基于未来市场注册制的导向，可转债在未来市场中将进入专业化的量化时期，目前各种量化模型正处在发展初期，未来市场会衍生多种变型。在市场体量不断变大的过程中，避免同质化的稳定模型将会优于市场上的主流从而异军突起。
在可记录的大数据中，取决于模型的基础稳定性还是需要依靠海量的数据进行推算才能得到最完整的导向策略。
市场整体上的波动是回测年化能否持续稳定的关键。所有的数据收集过程中，越是完整海量的数据，就更具有未来确定性的指导意义。
从目前的海量数据收集中来看，市场整体的环境处在相对活跃的一个阶段，自2018年之后的可转债市场逐步走向一个快速活跃的蓬勃期，收集原始的数据变得尤为重要，每一年市场都会有不同的表现，但是决定最终的结果是还是选用的差值正向收益率能否渡稳健过每一年的周期。
在相对活跃的年份，市场整体的成交量处在整体放大的过程中，差值的正向波动收益率容易把握，但是风险点就是在于市场成交量大幅萎缩后，原来的模型区间能否继续适合一个收敛的市场。关于这种现象，需要在原有的数据模型中去放窄收益率的差值，整体表现后结果仍然与活跃期的市场收益率相差不大，但是制约的条件就是收敛期中资金体量运转规模会变小，这个就是跟随市场体量来同向变动的。扩大活跃期时，资金体量的可用度适当提高，收敛萎靡期时，资金体量的可用度适当精细收缩。
保持一个持续的年化收益率的根本是看策略模型能否适用于当前的市场，如果市场整体温和扩张，模型的有效性就会延续，如果市场开始收敛，回测连续几个短周期进行波动差值率后适当减小。短周期可以用月来进行修正，连续几个月的数据越来越偏离收益的中心位置，那么就要将波动的差值收益尽量拉回中心做数据测验。
一个可行的量化策略模型从来不是一年两年就能得出来的，但是有个对比就是，策略模型在市场很差的年份运行下依然可以取得较好的结果，那么这套模型在转好的年份里，就能有更好的收益结果。
每一次市场上的数据突破模型的边界，都会将原来的策略进行一次异同化的记录，历史的数据只能说明过去的大概率会出的结果，但是在市场发展中，总会有突破边界的数据运行去覆盖原有的结果。
当我们记录了最多最原始的数据后，其实就是为了更好的做风险防御，依照原有的历史数据指导当下的执行策略，但是如果原有的历史数据开始背离最初设定好的结果时，就需要调整收益差值比，这个调整也是基于现阶段的海量数据中来进行精细调整的。
量化策略的指令就是执行优化，简单的执行背后其实是依靠海量的历史数据进行参照的，复杂的就是海量数据的应用和类比，并将其挑选出最适合现行的可靠性结果的分析数据。
长远来看，数据的完整和有效是量化运行的根本，只有不断优化数据去接近现在的市场，并从中优化最适合的方案，模型才能得到持续的有效性。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/73523
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
