金融机构打工人来说下,AI 和量化交易没有直接联系,最多就是提高编程效率。首先要找到合适的因子,看他们的 IC 、IR 值,可以跑回归、单因子、多因子组合尝试下,找到数个高 IR 的财务、风险、估值、动量指标后,试着组合起来回测。参数也可以通过交叉验证、蒙卡、bootstrap 等方法去评估再调优,但这也是过拟合的结果。
做量化,首先网速要好,如果你不能去一道流量贩子那里做量化,那你做量化可能就是在让人收割,大家都在做 ai,大家的 ai 都在一边盯,一边强化学习,大家都在不断的变化,那么就只能拼网速了。
有个外国电影讲量化的,为了几 us 还是几 ms 的速度 自己拉光纤-《 The Hummingbird Project 》(中文名《蜂鸟计划》)
剧情概要:两位堂兄为了在高频交易( HFT )中获得比竞争对手快几毫秒的优势,决定自建一条直通堪萨斯到纽约证券交易所的数据光缆线路。这条“蜂鸟计划”的目标是——把数据传输时间降低到 16 毫秒!他们因此与前雇主展开激烈竞争,期间面临技术、法律、财务等多重压力。
推荐两本关于量化的书:
1.《打开量化投资的黑箱》:非技术视角解读量化策略,适合建立框架。
2.《量化交易:自己动手做算法交易》:从零搭建交易系统,含Python代码示例从长期来看,一些基本面质量因子(如估值)和动量(如超卖)因子结合是比较稳健的,能跑赢大盘,但想赚很多钱想都别想。我觉得程序员搞量化一定会遇到为什么我一实盘就陷入超额的回撤阶段,会遇到过拟合、部分因子赛道拥挤、市场风格调整等问题,还有就是量化交易本身需要一定主观来择时的,例如小盘/微盘+成长因子这个策略组合就有很强趋势性和很大的回撤,例如监管打击量化、微盘因子赛道过于拥挤等因素,还要考虑什么时候应该换因子,很复杂的。
我们一般把策略划分为 CTA 、指数增强、alpha 中性、套利等,其实统计套利和基本面中低频量化是比较适合散户的,什么高频、T0 、时间序列预测、订单流等,反复交叉验证后,我是觉得在没行情和下单延迟的优势下,是不可能有比较稳健的超额回报。很多人自己不了解市场里的游戏规则,又想赚大钱就赔进去了。
https://zh.wikipedia.org/wiki/%E8%A9%B9%E5%A7%86%E6%96%AF%C2%B7%E8%A5%BF%E8%92%99%E6%96%AF
这个人是搞量化特别牛的大佬
有个外国电影讲量化的,为了几 us 还是几 ms 的速度 自己拉光纤-《 The Hummingbird Project 》(中文名《蜂鸟计划》)
剧情概要:两位堂兄为了在高频交易( HFT )中获得比竞争对手快几毫秒的优势,决定自建一条直通堪萨斯到纽约证券交易所的数据光缆线路。这条“蜂鸟计划”的目标是——把数据传输时间降低到 16 毫秒!他们因此与前雇主展开激烈竞争,期间面临技术、法律、财务等多重压力。