头条 社恐技术人的搞钱新思路——《量化交易》导读

未分类
-- 次阅读

作者: 零一瓦舍

嘉靖皇帝朕的钱图片- 抖音在我发起的一个学习群组中，群友对「AI 辅助投资」这个话题热情高涨。我其实也有些兴趣，但碍于对投资实在一知半解，没办法组织有意义的讨论。

但为什么不能学一学呢？于是我做了一点小小的调研，从一些基本的概念开始了解。Ernie Chan 的《量化交易》（第二版英文）这本书就是一个起点。

这本书篇幅不长，主要也已科普和布道为主，没有特别精细的细节，比较适合我的程度。有些涉及工具的知识可能会有过时的嫌疑，论述也只针对美股，但这些细节对初学者其实无关紧要。

下面总结一下核心要点，以飨后来者，也便于自己复习。

PS：读完后我觉得这个「生意」还挺适合我的，不依赖于对某个产品的销售或运营、高策略性、可扩展性强——对社恐的技术人很友好。虽然我目前还非常菜，但觉得这也是一个潜在的、值得长期投入的方向。

模块一：商业逻辑与散户优势

这部分是作者的主要价值观输出，帮读者确立「信念」，相信个人交易者存在生存空间。

  1. 容量悖论（Capacity）：
  • 机构的劣势：大资金是流动性的「需求者」。为了买入大量股票，必须推高价格（支付冲击成本），这迫使机构只能做长线或高容量策略，且受宏观经济影响大。
  • 散户的优势：小资金是流动性的「提供者」。你可以做「低容量策略」（如短期做市），赚取买卖价差或微小套利，这种策略夏普比率高但无法容纳大资金。
  1. 约束即成本：
  • 机构受限于监管和 LP（有限合伙人）偏好，往往有许多非数学最优的约束（如必须市场中性、禁止做空、禁止期货）。
  • 独立交易者没有这些束缚，可以追求数学上的最优解。
  1. 极简商业模式：
  • 量化交易具有极高的可扩展性（Scalability），代码写好后，管理 1 万和 100 万的精力差不多。
  • 零营销：对手盘只认价格不认人，不需要维护客户关系。

模块二：策略研发

这部分解决了「交易什么」的问题，简要介绍策略分类与工具应用。

  1. 两大策略基础：
  • 均值回归（Mean Reversion）：赌价格回到「合理」水平。核心数学工具是协整（Cointegration） 和平稳性（Stationarity）。注意：相关性高不代表协整，协整才是配对交易长期盈利的基础。
  • 动量（Momentum）：赌趋势延续。成因包括信息扩散慢、羊群效应等。风险在于趋势反转。
  1. 寻找策略的渠道：
  • 优先关注博客和论坛（易于改造），其次是学术论文（通常过于复杂或已无套利空间）。
  • 简单原则：越简单的模型越鲁棒，参数越少越不容易过拟合。
  1. AI 与机器学习的正确用法：
  • 不要直接用 AI 预测价格，那是红海。
  • 元标记（Meta-labeling）：用 AI 预测「你的策略在当下是否会赚钱」。输入是市场特征，输出是策略的胜率，以此来实现条件参数优化（CPO），动态调整策略参数以适应市场状态（Regime Switching）。

模块三：回测避坑

回测是量化的试金石，核心在于「证伪」。

  1. 三大致命偏差：
  • 前瞻偏差（Look-ahead Bias）：最常见。代码中使用了「未来函数」，如用当日最高价决定开盘买入。解决方法是严格使用滞后数据。
  • 幸存者偏差（Survivorship Bias）：只回测了现在还活着的公司，忽略了破产退市的股票（通常是低价股）。这会让策略虚高。解决方法是购买包含退市股票的无偏差数据。
  • 数据窥探偏差（Data-snooping Bias）：反复调参直到曲线完美。解决方法是样本外测试（Out-of-Sample Testing） 和减少参数数量。
  1. 交易成本的杀伤力：
  • 高夏普比率的策略在扣除滑点和佣金后可能直接变成亏损。回测必须计入至少 5bp（0.05%）的单向成本。
  1. 核心指标：
  • 夏普比率（Sharpe Ratio）：衡量性价比。年化夏普比率 = 日夏普。
  • 最大回撤（Max Drawdown）：衡量心理承受底线。

模块四：执行系统

这部分是将代码变成真金白银的工程学。

  1. 账户结构：
  • 零售账户：自由，但杠杆低（Reg T 限制），适合保密性要求高的策略。建议注册LLC以隔离个人无限责任。
  • 自营账户（Prop Trading）：高杠杆（可达 20 倍），适合低波动套利策略，但有策略被「抄作业」的风险。
  1. 自动化分级：
  • 半自动：程序生成订单 -> 人工审核 -> 批量上传。适合低频，能防止「胖手指」或代码 Bug 导致的灾难（如骑士资本事件）。
  • 全自动：必须通过 API（如 IB API）。适合高频，需托管 VPS 以降低延迟和断网风险。
  1. 成本控制战术：
  • 1% 法则：单笔订单不超过日均成交量的 1%，以减少市场冲击。
  • 四次根号法则：仓位权重 市值。避免资金过度集中在巨头身上，给小盘股合理权重。
  • 避开低价股：股价<5 美元的股票，价差和佣金占比过高。

模块五：资金管理

这是区分赌徒和交易员的关键，核心是凯利公式。

  1. 财富增长公式：
  • 长期复合增长率 。这揭示了夏普比率（S） 才是财富增长的引擎，而不仅是高收益。
  • 风险（波动率）会拖累长期增长（波动率拖累）。
  1. 凯利公式应用：
  • 单策略最优杠杆 （期望超额收益/方差）。收益越高，杠杆越大；波动越大，杠杆越小。
  • 半凯利（Half-Kelly）：由于现实市场是「肥尾」的（黑天鹅多），且参数估计有误，实战中应将凯利算出的杠杆减半，或者用「历史最大回撤」来倒推限制杠杆。
  1. 止损的辩证法：
  • 动量策略：必须止损（或信号反转即离场）。
  • 均值回归策略：慎用硬性止损。因为价格跌得越深，回归的预期越强，止损反而是在胜率最高时离场。

总结

  1. 定战略：我是做短线做市（低容量）还是长线趋势？（参考 Ch1, 8）
  2. 找策略：我的逻辑是均值回归还是动量？有没有协整？（参考 Ch2, 7）
  3. 验真伪：我的回测有没有用到未来数据？退市股票算了吗？成本扣了吗？（参考 Ch3）
  4. 搭系统：我要半自动还是全自动？怎么开 LLC 保护自己？（参考 Ch4, 5）
  5. 控风险：我有多少胜算（凯利公式）？如果发生黑天鹅我会爆仓吗（半凯利）？（参考 Ch6）

来源: 微信公众号

目录

×