从主观交易开始转量化了。做了一段时间之后，似乎学了很多、理解了很多，也有了一些自己的想法。但是乱糟糟的不成系统，或者这一块那一块的转脸忘掉了。

于是打算陆续把这些收获和想法整理出来，梳理成文，后续进一步慢慢整理，方便自己随时拾起来。主要包括各种方法论或者一些网络上公开的国内外的经典策略的研究。因为不涉及在跑的实盘策略，所以也没啥可藏着掖着的，大多数内容网络都可以搜到，甚至有些连AI都知道。于是顺便发出来分享下，有人看就当赚个榨菜钱，没人看就当自己写给自己，方便加深理解和有迹可查。

写下来的功能仅仅是把这些零散的知识串在一起。一些个人理解不敢说绝对正确，但是多数都是集百家之长经过思考后所做的总结。

因为只是杂乱的笔记整理，疏漏之处，万望评论指正。盈亏曲线放出来容易被当成卖课的收徒的，就不放出来了。

市场上讨论最多的从来都是主观交易方法论。主观交易者和量化交易者一样，都是依赖于成形的交易模型。

与量化交易者拥有多套策略相似的，主观交易者脑海中也会存储多套交易模型，也一样是在盘中去选择使用哪一套模型进行交易。（有观点认为主观交易和量化交易此处不一样，但对于合格的主观交易者一般大脑和量化程序运行模式并无太大差异）

另一方面，主观交易者也强调交易系统：通过经过回测的胜率、赔率和仓位控制来配合模型进行交易。但主观交易缺点在于，这些计算如果放在中长周期，往往会有充分时间进行计算，但是如果在中短线上则会因为反应速度、情绪心理、杂事干扰等等因素干扰而产生较大的偏差，最终偏离自己精心设计的交易系统。

中长线交易

以前一直在做中长线基本面交易。老实讲，商品市场做基本面长线交易并不难。多数顺基本面交易者每年都能多少获得些正收益。基本面多数情况下需要中长线的持仓和等待。就像期权越是远期的期权时间价值越高一样的道理：长线的持仓和等待伴随着不确定性，甚至时间会扭转基本面的供需格局。这点的影响在于：

1. 对于小资金投资者会有较大风险和心理影响；

2. 因为时间导致的懈怠错失更好的入场时机。

3. 和期权一样，期货中长线持仓也客观存在着时间价值的损失（资金利用率问题）。

所以中长线交易的最好解决办法是交易期权，而非期货。但是期权的中长线对于小资金来讲收益绝对值确实太低。顺基本面情况下，多数具有套利性质的无风险期权策略组合，年化能做到3~5%已经是非常不错了，考虑到操心程度，真的远远不如债基。最常见的问题是期权中风险收益比的矛盾，比如常见的Backspread：

• 如果追求接近零风险，盈亏平衡点就需要选择很远，算下来收益预期（不是最大收益）可能连10块却可能都不到。
• 盈亏平衡点选的太近，就需要比期货还费心的去做Delta对冲和止盈止损，每天草稿纸算满，否则风险比期货还大，甚至会有几十甚至上百的杠杆亏损，赚着卖白菜的钱，操着卖白粉的心啊！

不谈超短了

一些民间手动的顶级高手多数出自于日内超短，很厉害也很神秘。但是对于多数人来讲，超短伴随的问题都是显而易见，不细谈了。而且随着量化发展，手动超短只会越来越难。

转为量化

所以我们转为量化。但是转换需要一些基础的思考，比如：

• 要通过量化解决什么问题？
• 要通过量化达到什么样的收益率？
• 要采取那种类型的量化策略？
• 等等……

这些不同的问题答案因人而异。有人比如说就喜欢期权，就想搞一个量化的盒式套利；或者有一堆高性能服务器，可以跑一堆算法每天扫描不同的期权合约找垂直价差的异常定价机会；也有人就喜欢跨品种套利，在不同的品种间用量化套利代替手动，用统计结合基本面做套利；有人就喜欢抄底摸顶，用量化做震荡区间等等，答案都是不同的。

不管如何，量化可以说是对主观交易的一种补充而非代替。顺基本面的原则还是不应该改变。有些必要的手动工作还是不可避免的。

策略类型

据笔者知识，从通识角度，量化策略姑且分成四类：

• 动量策略
• 震荡策略
• 套利策略
• 高频策略

篇幅有限，本部分大概聊一聊，以后详细谈。

动量策略

动量策略和传统所说的趋势跟踪并没有太大区别，只不过描述重点在于强调趋势的延续性。动量效应最早是由 Jegadeesh 和 Titman发现并提出。这个概念参考了物理中的动量Momentum，在价格行为分析中简单的定义就是：

• 标的价格在一定时期内会延续之前的价格趋势，即过去一段时间内价格上涨的标的，在未来短期内仍可能继续上涨；过去价格下跌的标的，在未来短期内可能继续下跌。

显然，这个定义中可以自然得到一个重要推论：

• 反转已经形成的趋势，需要具备一定的价格力度或者时间积累。

这是所有趋势理论的基本支撑，无论你是做双均线还是金肯特纳通道，还是MACD、KDJ金叉死叉，这都是最基本的理论支撑。我们耳熟能详的几乎所有主观趋势策略都是基于动量策略的加工，或简化、或加料、或魔改。

震荡策略

震荡策略，显然就是在交易周期的震荡区间内做抄底摸顶。近年来（2022年~2024年）震荡策略的业绩要远远好于动量策略。显然震荡策略是趋势策略的对立面，这种对立体现在下表：

考虑到胜率和盈亏比，假设对比一个动量策略和震荡策略：

• 动量策略：胜率40%，盈亏比3:1，盈利的期望值：

• 震荡策略: 胜率50%, 盈亏比3:2, 盈利期望值:

在动量策略只有3:1盈亏比的情况下，预期收益也比震荡策略要高。所以对于很多大型量化基金，震荡策略只是用来对冲动量策略的损失，而通过动量策略来实现超额收益。理论讲一个完备的量化组合是需要同时包含震荡和动量策略的。就像下图所示意的：

套利策略

套利策略有不同的类型，简单来讲可以分为无风险套利和有风险套利。

对于无风险套利，主要采用期权工具，最大的核心是顶级配置的硬件，也就是价格高昂的高端云服务器。说白了就是扫描所有可能得期权组合，寻找市场错误定价的机会，利用一些已经得到数学证明的公式，或者显而易见的行权价关系逻辑，来购买期权组合实现套利。期权的无风险套利逻辑非常简单，但是硬件太过昂贵。同时虽然是无风险，但是手续费和滑点等交易损耗也非常难以控制，所以综合来讲，对于个人散户几乎不可能。

有风险的套利，和手动套利一样，是一种基本面交易，主要依然是手动的跨月、跨期套利。本质上是一码事，只不过把手动交易交给了机器来做。好处在于以下几点：

1. 更容易把握瞬时机会，不需要实时盯盘
2. 严格可控的止损，避免了一般的套利止损难题
3. 增加了统计分析环境，可以将统计分析和基本面套利结合，更加有依据可图。
4. 更复杂的套利会拆分对套利的具体合约组合做技术分析，寻找矛盾点入场。

对于第四点，举例来讲，做空油粕比，可以不仅依据二者比价入场，而是在技术面上，同时寻找豆油空头机会和豆粕多头机会，在二者同时触发的Bar入场，来空油粕比。这样开仓之后可能就会获得浮盈来保本。

高频策略

高频策略更像是纯粹的IT技术向交易领域的入侵。在高频领域里几乎没有太多金融逻辑可言。更多是纯粹的IT。比如美国的NBBO，National Best Bid and Offer，这其实是纯粹的一种Hack行为（国内并没有NBBO的机会）。

国内常做的高频是利用统计优势，也就是概率上的小概率胜算，然后通过大量交易促成胜率的提高。比如单笔交易的胜率如果能够达到51%，那么如果交易一万次，胜率将达到97.8%。如果每天进行一万次胜率51%的交易，那么就可以保持盈利曲线一条斜向右上的直线了。

但是如何保证每笔交易的胜率能够达到51%呢？当然这并不简单。

• 第一，高频交易基于订单流和订单簿，通过发现订单的不平衡进行超短交易，产生多空判断。这和一些手工炒手的模型很相似。
• 第二，高频采用抢帽子的手段利用速度优势对一些优势价位订单进行抢夺，从而开仓后立刻得到浮盈。
• 第三，高频持仓时间极短，一般盈利超过一定数额立刻离场，从而利用很低的绝对收益数值来提高胜率。

高频的技术手段还有很多，比如冰山、钓鱼、消息面扫描等等。

必须说明的是，高频对于散户或者小工作室来讲几乎不太可能，一方面是服务器成本需要非常大的昂贵开销，另一方面从技术角度，小型组织的技术水平可能很难抢过大机构。高频还有一个显著特点是赢家通吃：头部最快的高频机器人的全部利润来自同类型所有其他机器人的亏损。

修罗场有没有？

从主观到量化

• 主观逻辑转化为量化模型

如前述，主观交易者一般会有多套模型，在盘面上根据图标匹配会随机选择一种或多种配合使用，这个过程显然有很大的随机性。在量化中这类主观逻辑会转为更加定量的开仓、平仓和止盈止损。

一个通常的策略转换步骤如下：

第一步：整理策略并确定核心思想，做出初始策略

根据自身主观逻辑的经验，将主观的技术指标、开平仓逻辑、止盈止损规则整理成文，按步骤和规则梳理成文字，之后检查逻辑的合理性并纠偏。然后通过代码转写成策略代码。

第二步：回测并研究信号，做出优化改良

结合图表，细化一些信号的拟合规则，过滤应该规避的情况。并且执行回测，根据回测报告，增加模型的拟合度，同时也减少一些过拟合的情况。换句话说就是对模型和各种规则进行适当的放宽和收紧的调整。这个过程包括了提高回测的置信度R方值，以及优化收益回撤比，优化模型参数等。

第三步：观察样本外数据，降低过拟合量化是最容易发生过拟合的。所以引入样本外数据，同时增加一些最新的实时数据作为新的测试集来进行反复回测。通常来讲，样本外数据发生信号突变的原因可能有如下两种：

• 模型过拟合：模型的研究和设计自身出现了严重的过拟合导致。这需要考察模型的合理性，从模型自身研究。
• 标的特性变化：当一个标的物本身发生了很大的特性变化，比如一个高波动品种因为某些众所周知的原因或者供需矛盾缓解，突然间开始一段长时间的织布。这种情况只能结合基本面进行分析，确定原因，并对模型进行调整。一个典型的实际例子是宏观层面很多知名基金在2021年开始从趋势策略转为中性策略，而在2024年十月后开始放弃中性策略。

• 定性分析转换为统计定量

除了一般常说的主观开平仓、止盈止损逻辑等转换外，笔者这里还想补充一条关于分析思路的转换。

在主观交易领域，通常分析一个商品时，经常采用的是主观的定性分析。包括商品的基差、供需平衡表、历史价格等等。这很多时候得益于图表工具。通过图表工具，我们可以很直观的观察出一些趋势和变化，从而得出诸如：“这个品种下跌了很多”， 这个品种震荡了很久等等结论。

但是图表也有一些缺陷，比如当我们使用一个比例去观察图表时，会有一些“视觉误差”，例如如下PTA从7月到9月的一段下跌，在三个图表上看起来，力度相当不同：

上图中的价格数据还可以理解成基差、供给、需求等任何图表。虽然表达价格的K线图做了很多优化，视觉误差不一定明显。但是当涉及到其他图表时，这种视觉上的偏差会很明显。定性会标的非常混乱和随机。

笔者转量化的过程一个最大的错误就是总是会尝试把主观交易的一些工具和手段引入到量化交易中，试图去进行定性。而量化很难定性，但易于统计定量。例如：“一段下跌趋势的Slope可能位于历史下跌中的68%分位数，样本总数100次下跌”。这是一个通过统计很容易得到的定量，这也可以帮助我们计算出概率，比如：此下跌延续概率有多大，V反的概率多少等等。

待续…