反脆弱看投资体系构建：从ETF动量策略到CTA

昨天重读塔勒布的《反脆弱》，如何应对高度不确定的环境，建立反脆弱的体系呢？

1、避免极端的负面黑天鹅。 

对于个人，就是关乎生命安全，自由，重大财产损失的可能，要远离。

对于公司，就是有重大破产风险，比如对赌的事情，不能做。 

2、杠铃策略。

多数配置在极安全的，少数配置高赔率的。损失上限是确定的，但收益可能是没有上限的。 

3、在2的基础上，积极拥抱正向的高赔率的黑天鹅事件，积极试错。

从这个角度望过去，对于长线可投资资金的分配，应该80%分配在指数基金+大类资产配置+股债平衡+定期再平衡，追求市场的beta=10%的长期年化收益。然后20%的资金可以积极尝试高赔率的策略，比如期货。

让账户自动运转：构建一个稳健的长期年化10%（回撤小于6%）的大类资产组合

再积极一点的话，咱们上个月完成的ETF趋势交易体系，交付的策略：

系统源代码发布v2.4供下载，带年化32.1%策略，简化GUI逻辑

上述策略可以通过如下链接直接访问（免费注册/登录后可以查看交易信号，代码与数据都在星球里）：

http://www.ailabx.com/task/a568a2e8-f145-4229-b20b-9a2435be26ed

杠铃配置就是避免中间态，花费心力，又规避不了黑天鹅。

当然，这里没有标准答案，每个人的风险偏好不一样。转债、股票，自己熟悉就好，不做自己没把握的事情，同时深刻理解，风险上限在哪里。

本周的gplearn系列，代码预计是本周四，也就是明天更新。

遗传算法到底有什么用，能帮到我们哪些忙呢？

举一个例子，比如你发现OBV这个指标很好用，你把它喂进遗传算法里，想让算法在它的基础上找出更好用的指标，最后你得到了OBVM(obv的移动平均值)，obvm比obv在预测上更准确。

本周把gplearn完成之后，下周我们正式开始实盘化交付。

从CTA开始，构建交易体系。然后涉及到因子挖掘的部分，把gplearn再整合进来。

吾日三省吾身

普通人的恩怨情仇，真的没有人在意，也不能怎么着。

我们超越了自己，也就超越了是非恩怨对你的束缚，宽恕别人就是宽恕自己，人生和事业的成就自然是水到渠成。当然未必能事事做到原谅，但想起蔡康永那句话——只是“算了”。

这并不是懦弱或无能，而是我们要集中精力做更有价值的事情，避免再与某些人或事相遇。