Greenwicher's Wiki【金融】手把手入门量化交易1 2018-01-05

Live简介

请见https://www.zhihu.com/lives/856547362234052608

知乎id:教父。2001年全国奥赛获奖，保送国内top2本科。出国取得物理学博士学位，毕业后进入海外知名对冲基金，一直从事量化交易员和研究员职位。掌握丰富的全平台经验，擅长期货和外汇的短线和日内策略。

本Live面向量化交易新手，干货较多，要求听众具备 1)基本高等数学，概率统计知识 ; 2)一定的编程能力，编程语言不限，比如c++, Java, python, Matlab, C#等等都可以。担心编程水平不够的同学可以从现在开始着手准备。

如果你
对量化交易感兴趣，想自学又无从下手 曾经试着开发交易策略，但是回测或实盘效果不理想
*希望未来进入量化对冲基金工作

这个系列live将是你的正确选择。
它将覆盖新手入职国内外量化对冲基金后第一年的大部分工作内容。

量化交易是一个复杂而庞大的系统工程。通常，量化对冲基金的研发和交易需要全职团队的支持。本课程将专业对冲基金的工作方法精简化，通过大约10节课的时间，带领听众在业余时间自己搭建一套轻量级的，可以在家跑起来的量化交易系统。本系列课程能够成为你最终获得对冲基金工作机会的敲门砖，或者为你继续深入进阶成为职业交易员奠定良好基础。

开讲前欢迎留言提问！

本次 Live 主要包括以下内容

· 课程介绍 - 自我评估: 你适合从事量化交易吗?
· 为什么量化交易能盈利 - 赚的是谁的钱？(以及其他典型新手问题)
· 业余时间开发交易系统的可行性
· 选择合适的资金规模
· 新手应避免的典型错误
· 一个完整的量化交易系统架构
· 一个盈利的量化交易策略的例子(回测+实盘)
· 回答问题

嘉宾分享

课程介绍 - 自我评估: 你适合从事量化交易吗?

  • 面向量化新手
  • 量化交易策略类型
    • cta
    • 统计套利
    • 高频
    • 股票alpha
  • 本live的重点
    • cta策略
    • 品种为期货和外汇
    • 分钟、小时级别的日内交易，持仓几分钟到几天
  • cta：商品交易顾问
    • 均线，rsi，kdj
    • 趋势、反转、震荡
  • 两种交易方式
    • systematic trading
      • 分析历史量价数据
      • 有固定规则的交易系统
      • 避免人性的干扰
    • 主观交易
  • 是否适合量化交易
    • 数学（基本高等数学、概率统计）
      • 赚钱的策略并不一定复杂，甚至线性关系（越复杂，容易过拟合）
      • 但是得到简单鲁棒的公式的研究过程很复杂
      • 概率论、统计、随机过程、时间序列
    • 编程（算法、性能、代码效率）
      • 高频（毫秒、微秒级别）需要更深的编程技巧
  • 轻量级交易系统
  • 弯路与正确的方向

为什么量化交易能盈利 - 赚的是谁的钱？(以及其他典型新手问题)

  • 躺着数钱的自动交易系统？
    • 需要团队合作（研究、开发、维护）
    • 策略需要复盘以及更新
    • 资金量很大的情况，还需要交易员以及执行下单团队
  • 量化交易为什么赚钱，赚谁的钱
    • 市场是弱有效的（大笔交易的踪迹，套期保值的方向性，市场内部关联性）
  • 策略都知道了，是否策略就无效了？
    • 大家用完全一样的策略的概率很低
    • 即使一样的策略，但操作或者执行也会有差异
    • 黑天鹅事件的风险溢价

业余时间开发交易系统的可行性

  • 业余时间有没有做量化交易呢
    • 精简的交易系统

选择合适的资金规模

  • 用多少资金合适，在哪开户
    • 至少上万人民币，感受下30%的亏损
    • 开户：（国外比较大的零售外汇保障金交易平台）
      • 可交易的最低仓位（迷你手）
      • 点差和手续费，最好有cfd交易
      • 开户平台要支持api
      • 大资金账户没必要在零售保障金交易平台开户

新手应避免的典型错误

  • 不要企图一年翻一倍
    • 1.5的夏普比率，夏普为2可称得上明星基金经理
    • 年化10%作为基准线

系统要完全从零靠自己开始搭，避免走弯路。一方面源代码可能会有问题，其次数据源也不一定正确。

一个完整的量化交易系统架构

framework

  • 数据源
    • Bloomberg, Thompson Rueters
    • 交易平台的历史数据（要自洽）
    • 分钟级数据
      • time, ask/bid * [open, low, high, close] + volume
    • 不同级别数据的转换
    • 数据质量的重要性

一个盈利的量化交易策略的例子(回测+实盘)

  • 策略描述

    strategy_description

  • 回测曲线

    strategy_backtesting

观众提问

Q: 请教老师，为什么课程主要讲外汇和期货的量化策略，而不涉及其它领域呢？谢谢

A: 1) live主比较熟悉这两个品种 2）对散户而言比较有空，很少的资金量可以多空对冲 3）不像股票那种需要专业的软件，这些自己编编程就可以

Q: 网上有精确的MT4历史数据，我记得是英国一家公司提供的，能否用于验证策略

A: 放弃MT4

Q: 一般这个数据库维护的数据量级在多少？维护的时间窗口长度是多长？

A: 五年欧元兑美元（分钟级别200多MB，分钟、小时界别、日级别等等估计1个多GB）

Q: 请问老师，一个完整的量化团队都有哪些角色？

A: 1~2个做数据, 3~10个研究员, 3~4个开发员, 一个CIO/CTO，还有trader团队（执行交易）

Q: 刚才我听教父不推荐MT4的理由只是说它默认的数据源不好，但是如果我是下载收费数据的话，只用来测试策略，不做实盘可以吗

A: 回测环境和实时环境要一致，并且用同样的代码

Q: 怎么知道外汇零售平台发送自己的数据是错的？有明显的特征吗？有简单的识别方法吗

A: 可视化来验证/考经验直觉/多个数据源交叉验证

Q: 老师，一般来说这样找到的策略“寿命” 会有多久呢 还是说 样本量以及样本的时间足够长，其实不存在这个问题

A: 几个月到半年的样子

Q: 想问一般性time series这类型很基础的普通预测模型arima之类是否有应用价值？

A: 基本没有

Q: 老师 请问rnn lstm这类模型在量化上有实际的应用吗 还是只是停留在报告里？

A: 没用过 也没听说业内谁用

Q: 老师好，我想问下机器学习对量化交易这个行业的冲击大吗？

A: 目前基本上没啥影响，更谈不上“冲击”

参考资料

  • MetaTrader4/5
  • 福汇
▲