- 精华
- 0
- 在线时间
- 59 小时
- UID
- 116726
- 积分
- 166
- 帖子
- 57
- 阅读权限
- 40
- 注册时间
- 2013-4-2
- 最后登录
- 2014-7-16
- 精华
- 0
- UID
- 116726
- 积分
- 166
- 帖子
- 57
- 主题
- 8
- 阅读权限
- 40
- 注册时间
- 2013-4-2
- 最后登录
- 2014-7-16
|
综上所述,程序化交易的道路,和自己的知识结构、智商和情商上的潜质、理论基础、个性、之前的交易系统类型等,都有关。成长中的程序化交易者,多少都倾向于以上三类中的某一类。但我觉着这些不算是真正的程序化交易者。我觉着一个真正的程序化交易者并非要以抛弃原有主观系统为前提。其实最理想的方式是主客观结合,理论上这能提供最佳的环境适应性和灵活性。但随着自己的实践,我觉着这个事情在对市场和交易理解层次不够的时候,是难以想像的。当然,有一种主客观结合比较简单,很容易想像:就是把原来技术形态的主观判断或指标信号的主观判断变成程序,这个基本上是替代——只要有好的编程平台,表达能力强的编程语言,总能通过人工智能方法近似拟合人脑的识别,做到这个的时候,不是主客观结合,而是计算机判断替代了人脑的判断。因为这种程序化过程,不产生新的交易逻辑,无非是从技术流到技术流。我说的难的东西,是两个异质系统的联姻,产生的是新的后代。但,也许即使如基本面、即使如心理预期分析,也可以用人工智能方法实现,只是需要的人力物力、数据渠道和理论基础有更高的门槛。其实国外已经开始了实践,比如在“推特”上搜索新闻,来获得交易指引,好像有类似的“新闻基金”问世。这其实就是用来模拟听消息进行交易的主观交易和分析市场心理预期来进行交易的主观交易,只是还很原始,很不完善。目前,尤其对个人交易者来说,还是只能指望主客观结合,而非人工智能替代的方式。
一个真正的程序化交易者,关键是对程序化的信任,而前提是对程序化的理解。我觉着,这肯定需要一个过程——时间和实践。这个实践其实并不总是有趣。所以下面要谈的就是第二大块的内容。
二、如何寻找好的交易模型。
我觉着,对于一个相对成熟的交易者来说,程序化的切入点,往往会选先把自己的现有系统客观化程序化的道路。对于一个新手或现有系统难以量化的交易者来说,程序化的切入点是从模仿一些简单但经典的模型入手。
之后就是测试。测试什么?
应该每个常见平台上都能看到参数优化相关的界面。至少在国内,“参数优化”——可能这是一个大家普遍关心并有争议的问题。很多新人首先会对此困惑,因为很多程序化大家,是反对参数优化的。其实我最开始听到的是过度拟合的弊端,道理很容易接受——对某段时期拟合得越充分,那么在另一段时期背离的可能性也越大,因为我们总是只对某些特征进行拟合,即我们的拟合注定是不完全的,所以未来的背离是必然的。但后来我听到的是“反对参数优化”。我觉着这有点陷入一种狭隘。是反对软件上的这个按钮功能吗?那么多软件公司要设这么个功能,总有其价值所在。是反对试图优化的思路吗?但是如果不去优化,参数怎么定?“靠常识”?常识怎么来?新人有多少常识?比如,我举个例子,说说溴化N-乙基吡啶的性状。别说颜色、比重这些参数,就是连室温下是固体还是液体,你都不知道。如果你不是搞室温离子液体研究的,你怎么可能知道?程序化交易又不是吃喝拉撒人人从小就有经验和体会的事物,对新人来说是一件全新的事物,对老人来说也还有很多没有弄懂的东西。所以我觉得靠常识来定参数,完全违背了人脑的认知规律。新人脑袋空空,拍不出多少常识。我觉着,这未必有益于程序化交易,因为纵然对某个时期的过度拟合会在另个时期产生过大背离,但如果在某个时期认可过大背离的存在,一定会在未来换来一个相对拟合的优异结果吗?有这种必然性吗?恐怕随便定出来的参数,这段不拟合,那段居然也不拟合,还没等到优异业绩,本金就已经大打折扣了,而且又何以让交易者能拥有长期坚持的信念呢?关注某组参数的具体表现的细节特征,并理解它对未来可能的涵意,才是硬道理。
我认为,参数往往是系统的特征值,并且主要是度量市场波动性的特征值。参数测试的主要目的是试图寻找有意义的特征值,而有意义的特征值的衡量标准是参数的依附稳定性、历史稳定性,以及跨周期普适性和跨品种普适性。我举个例子说明这几句抽象的话。首先,理论前提是,市场的波动性是各种频率的波的合成的结果。有点物理基础的人应该知道,合成波的描述可以通过将波分解为基波和各级谐波,通过分别描述每个正弦波的频率、幅值、相位来解决;或者说我们知道了基波和谐波的频率、幅值、相位,我们可以重现当初的合成波。这些频率、幅值、相位的表征,在程序化交易中就体现为参数,如果你找到的是这种参数,当然有很高的稳定性和普适性。这些分解波的由来,非常多样非常复杂,甚至可以说是难以穷尽(因为其非线性的市场本质),但我们仍可明显观察到一部分线性特征对应的谐波。比如对于工业品,需求通常是稳步增长的,而且需求的多样性意味着需求端的多变。但供给端相对简单。在经济周期或政策周期下,往往会出现投资高峰,投资高峰在若干时间后会变成投产高峰,造成一波下跌。从原油矿产这样的原材料到PTA这样的中间工业品,都是非常明显的,而且由于在国内,政府的宏观调控,其实加剧了这种投资的不均衡性。对于很多品种来说,天然地有淡旺季。比如服装有春夏和秋冬两大季。每年某个时装发布会后,就是大规模的量产,量产之后是布匹采购的增加,布匹采购增加继续向上游传导,就对应纱和棉的采购增加,另几个方向就是涤纶短纤、涤纶长丝、氨纶、腈伦、黏胶纤维等的采购的增加,再往上就是聚酯工厂采购PTA和MEG了,还有再往上,PTA工厂采购冰醋酸和PX,芳烃工厂采购石脑油……这些采购的时间不可能相差太悬殊(库存成本的制约),也不可能完全均分在每天(物流的规模经济性的考量),那么,注定会体现为一波波的采购高峰。所有产业中都存在采购周期,只是强弱不同。这些采购周期受物流效率、信息系统、管理方式所决定。目前都是电子化网络化时代了,通常2个月;但在网络化之前(十年前),那时候公路铁路也有很多地方网络不能覆盖,加上路况也差,那时候仓储采购周期肯定要长,3-6个月;再往前,两百年前的马车帆船时代,肯定更长,一次越洋跨国贸易(比如从南洋群岛运香料到鹿特丹)都在一年以上,采购的量也可以用个两三年。总之,这个周期是由经济发展水平决定的,这是一个波。这个波是一个中期波,而且非线性特征比较弱,也就是说比较容易发现和度量,它的变化非常慢,没有5年你是看不出它的明显变化的,并且一旦变化了,也很难变回去了。但另一个往往与之叠加的波就是心理预期产生的波动。采购方总是希望逢低采购,销售方总是希望囤积居奇待价而沽。所以采购方往往倾向于把这个波的相位往前提,而销售方则希望把这个波尽可能变成一个方波——就是在高位的时间越长越好。每年的供求关系和宏观环境有差异,加上各方都习惯于以前两年的节奏为参照,所以你会发现,每年的价格高点虽然都有一个范围,但却一定不同(孢子理论)。比如若前一年铜的高点出现在4月,而且只一个明显的高点。采购方就会想着那我在3月底就采购,就可以买得比竞争对手便宜。而销售方一看到3月底询价就增加,马上就在3月底就把价格提上来,结果在3月形成一个价格高点。由于提前采购,4月可能就没量了,就下跌。当然,如果该品种在那年比较紧缺,那么提前采购也会导致提前用完,同时加上前期踏空的需求,所以在4月跌下来之后,可能还会有一波5月补库存的集中采购动作。这样,在春季可能就出两个高点。这就是心理预期的起落,对原始采购周期的叠加,导致的。心理预期也有节奏,但它易变,而且自反馈,所以具有很强的非线性特征。但这还不是你看到的最终行情节奏,因为还有许许多多大的小的因素导致的波动叠加在上面。最后还有一道无时无刻不存在的背景噪音…… |
|