手动拆解《Quantitative Trading - How to Build Your Own Algorithmic Trading Business》(二)

本章的内容如下,主要就是告诉大家,找到可行的交易策略并不是一件困难的事情,我们的主要工作是鉴定找到的策略是不是适合我们的所处的环境,最后介绍了一些鉴定指标,就酱紫。

第二章

第一部分主要讲,找到可行的策略的途径很多,源头主要分为下面几类:

这里顺便提一句,这本书确实有些年头了,肯定缺失了不少最新的信息源头,比如 quantopian,欢迎大家留言补充。

总之第一部分想说的量化的难点不是没有 ideas, 难点是培养能发掘适合自己的可盈利的 ideas 的眼光。

第二部分主要讲判断是不是适合自己的几个要素,

  • 投入时间

    兼职的话那可能就不要看日内交易的策略了,国内二级市场 A 股 T+1 也不允许。普通的基本上能有在开市前和闭市前下单的时间就够了。当然程序的自动化可以解放大家的双手,也会是大伙儿想做量化的一大原因吧。

  • 代码能力

    普通的话 Python 走起就够了, 但是这本书使用的 MatLab 和 Excel 说明了它是石器时代出版的书…… 高端的 C, C++ 做高频交易策略就不在讨论范围了,我也不会。

  • 交易资金

    划重点,重要。

    一是佣金。虽然现在佣金已经下降到很低了,但是始终还是影响是否盈利的一大因素。

    二是杠杠。交易期货,货币,期权一般有比股票更高的杠杠,但是天台见的概率也是更高的,而且杠杠率在一些市场还和交易类型是日内还是日外有关(不知道不明白不了解,纯粹翻译,请自行谷歌)。

    最后交易资金的大小也会影响交易类型:单边交易或是对冲交易。太少资金做对冲及时降低了风险,也降低了收益。

    另外一些影响譬如交易数据实时性(高大上高频交易专属,民工专区,高端勿扰),准确性(这里注意数据中的幸存者偏差,复权等问题,这些会导致回测不准确),在我们这个时代已经不是问题了。且不说免费的 Tushare, 即便是专业软件万德,在某宝上也是分分钟几十元搞定的事情。

  • 盈利目标

    本书作者认为,你越想稳定有规律的通过策略产生盈利,你越应该尽可能地提高交易频率(这里价值投资者们可能要掀桌子了)。这里作者提到了夏普率,并且认为从数学角度,在有能力获得足够高杠杠的前提下,最大的长期盈利的充分条件是发现有最高夏普率的策略。

    (TODO: tax considerations and the limitation on your margin borrowing - chapter 6+)

第三部分其实就是讲选择策略的两个指标:夏普率和最大回撤。

  • 夏普率 Sharp Ratio

    \[ Information Ratio = \frac{Average of Excess Returns}{Standard Deviation of Excess Returns} \]

    where

    \[ Excess Returns = Portfolio Returns − Benchmark Returns \]

    夏普率其实是以上公式当 Benchmark Returns 为无风险利率时的情况,也就是策略必须是货币中立的 / 风险有对冲的(我也不知道怎么翻译 ╮(╯▽╰)╭ )。

    具体定义和理解不做太多累赘的复述,请自行度娘。backtrader 已经实现了该类,可以直接拿来用或者借鉴理解(这里)。

    注意,

    • 如果一个策略一年只交易不多几次,那么它的夏普率不会太高,但是并不是说这个策略不能盈利。
    • 如果一个策略有很长时间或者很大程度的回撤(backtrader 也已经实现 这里),那么它的夏普率也不太可能太高。
    • 如果夏普率小于1,那你基本上可以放弃该策略。如果你想要每个月都有盈利,那么该策略的夏普率应该至少为2。如果一个策略能够做到每天都盈利,那么它的夏普率应该至少为3。
  • 最大回撤

    这里有两个概念,最大回撤时间和最大回撤程度。

    回撤

这一章节的重点内容就在这里,我们下节再见惹。

comments powered by Disqus