交易与量化初探
展开
1、好的交易业绩,除了靠交易者本身的能力外,很多时候还和交易者状态相关。
但人性很难完全摆脱-贪、嗔、痴等情绪影响。这就导致了管理人交易业绩的不稳定性。
2、价值投资需要对个股进行大量的研究。机构化时代个股研究超额收益降低,小型团队很难支持深度调研。
3、借助模型,加深对市场的理解,同时,对交易行为进行约束和辅助。极有必要。
4、现在一些先进的量化团队。其算法交易模型已经比较成熟。其中,大量运用机器学算法。
5、但最终,机器背后还是人。是人的交易思维的量化。人和机器相互学中,不断进步。
6、我们看重的是,长期来看业绩比较稳定的,并且底层逻辑严密,概率较高的投资逻辑。稳增和复利思维。 基本面模型角度,长期看,纯粹的低估值模型业绩稳定,但不惊喜,高ROE、稳定增长结合合理估值模型相对较为理想。高毛利和低负债效果一般。现金流模型效果较好,但符合条件较少。周转率等因子效果一般。因子并非越多越好。主流逻辑简单反而有效。
行业模型:分为周期、消费医药和TMT电子计算机等。
技术面模型角度:相对强度结合低波动率较好。超跌结合基本面尚可。但其他效果不稳定。如均线、主力资金等。
主题投资方面:次新强度和小市值模型较好。涨停模型牛市尚可,但波动大。主题投资过去相当好,但近年来底层逻辑存疑。涨停模型需加上主观判断,否则效果一般。主要噪音太多。
基本面模型和技术面模型结合后,收益明显改善。说明市场的趋势客观存在。
7、引入牛熊假设模型。
熊市交易基本面模型中的消费医药,牛市交易主题模型和基本面模型的TMT和周期。
需要动态调整。
仓位模型:满仓长期收益最高。择时模型下:多头满仓,空头半仓较为理想。多头满仓,空头空仓未见优势。
8、交易频率:同一策略下,换股周期5、10、20日较好。长线一年左右较好。集中度:单股纯收益最高,5股收益风险比较佳。
9、多市场策略:
条件允许的交易者,应考虑多市场交易和双向交易。比如股票、债券、商品和股指、期权。可有效分散风险。
要考虑到股票市场长期无趋势的可能。通过交易多市场多品种多策略,渡过熊市周期。
以上为粗浅的量化模型。还需要专业人士的重构。为辰月量化1.0版本。未来需要不断升级。
10、插播一贴英雄榜:请股天乐妹妹放行下。谢谢!
辰月在传统价值投资方面,会继续深耕,努力做好当下。熬过本次轮熊市则一马平川。我们对未来充满信心。
未来公司的发展需要更多的新鲜血液。给年轻人创造舞台也是我们的愿景之一。量化团队的建设可能是一个重要的发展方向。
我们对:
1、)热爱投资,计算机或数学专业,且精通交易建模的年轻人。是极为欢迎的。
2、)有市场开发能力者,随时欢迎你来助力辰月。
3、)如果你是来创业的,来共筑辰月基石的。英雄不问来路。
有意愿者站内信给我发一份简历。合则在一起。
投资管理这份事业,未来将有无限的可能。等着你。
但人性很难完全摆脱-贪、嗔、痴等情绪影响。这就导致了管理人交易业绩的不稳定性。
2、价值投资需要对个股进行大量的研究。机构化时代个股研究超额收益降低,小型团队很难支持深度调研。
3、借助模型,加深对市场的理解,同时,对交易行为进行约束和辅助。极有必要。
4、现在一些先进的量化团队。其算法交易模型已经比较成熟。其中,大量运用机器学算法。
5、但最终,机器背后还是人。是人的交易思维的量化。人和机器相互学中,不断进步。
6、我们看重的是,长期来看业绩比较稳定的,并且底层逻辑严密,概率较高的投资逻辑。稳增和复利思维。 基本面模型角度,长期看,纯粹的低估值模型业绩稳定,但不惊喜,高ROE、稳定增长结合合理估值模型相对较为理想。高毛利和低负债效果一般。现金流模型效果较好,但符合条件较少。周转率等因子效果一般。因子并非越多越好。主流逻辑简单反而有效。
行业模型:分为周期、消费医药和TMT电子计算机等。
技术面模型角度:相对强度结合低波动率较好。超跌结合基本面尚可。但其他效果不稳定。如均线、主力资金等。
主题投资方面:次新强度和小市值模型较好。涨停模型牛市尚可,但波动大。主题投资过去相当好,但近年来底层逻辑存疑。涨停模型需加上主观判断,否则效果一般。主要噪音太多。
基本面模型和技术面模型结合后,收益明显改善。说明市场的趋势客观存在。
7、引入牛熊假设模型。
熊市交易基本面模型中的消费医药,牛市交易主题模型和基本面模型的TMT和周期。
需要动态调整。
仓位模型:满仓长期收益最高。择时模型下:多头满仓,空头半仓较为理想。多头满仓,空头空仓未见优势。
8、交易频率:同一策略下,换股周期5、10、20日较好。长线一年左右较好。集中度:单股纯收益最高,5股收益风险比较佳。
9、多市场策略:
条件允许的交易者,应考虑多市场交易和双向交易。比如股票、债券、商品和股指、期权。可有效分散风险。
要考虑到股票市场长期无趋势的可能。通过交易多市场多品种多策略,渡过熊市周期。
以上为粗浅的量化模型。还需要专业人士的重构。为辰月量化1.0版本。未来需要不断升级。
10、插播一贴英雄榜:请股天乐妹妹放行下。谢谢!
辰月在传统价值投资方面,会继续深耕,努力做好当下。熬过本次轮熊市则一马平川。我们对未来充满信心。
未来公司的发展需要更多的新鲜血液。给年轻人创造舞台也是我们的愿景之一。量化团队的建设可能是一个重要的发展方向。
我们对:
1、)热爱投资,计算机或数学专业,且精通交易建模的年轻人。是极为欢迎的。
2、)有市场开发能力者,随时欢迎你来助力辰月。
3、)如果你是来创业的,来共筑辰月基石的。英雄不问来路。
有意愿者站内信给我发一份简历。合则在一起。
投资管理这份事业,未来将有无限的可能。等着你。
关联的话题与分类
声明:遵守相关法律法规,所发内容承担法律责任,倡导理性交流,远离非法证券活动,共建和谐交流环境!
业内的话来说,机器学目前也不过还停留在统计,你这里的讲的量化也都还是量化中一个非常非常小的一角,全部是统计类的模型。
量化用在一个t+1的只能做多的市场,难,搞不出什么花。针对tick级别的量化交易,高中频的才是人无法做到而更适合机器的,低频交易的你就算用机器学效果也不会比你人工判断好。量化还是用来搞期货期权更合适。
[引用原文已无法访问]
另外,就算你发对了地方,也是难,供需矛盾很大。
招聘的多半想着招到带着成熟模型的过来,但是给的都是50-100万之间,但是真正有程序模型的人年100万以上也都还得考虑。
如果只是想要技术大牛+业内白纸,你也至少要给到50-100万之间,判断难度也不小。
真正能有成熟稳定模型的人,100万以上你都未必挖的动。。。
毕竟人家自己在家可以躺赚,自己赚、出租策略、私募资金、甚至机器学的教程都赚不少,何苦给你打工?
我现已经建立健全这样一的系统,精确到日交易数据分析研究系统。经淘股吧淘股宝的5年给予验证,无人超越
相当于别人三个系统的三个综合操作。
1,价值系统。算出个股的安全价。尽最大努力与市场资金成本一致。
2,比价系统,选出更相对而言便宜的股。即性价比最高的,精确到日交易数据的量价时空分析研究。
3,技术系统,从底部开始,一直边短差,边持有到大级别卖点。直到有更加好的股票可以取代。
目前在做的可以利用数据爬虫(在很多借口还没关闭前)获取更多数据,然后再建模,然后再机器自我学,再验证---反馈--修正---周而复始。特别是短线上,由于反馈周期短,修正快,见效就快。其实后期的机器自我学其实还是逃不开设计者的初衷,初始的风偏和各种进攻可能包含始终。数据分析上传统的大都在使用matlab等工具进行分析(毕竟免费历史悠久),目前看使用Python应该是一个趋势,其它工具Pandas,sModels,Scikit-learn等也是一个道理。相比美国人,我们大多数中国人在学阶段数学都做的很好,而实用阶段中国人却不怎么用,很多人不愿意应用到实际生活当中,不像美国人生活中的方方面面都用数学来建模,买个房子买个车开个店那都是要利用数学提前建模的。
未来几年能够大幅跑赢同行的可能是即有足够的市场理解力又能熟练掌握PYTHON的人。目前Google的开源机器学框架TensorFlow,开源社区主推学的框架Scikit-learn,百度开源深度学框架Paddle等均是由Python语言开发,尤其是Python中的机器学的功能还是非常强的。
对于个人,很多股软上的应用平台都已经足够使用了,关键是你怎么用,当然也涉及到数据抓取的及时性,完整性,还有短线上应对突然来的变化不是每个人都能做出提前反应的,天才类能快速反应做出良好的决策,绝大多数人是做不到这一点的,人性上克服不了这一点。即时只做到半量化,如果通过建模后的自我学进化后提供给操作者足够的信心,他就可以及时对盘面做出良好应对和面对操作时良好的信心。
从金庸小说的时间轴可以看出,从春秋战国时的武林高手越女小青到宋明时还在崇拜个人能力的功夫,到清朝康熙年间的韦小宝就是洋枪取胜了。你一个身体异于常人优秀的人,通过几乎是自残式的三十年刻苦训练,得到的绝世武功在一个稍加训练的普通人面前,他只轻轻扣动手中的手枪,武林高手即倒地而亡。大清末期时的最后一次最大规模的冷兵器对热兵器的战争结局最好的说明了这一点,森格林庆的几万铁骑手持冷兵器(训练有素的蒙古士兵),惨败于别人两千热兵器之下,森格林庆是勇敢的,死伤惨重说明了这点。
对于没有管理能力的“技术男”找一个诚信的团队是比较靠谱的。(炒股的人毕竟朋友少,比较孤单的)
今天之前的都是历史,吹上天也没用
兄:我给您解码每一天涨停榜,基本上达到“八九不离十” 至于准确率您可以测试一个月或两个月都行……
如果通过了您的测试,我好像最近几年不方便离开家乡(孩子还小)
这个问题您能破吗?
[引用原文已无法访问]
油~~~~~~~
以前的骗子公司发明一种叫省汽油的东西,具体是什么我忘了,反正就是加一点放油箱里就省油20%。你仔细想,福特,奔驰,宝马,人家背靠那么多资源,也没研究出来。被你整出来了?如果真的研究出来,也被大势力买断专利了,还用到处哭着喊着要人代理他的产品?都醒醒吧,各位!
关于量化,我们也是在学和探索之中,会作为独立板块来培育。我倾向于找白纸。就是技术男。不懂股票。当然,也不会奢望牛人来加盟。我们也是知道的。但作为一个小舞台,我们可以有多种合作模式。
量化和价值看似不同。但可融合的地方很多。很多阿尔法策略就是组合加对冲的相对策略。未必是技术面主导的。基本面也很重要。量化未必高大上,或者投入巨大。有多少钱办多少事,逐步积累。阿里和腾讯也不是一天成为今天的规模的。
身边认识的朋友就有做的不错的量化团队。投资是管理人综合能力的体现。投资未必是靠资源堆的。大部分著名私募,起步时候并不大。从历史上看,拥有规模和资源优势的头部私募并没有绝对优势。这里仅仅就业绩而言,不考虑规模。毕竟越大规模,业绩越难保持高收益。
@玩吧:多交流。
@范K撒普 :多交流。
@合一资产 :个人能力第一。学历专业证明只是提供了解比较直观的路径
@江湖小鳄 :观点不太认同。
@村野龙夫 :多加深对投资的理解。有技术优势就发挥自己的优势。
真正有这方面才能和见解的。可以站内信联系。
[引用原文已无法访问]
理解尘浪为何不想选择专业人员了。因为他自己就是专业人员。
人性注定了有能力获取巨大资源的人会进一步汲取资源,以至于底层民众能利用的资源越来越少,往上爬的梯子越来越少。底层都在试图往上爬,到达中产的时候,精英阶层就把他们打回底层,每次爬到中产,又打回底层。慢慢的,底层民众素质跟中产一样高。你明白世界运转的根本道理,就不会迷信于各种“发财机会”。想赚钱,脚踏实地去提升你的认知,管理你的情绪,此外别无他法。人总要为自己的认知买单。放到投资里你的投资回报其实就是你的认知兑现。你知道多少就赚多少,你不懂的东西,你永远赚不到它的钱。偶尔的运气因素除外
[引用原文已无法访问]
量化产品模型大概分为:风险控制模块、量化选股模块、量化交易模块等。
作为辰月的创始人,我本人是做价投的。为什么要学和延伸量化策略呢?
主要的考虑在于,价投是基金经理基于对市场的主观认识,形成的投资体系。
这个体系看起来是很完整,但实际做下来百人千面,每个人做起来的结果都不一样。价投考察周期比较长,选人和考察的成本很大。
因为年纪渐大和精力的关系。我管理亲自的产品将会控制在有限的范围内。尽力做好一亩三分地。
但辰月的平台可以做更多事情。这也算是为淘股吧同好者提供一个相互选择的机会。
我做事情比较喜欢有长远规划。考虑未来作为私募机构公司发展需要,以及价投人才难寻,以及价投很难被学会等等因素。因此,从长期发展的角度,有必要将个人和团队二十多年来对市场的认识,开发成一套其他人可复制和可执行,并可发展的交易系统。随着人工智能的发展,量化是可期待的趋势。谁先积累,谁获先机。
其实,从2009年开始,我们团队就在量化交易方面做了持续近十年的研究,积累了一些经验、基本数据和交易策略。
辰月的量化业务,未来会作为一个独立业务,用十年或更长的时间来培育。也是希望我将来退出投资事业后,辰月作为一个公司主体,可继续存在。
我们的规划是,逐步积累,在将来从手段上,通过人工智能和机器学的手段,找到市场中风险和收益不同比配的各种交易策略,实现交易目的。或实现所知的投资想法都能通过量化算法来进行表达。当然,未来随着公司实力的增强,可以自主开发属于自己的人工智能算法及交易系统。
基于我们的规划,我们会找有计算机基础和数量金融能力的年轻人一起共事。一起在学和开发交易策略中加深对市场的理解,然后开发出合适的量化策略。而不是说现在就人一来就当基金经理。因为基金经理的录用是一件很严肃的事情。需要很长时间的了解。抱着过高期待,不太现实。
站内信留言的朋友,我很感谢大家信任。但我倾向不建议外地的朋友过来,因为路途遥远,万一不适用成本较大。但可以保持长期联系。或在本帖交流量化投资的想法。
对于热爱投资且条件符合,且在厦门或福建周边地区的年轻人,欢迎来信。虽然淘股吧不方面留联络方式。但其实找到我们是很容易的,只要有心的话。
最后,谢谢大家。
主动型管理最大的问题在于,未来盈亏概率的不确定性。而这种不确定性会反复考验基金经理的投资信仰。
投资信仰的坚持,在于你对未来的胜负心中有数。但主动型管理,总是存在一定程度上的赌博式行为。高水平的研究可以某种程度上提升胜率,但不确定性总是永远相伴的。这种不确定性,会导致基金经理在买卖之时,容易患得患失。最终可能因为某些错失时机。而导致绩效下降。
量化策略,引入了系统性的选股,选时和仓控体系。并形成一定约束条件。在增加了部分交易和认错成本之后,反而解决了投资决策中偶然性的问题。让投资思维和投资目标更加的匹配。
这个回测结果,和我们直观的感受是比较一致的。
在牛市阶段,比较好的策略是敢于追涨高成长股(往往带有故事和梦想)
在震荡市阶段,持有优质公司(高ROE\ROA)有超额收益
在熊市阶段,持有低估值高股息公司具有超额收益。
这背后的逻辑就是情绪和预期。
由于这牛熊阶段的主观识别具有较大的难度。还需要通过客观的定义来取得概率上的胜率。