Dn& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Ricequant - Beta&i class=&icon-external&&&/i&&/a& 的初衷让各位爱好量化的人士可以碰撞思维，在分享和争辩中学习到有用且实战的量化知识，是的，这里的东西都很干很干... 除了有策略的理论知识分享，由于云平台的特性你可以直接打开浏览器刷刷地写代码，正所谓&talk is cheap, show me the code&。这也是和过往的社区1.0形态的不同，如果你的idea不错发现初步回测靠谱，也可以进一步使用我们的实盘模拟交易功能来运行一个月验证看看，甚至参加不断增加奖项和有实习机会的比赛。&/p&&br&&p&也欢迎大家关注我的专栏：&a href=&/ricequant& class=&internal&&Moneycode - 知乎专栏&/a& 时不时会有无（gan）聊（huo）的策略或者微观交易知识分享。&/p&&p&&br&有赖于各位在社区中贡献满满的干货以及有质量的讨论，从编程入门教学到技术指标再到多因子选股、财务数据分析等，囊括了很多方面的知识。&br&&br&&/p&&p&我在此组织 整理了下社区所发的内容、并分类出来，方便大家更容易找到相应的知识点。此贴会不断地更新&/p&&br&&p&在此感谢@散沙 @wan yu @李大树 @seabook @Jeff wu @li lu @杀马特quant @王克勤 @harvey wang @newBee Tree @王吉元 ， 还有很多很多的大大贡献了很多有趣的讨论，由于篇幅原因就不一一列出了。Ricequant社区的成长，有赖于大家的贡献与努力！&/p&&br&&p&下面开始放毒了：&/p&&p&Python入门&/p&&img src=&/e0d785ee8c316fd134f774_b.png& data-rawwidth=&607& data-rawheight=&325& class=&origin_image zh-lightbox-thumb& width=&607& data-original=&/e0d785ee8c316fd134f774_r.png&&&br&&ul&&li&&p&&a href=&///?target=http%3A///yipansansha/4& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python基本语法与基本数据类型&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/580& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&python基础之基本数据类型&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/581/python%25E5%259F%25BA%25E7%25A1%%25B9%258B%25E5%E8%25A1%25A8& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&python基础之列表&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/582/python%25E5%259F%25BA%25E7%25A1%%25B9%258B%25E5%E7%25BB%2584& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&python基础之元组&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&///?target=http%3A///yipansansha/5& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python控制流与基本数据结构&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=http%3A///video/av3635746/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【散沙】Python科学计算系列 - B站链接&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=http%3A///yipansansha/8& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&写更有Python风格的代码提高编码效率&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/188& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&散沙-python数据分析教学视频&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/543& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一些Python的入门学习资料&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/522/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&pandas的两种基本的数据结构series和dataframe&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&Ricequant 平台入门教学&/p&&img src=&/08a36b91a8ff4ddc37982_b.png& data-rawwidth=&379& data-rawheight=&383& class=&content_image& width=&379&&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/165& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant教学 1】 - Ricequant和策略交易IDE介绍&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/169& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant教学 2】- 开始编写第一个量化交易策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/170& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant教学 3】 - 回测第一个量化交易策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/174& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant教学 4】- 在python策略中使用Ta-lib计算技术指标&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/178& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant教学 5】 - 进行Fundamental查询来探索价值投资 & Screener功能&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/247& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Ricequant Research教学1】 - Research平台基本功能简介&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&技术分析指标及TALIB的使用&/p&&img src=&/a4cb7b6f01c0648dbe765d_b.png& data-rawwidth=&492& data-rawheight=&382& class=&origin_image zh-lightbox-thumb& width=&492& data-original=&/a4cb7b6f01c0648dbe765d_r.png&&&br&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/174& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在python策略中使用Ta-lib计算技术指标&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/278& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SMA 入门策略 - 移动平均线&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/388& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&STOCH（KD指标）&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/273& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&平均趋向指数ADX和动向指数DMI&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/299& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RSI指标&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/311& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&趋势指标分享 － Aroon indicator&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/419& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bollinger Bands应用&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&【价值投资】【财务分析】【基本面】&/p&&img src=&/90fa6426fad258aa6e8b_b.png& data-rawwidth=&440& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&/90fa6426fad258aa6e8b_r.png&&&br&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/178/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&进行Fundamental查询来探索价值投资 & Screener功能&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/285/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Graham number 格雷厄姆数字价值投资法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/549& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&格林布拉特价值投资神奇公式&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/476& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&策略-迈克尔喜伟收益型投资&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/448/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&投资成长型公司&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/290& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&growth investment 结合市场技术指标策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/223& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在ricequant上用股票市盈率数据做反转策略回测&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/46& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基本面、高收益交集策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/297& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基本面选股器: Piotroski F-Score ranking system&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/352& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&多因子策略（一）&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&经典策略&/p&&img src=&/ea7ad9ef1d_b.png& data-rawwidth=&544& data-rawheight=&468& class=&origin_image zh-lightbox-thumb& width=&544& data-original=&/ea7ad9ef1d_r.png&&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/180& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&海龟交易系统的python完全版&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/62/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&趋势策略小试牛刀，海龟交易体系的构建&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/51& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&配对交易-paper-version&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/49& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&配对交易（Revised Version）&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/539/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&震荡行情利器——网格交易策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&轮动策略、ETF&/p&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/548& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&相关性较低的ETF组合策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/467& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ETF轮动策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/283& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&A股市场的ETF轮动策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/338& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&沪深300etf套利&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/545& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&a股etf秘史-转&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&动量、趋势、反转&br&&/p&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/531/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Worst-K策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/392/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Dual Thrust 交易策略&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/456& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&比想象中效果要差的网格交易法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/294& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&趋势还是反转-关于mfi和rsi的一些思考&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&舆情大数据&/p&&img src=&/ec1c871c18f5b23e21b13_b.png& data-rawwidth=&745& data-rawheight=&591& class=&origin_image zh-lightbox-thumb& width=&745& data-original=&/ec1c871c18f5b23e21b13_r.png&&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/551& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&滚雪球-雪球滚起来吧-到底我们是否能靠舆情事件赚钱呢&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/374& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一起举牌吧，A股举牌概念策略分享&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&论文、书籍、阅读材料等&/p&&ul&&li&&p&&a href=&///?target=https%3A///community/topic/272& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【论文分享】量化交易领域经典学术论文&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/47& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&开启你的量化之旅 | 量化投资学习资源&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/543& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【Python教学】一些Python的入门学习资料，持续添加...&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/519& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【paper分享】101个Alpha-World Quant&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=https%3A///community/topic/449& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&【学习资料】Python、R语言、计量经济学、投资书籍、研究报告等(Book+Video)&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&
的初衷让各位爱好量化的人士可以碰撞思维，在分享和争辩中学习到有用且实战的量化知识，是的，这里的东西都很干很干... 除了有策略的理论知识分享，由于云平台的特性你可以直接打开浏览器刷刷地写代码，正所谓"talk is cheap, show me the…
Update:解释起来太复杂，搞点封装 &a href=&/p/& class=&internal&&盈透API的一个极简单SDK - 许哲的文章 - 知乎专栏&/a&&br&&br&谢邀。&br&&br&这就是我天天在干的活，让盈透TWS里的市场数据放到Matlab写的函数里，然后跑出结果来后扔到TWS里做交易，并且在数据库里留个底。&br&&br&首先你得选择一个语言SDK，有些是官方的，有些是开发者自己写的。这个主要看你自己熟悉哪门语言。&br&&br&在官网的介绍里有罗列官方的实现版本&a href=&///?target=https%3A//.cn/cn/index.php%3Ff%3D5234%26ns%3DT& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&IB API | Interactive Brokers&i class=&icon-external&&&/i&&/a&&br&&br&&img src=&/33af38049acd4a6b5261def291c1fd62_b.png& data-rawwidth=&1147& data-rawheight=&370& class=&origin_image zh-lightbox-thumb& width=&1147& data-original=&/33af38049acd4a6b5261def291c1fd62_r.png&&&br&这里不推荐ActiveX和DDE两种，性能上比较弱。ActiveX 不谈了，这个主要用于一些特殊场合，就算要在你的网站上嵌入盈透相关的东西，我认为也完全没必要，且不说ActiveX插件经常被禁掉，这类应用场景完全可以用其他牢靠技术实现。DDE主要用来在Excel 表格里插入不断变化的价格数据，期权希腊值，债券收益率等等，用于公式做头寸计算，报表自动生成，也不推荐，非常容易出错。如果工作非得要以Excel的形式输出，我依然推荐使用.NET接口对接盈透，并且用.NET框架里的Excel组件。&br&&br&如果你不是非要在非Windows环境下工作的话，我推荐你使用C#作为主语言。如果你非得在非windows环境下的话，推荐使用Java。当然，如果你有特别心仪的语言，比如上面有位朋友本命语言Python，你就选自己最喜欢的语言。&br&&br&盈透的软件基本上是全Java的，C++和C#的实现风格也非常Java，对于Java程序员而言，非常好上手。性能上，如今CLR和JVM都足够足够了。&br&&br&与Matlab的桥接，也推荐用官方的SDK过一道。我用的方式是C# SDK读取盈透TWS上的数据，然后用MathWorks提供的COM+插件C#代码直接操作Matlab，这样子做是最好的。而不要用Matlab直接和TWS硬接，调试起来很会痛苦，这都是血的教训。有VS和没VS完全是两个工种。&br&&br&这个是MathWorks 官方的C#操作Matlab 接口的使用办法。&br&&br&&a href=&///?target=https%3A///help/matlab/matlab_external/call-matlab-function-from-a-c-client.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/help/m&/span&&span class=&invisible&&atlab/matlab_external/call-matlab-function-from-a-c-client.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&官方文档里没用到，但其实最爽的是可以直接在C#里执行Matlab命令。&br&&br&添加组件：&br&&img src=&/813bd86caddd5dbca0ffbd_b.png& data-rawwidth=&800& data-rawheight=&550& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&/813bd86caddd5dbca0ffbd_r.png&&&br&&br&&div class=&highlight&&&pre&&code class=&language-csharp&&&span class=&n&&MLApp&/span&&span class=&p&&.&/span&&span class=&n&&MLApp&/span& &span class=&n&&matlab&/span& &span class=&p&&=&/span& &span class=&k&&new&/span& &span class=&n&&MLApp&/span&&span class=&p&&.&/span&&span class=&n&&MLApp&/span&&span class=&p&&();&/span&
&span class=&c1&&// Change to the directory where the function is located &/span&
&span class=&n&&matlab&/span&&span class=&p&&.&/span&&span class=&n&&Execute&/span&&span class=&p&&(&/span&&span class=&err&&$&/span&&span class=&s&&&cd {txtMatlabPath.Text}&&/span&&span class=&p&&);&/span&
&/code&&/pre&&/div&&br&把C#程序内存里的数据，导入到Matlab里，和Matlab函数执行结果读回来超容易。Matlab的矩阵可以和double数组无缝切换。&br&&br&&div class=&highlight&&&pre&&code class=&language-csharp&&&span class=&kt&&double&/span&&span class=&p&&[,]&/span& &span class=&n&&pr&/span& &span class=&p&&=&/span& &span class=&k&&new&/span& &span class=&kt&&double&/span&&span class=&p&&[&/span&&span class=&m&&60&/span&&span class=&p&&,&/span& &span class=&m&&8&/span&&span class=&p&&];&/span&
&span class=&kt&&double&/span&&span class=&p&&[,]&/span& &span class=&n&&pi&/span& &span class=&p&&=&/span& &span class=&k&&new&/span& &span class=&kt&&double&/span&&span class=&p&&[&/span&&span class=&m&&60&/span&&span class=&p&&,&/span& &span class=&m&&8&/span&&span class=&p&&];&/span&
&span class=&k&&for&/span& &span class=&p&&(&/span&&span class=&kt&&int&/span& &span class=&n&&i&/span& &span class=&p&&=&/span& &span class=&m&&0&/span&&span class=&p&&;&/span& &span class=&n&&i&/span& &span class=&p&&&&/span& &span class=&m&&60&/span&&span class=&p&&;&/span& &span class=&n&&i&/span&&span class=&p&&++)&/span&
&span class=&k&&for&/span& &span class=&p&&(&/span&&span class=&kt&&int&/span& &span class=&n&&j&/span& &span class=&p&&=&/span& &span class=&m&&0&/span&&span class=&p&&;&/span& &span class=&n&&j&/span& &span class=&p&&&&/span& &span class=&m&&8&/span&&span class=&p&&;&/span& &span class=&n&&j&/span&&span class=&p&&++)&/span&
&span class=&p&&{&/span&
&span class=&n&&pr&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&,&/span& &span class=&n&&j&/span&&span class=&p&&]&/span& &span class=&p&&=&/span& &span class=&n&&Convert&/span&&span class=&p&&.&/span&&span class=&n&&ToDouble&/span&&span class=&p&&(&/span&&span class=&n&&dgv&/span&&span class=&p&&.&/span&&span class=&n&&Rows&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&].&/span&&span class=&n&&Cells&/span&&span class=&p&&[&/span&&span class=&n&&j&/span& &span class=&p&&+&/span& &span class=&m&&2&/span&&span class=&p&&].&/span&&span class=&n&&Value&/span&&span class=&p&&);&/span&
&span class=&n&&pi&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&,&/span& &span class=&n&&j&/span&&span class=&p&&]&/span& &span class=&p&&=&/span& &span class=&m&&0&/span&&span class=&p&&;&/span&
&span class=&p&&}&/span&
&span class=&n&&matlab&/span&&span class=&p&&.&/span&&span class=&n&&PutFullMatrix&/span&&span class=&p&&(&/span&&span class=&s&&&input&&/span&&span class=&p&&,&/span& &span class=&s&&&base&&/span&&span class=&p&&,&/span& &span class=&n&&pr&/span&&span class=&p&&,&/span& &span class=&n&&pi&/span&&span class=&p&&);&/span&
&/code&&/pre&&/div&&br&一个PutFullMatrix 就OK了，base是Matlab里WorkSpace的名字。值得注意的是，放的数组是复数的，也就是一定要有虚数部分。如果你的应用里没有用到复数，都只是实数的话，虚数部分全部填0（也就是我上面那种做法）就OK了。&br&&br&读取结果&br&&div class=&highlight&&&pre&&code class=&language-csharp&&&span class=&n&&matlab&/span&&span class=&p&&.&/span&&span class=&n&&Execute&/span&&span class=&p&&(&/span&&span class=&err&&$&/span&&span class=&s&&&[F]=FuncName(input....)&&/span&&span class=&p&&);&/span&
&span class=&kt&&double&/span&&span class=&p&&[,]&/span& &span class=&n&&res_martix&/span& &span class=&p&&=&/span& &span class=&n&&matlab&/span&&span class=&p&&.&/span&&span class=&n&&GetVariable&/span&&span class=&p&&(&/span&&span class=&s&&&F&&/span&&span class=&p&&,&/span& &span class=&s&&&base&&/span&&span class=&p&&);&/span&
&/code&&/pre&&/div&&br&结果放回一个double数组里，就好像调用一个本地的函数一样简单。Execute方法基本上是万能的，就好比嵌入了个Matlab的REPL一样。&br&&br&其他语言和Matlab的混合编程参考：&br&&br&&a href=&///?target=https%3A///help/matlab/programming-interfaces-for-c-c-fortran-com.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/help/m&/span&&span class=&invisible&&atlab/programming-interfaces-for-c-c-fortran-com.html&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&&img src=&/2efada67af8aba_b.png& data-rawwidth=&941& data-rawheight=&731& class=&origin_image zh-lightbox-thumb& width=&941& data-original=&/2efada67af8aba_r.png&&C++，Java，Python 等等都有。&br&&br&原则是：&b&有官方的SDK用官方的，少自己造轮子。等实现完全没问题了，用得滚瓜烂熟了，再想着自己造轮子。&/b&&br&&br&下载地址：&a href=&///?target=http%3A//interactivebrokers.github.io/%23& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Interactive Brokers&i class=&icon-external&&&/i&&/a&&br&&img src=&/d7eb115ad3210e89cacb61ad7d819c9b_b.png& data-rawwidth=&979& data-rawheight=&619& class=&origin_image zh-lightbox-thumb& width=&979& data-original=&/d7eb115ad3210e89cacb61ad7d819c9b_r.png&&Linux用户不用教，自觉选右边的。大家&b&不要去下载Beta版&/b&，我遇到过几次坑，就是Beta里面的Bug。这玩意的Bug，那真是分分钟钟几百万上下不开玩笑。代码都在Github上，造轮子特别溜得可以去贡献贡献，说不定哪个金融巨鳄土豪受益了，一开心，赏你个小目标什么的。&br&&br&与盈透TWS的对接有点复杂，文档在&a href=&///?target=http%3A//interactivebrokers.github.io/tws-api/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&TWS API v9.72: Trader Workstation API&i class=&icon-external&&&/i&&/a&这里，确实不是很友好。特别是题主如果是从mql转过来的话，适应会比较难。&br&&br&&img src=&/a1efa199cbf82e3b8309317_b.png& data-rawwidth=&1052& data-rawheight=&638& class=&origin_image zh-lightbox-thumb& width=&1052& data-original=&/a1efa199cbf82e3b8309317_r.png&&但这依然是最重要的参考资料，好比盈透API开发的MSDN，完成度当然和MSDN差得不是一个等量级了。你们看看哪个圈最大，明显是C#对吧，大家就明白哪个最完整啦。&br&&br&&a href=&///?target=http%3A//in