量化交易核心策略开发读书笔记

前言：

量化是肯定要量化的，分析又不会分析，肯定要学量化的，未来的金融环境会更加复杂，品种更多，量化是肯定的，一开始想着学了量化，学了机器学习，学了TK库，又想学爬虫，后来看了一些机器学习还是觉得从数学方面入手才好，概率论是学了几遍都没有学会，然后看了《深入浅出学习统计学》才大概了解一些，微积分也只看懂一点点，线性代数只过了一遍就没有任何然后了。

觉得还是要把底层知识机构夯实才行，所以现在老老实实的学习数学，也对于最新的量化书进行购买，也在思考，也在回顾，虽然python忘记的一干二净，但是还是明白工具就是工具，真正还是需要把这些底层知识巩固以下才行。

还有就是结合可转债的交易不断思考自己的现状和策略的设计上，通过量化逐步树立了交易系统的设计，一定的风险管理意识以及止盈止损的设计，仍然没有建立起整体的思维和内涵，这是未来需要值得修筑的。

我是以个人现在的水平和能力去理解，所以有错是必然的，但愿在不断的学习中不断成长，毕竟我发现，如果一个人在一个领域中没有天赋但是有眼光和趋势的判断，那么剩下来的只能通过反复的观察，学习，不断冲击这个阻碍，这个知识难点就会崩塌和被自己占领。

一.本书的介绍和梳理

1.本书提出交易是一个概率的游戏，并且通过赌博和大数定律，中心极限，最大熵原理来进行论证，正是因为是一个概率的游戏，那么我们就要明白一点：策略的失灵是一种必然，止盈和止损是一种必然的这样的一个逻辑。

2.本书的一个很大特点是从站在全市场的角度来看待量化，这个观点是很对的，上证等指数对于行情的解释能力是最强的，也只有通过对于上证等指数的训练才能够发现一般性行业，股票走势的一般性走势和特征，同时在数据的鲁棒性上也是最强的。我们要明白一点的是，上证-行业-个股这个逻辑。

任何策略和对于市场的描述都建立在更加基础的底层理论之上，金融市场的假设中的存在，才能对于市场行为进行确定性的描述和推论，不认识到这一点，就无法对于市场进行深刻的理解和探寻。这自然也是未来量化过程中所必备的。

3.本书通过论证市场，得到市场是随机性，并且提出机器学习失败的原因。

在这一点上，我不并不认可作者的观点，市场是由必然性和偶然性的结合，在这个观点上，我采取《系统交易方法》一书中随机性和非随机性交织推动股市的变化。在合理的情况下，必然要对噪音进行处理，从而使得阶段性的交易中存在一种必然性，便于我们对于市场进行先验性的判断，从而为市场的部署做好准备，也就是料敌预先。

量化除了是一个概率问题，还是一个逃跑的游戏，也就是说只要你进的早，跑的快，自然就有人给你垫背。这看似是一种短线，频繁交易的思维，实际上却是十分真实的情况。这里最集中能够体现的就是贵州茅台的基金抱团，抑或是顽石先生《不作不死》中的重庆啤酒一案一样，在揭盲数据的关键风口，故意开市，放出大量资金逃跑如出一辙，却骗入更多的替死垫背的一样。

然而这就是金融本质中最为血腥残酷的一面，任何事情在当时都是有着合理解释的情况下，只有事件过后的活人或者胜利者才会有开口的余地。

4.本书选择了matlab，python作为本书用于量化部署的编程语言。

5.本书还提出了策略开发基础，并就预测与不预测模型的交易策略进行探讨。

在这里，我只想说一句，就目前来看，尤其是经过机器学习训练的策略来看，必然带有预测的功能，只有发出信号必然是局部最优点的介入机会，在未来的趋势上，必然是作为最后清仓的兑现后的利润计算依据。

最后作者提供了本公司开发的TqSdk系统用于开发量化策略的包。

虽然很想学，但是实在是下定决心要搞懂一部分底层知识结构，而且这些量化包大多带有很强烈的主观色彩，不值得下功夫去研究，懂设计思路就好。

6.本书在量化工具介绍上通过yalmip来解决凸优化，非凸优化的问题，这个我不能理解啥子叫凸优化的问题，权且作为未来学习的一个备注，供日后学习注意，并解决。

在本章中还介绍了DE算法。不懂。

随着我接触量化的书越多，就在介绍算法上都是各凭感觉在介绍，就算是机器学习，也都是自成一套，这也间接说明在我国的金融交易市场中，量化并没有形成主流。在现有的肉眼看盘中诞生的技术面和基本面已经是主流的分析思路和工具，缠论凭借其强大的生命力，自成一派。这种反差自然还是能看到，作为我国量化进程中仍然有极大空间的一个佐证和参考。

7.本书在数据预处理一章中真的是王大妈的裹脚，在复权上喋喋不休，还要把价差+分红+送股当作股票全收益计算大书特书，这个的确看起来有点让人头疼，这是我看过这么多本书中第一个这么复杂计算的人。

在各连续化处理对策略影响的章节中，更多还是着眼于股指期货，本人不玩，就不再重视。

其实这里可以适当说一些如何处理停牌事宜的个股该怎么数据填充fill的方式，从而计算因为停牌造成的时间成本计算。这个是可以用的，当然在后面的策略计算中，也是剔除了阶段性停牌股，这个我感觉不太好，作者取巧的思路有，但是真的如果交易到那个位置了，你也没有办法。

8.本书在风险控制上提出了组合投资，然后实证和论述。

从这里就有点力不从心了，毕竟线性代数我只看过一遍，所以我不能去猜测。

其实这一点来看，作者对于单个个股或者品种的运行是没有多大兴趣的，更强调组合投资的分析模式。这个呢，我能理解，在未来的资产管理中，资产配置上的优劣也将使得我们资金的使用成本最小化，收益最大化。相比于现阶段对线性代数的一知半解，所以只能选择撤退和保留。

但是从编排上，则是一种失误，毕竟开始讲到预处理，自然就是要讲策略或者策略的发掘，然后再讲风险控制，量化过拟合等情况用于匡正之前的策略，作为升华全书的主题来对待。

9.本书提到了过拟合，但是相比于机器学习中论证过拟合的情况，本书实在是搞的比较复杂，添加的线性代数中着实让人看不懂，这也再次提醒自己在数学领域上的痛脚，需要注意。

从本书来看，线性代数更多运用于组合资产的分析，这一种感觉很强烈，尽管本人也看过一些机器学习的书，在涉及到多因子的分析，特征生成中也没有涉及到线性代数，这个就有点蛋疼的感觉。

至于后面的，稍微看懂一丢丢，这还是因为看过了《深入浅出学习统计学》和一部分微积分才看懂一点点，然后就有点吐槽的感觉，真的，这帮人闲的蛋疼，命名一些乱七八糟的东西让人看不懂。

之前看这类书是惧怕的，现在多少能够适应一些，这正是学习的力量，需要继续努力才是。

10.本书最大的问题和其他书本是一样的，就是尽心尽力设计买点和卖点，但是在数据游走的趋势上，从买点到卖点是的过程是怎么样的情况，并没有仔细说明，然后再庞大的数据分析面前说，靠这个就赢了。这个着实让人费解。

尽管知道这个策略开仓到清仓兑现有利润，但是这个过程究竟发生了什么，不得而知，而且就本书援引的几篇论文似乎也没有涉及到这个问题。在目前来看，行情的中继是如何确定的？过程中产生的暴涨暴跌是怎么度过的？在这一个过程中，局部最大值和最小值引发的投资心理是什么样的冲击，能不能抗住？并没有人知道。

毕竟他们都只是在标记了买点和卖点，其中的过程他们要么是回避或者就是根本不谈，没有人知道，数据是花了多久时间，怎么从买点到卖点的。

而这对于普通投资者而言，未免过于残忍了。

11.本人能力有限，就对于这些后面的具体策略就不谈了。

12.相比于这些花里胡哨，层出不穷的策略和论文而言（其实本书或者是我其他地方看到的，尽管量化研报，论文上提出的各种假设，其盈利性惊人，而且解释自圆其说，但是就是没有人去实际部署，这似乎也说明了某些问题），通过数据挖掘和数据处理对于最近全市场数据分布进行搜索和分析，聚类找到最近的适合策略才是正途。

毕竟举例子中总是向前推几百年，几十年，有必要么？环境，背景，交易对手，科技水平，突发事件等综合构建卡里的金融环境能一样么？

回测就找最近的才是最好的。个人看法而已。

所及计算机性能的要求和投入就是一个极大的问题。慢慢学习吧。