|
二、如何寻找好的交易模式？
我认为对于比较成熟的交易者来说，程序的切入点，多选择客观地编程自己现有系统的途径。 对于初学者和现有系统的数量化困难的交易者来说，程序的方法点是从模仿简单古典的模型开始的。
接下来是考试。 你要测试什么？
对于每个常用平台，都应显示与参数优化相关的接口。 至少在国内，“参数优化”——可能是一个普遍关注和争议的问题。 许多新人首先感到困惑。 因为许多程序反对参数优化。 其实我最初听到的是过度贴合的弊病，道理是越是适合——的某个时期，背离另一个时期的可能性越大，我们总是只适合某个特征，也就是说我们的贴合是不完整的，所以未来的背离是必然的。 然后听说“反对参数优化”。 我觉得这个陷入了一些狭窄的地方。 你反对软件上这个按钮的功能吗？ 许多软件公司必须设置这样的功能，始终有价值。 反对试图优化的想法？ 但是，如果不进行优化，参数是如何确定的？ “你依赖常识吗？ 常识是怎么来的？新人有多少常识？比如，以溴化N-乙基吡啶的性状为例。 颜色和比重等参数自不必说，在室温下连固体还是液体都不知道。 如果不进行室温离子液体的研究，怎么会知道程序交易，不是吃喝，而是从小就有经验和体验，对新人来说是全新的，对老人来说也有很多不能理解的东西。 所以，用常识决定参数，完全违反了人脑的认知规则。 新人头脑空泛，常识不太清楚。 我认为这不一定对程序交易有帮助。 即使一个时期的过剩拟合在另一个时期产生了过大的背离，只要在一个时期承认存在过大的背离，将来一定会得到相对拟合的良好结果，这是否有必要呢？ 也许是随意决定的参数，这种不一致，那种不一致，也不等待优秀的业绩，原本就会被大幅度打折，而且为什么能让交易者有长期的信念，关注某个组的参数的具体表现的细节特征，理解对未来可能性的意义是不合理的。
参数往往是系统的特征值，主要是测量市场波动性的特征值。 参数测试的主要目的是寻找有意义的特征值，有意义的特征值的测量标准是参数的依赖稳定性、历史稳定性以及周期性的普遍性和品种性的普遍性。 举几个抽象的词汇为例进行说明。 首先，理论前提是市场波动是合成不同频率波形的结果。 有物理基础的人应该知道合成波的记述是将波分解为基波和各电平的高次谐波，通过分别记述正弦波的频率、振幅、相位而解决，或者知道基波和高次谐波的频率、振幅、相位后能够再现最初的合成波。 这些频率、振幅和相位的表示被表达为程序交易中的参数。 如果找到这个参数，有很高的稳定性和普遍性。 虽然这些分解波的来源可以说是非常多样、复杂和非穷举的(由于非线性市场的本质)，但是已经清楚地观察到与一些线性特征对应的谐波。 例如在工业品中，需求总是稳步增加，需求的多样性意味着需求方面的变化。 供应方比较简单。 在经济周期和政策周期下，经常出现投资高峰，投资高峰数小时后成为生产高峰，导致下跌。 从原油矿物这样的原材料到PTA这样的中间工业品，都非常明显，而且由于国内政府的宏观调控，这样的投资不均衡正在加剧。 对许多品种来说，天然地有淡季。 例如，服装有春夏秋冬的季节。 每年一次时尚发布会后，由于大批量生产，批量生产后购买布匹的增加，购买布匹的增加继续传到上游，对应纱和棉的购买增加，也有几个方向是聚酯短纤维、聚酯长丝、聚氨酯、腈纶、粘合纤维等的购买增加，以上是聚酯 而且以上是PTA工厂购买冰醋酸和PX芳香族烃工厂购买石脑油……这些购买的时间没有多大的差别(库存成本的制约)，也不能完全每天分开(考虑物流的规模经济性)，注定会成为一波的购买高峰。 所有产业都存在采购周期，只有强弱不同。 这些采购周期由物流效率、信息系统、管理方式决定。 现在是电子化网络时代，通常只有2个月，在网络化前( 10年前)，道路铁路也不能独占很多地方网络，道路状况也不好，仓库的购买周期很长，肯定是3~6个月，而且，二百年前的马车帆船时代更长，一次越洋多国贸易(如南洋群岛 也就是说，这个周期取决于经济发展水平，这是波浪。 该波为中期波，非线性特征较弱，即发现和测量比较容易，其变化非常缓慢，不到5年无明显变化，变化后仍无法复原。 然而，另一个浪潮是心理预期的波动。 买方总是希望囤积，卖方总是希望囤积。 买方倾向于把这个波形的相位作为前提，但是卖方想把这个波形尽量做成方波——，上位的时间越长越好。 每年的供求关系和宏观环境存在差异，而且各当事人参考了过去两年的节奏，因此可以看出每年的价格高低有范围，但一定不同。 例如前年铜的高度出现在4月，而且只有一个明显的高度。 买方认为在3月底购买会比竞争对手便宜。 卖方在3月末看到询价后增加，立刻在3月末提高价格，结果3月份价格变高。 因为提前购买了，4月份可能没有量，所以下跌了。 当然，如果这个品种在当年不足的话，在提前购买会提前用完的同时，加上前期的脚步需求，4月份下跌后，也许会有5月份补充库存的集中购买的动向。 这样的话，春天可能会出现两个高度。 这是心理上预想的起落点，原始的购买周期重叠的结果。 心理期待也是有节奏的，但是因为它容易变化，有自我反馈，所以具有很强的非线性特性。
但是，这还不是你所看到的最终行情节奏，重叠着很多大因素引起的变动。 最后，总是有不存在的背景噪音 .以上只是举例说明，可以找到具有稳定性和普遍性的参数值，找到是有现实意义的，但是现实已经是反复扭曲的，所以不能通过观察现实来推测有意义的参数值。 但是，参数测试会找到值，通过稳定性和普遍性的检查，有助于最终确定值。 基本上，它和我们预想的现实值具有相同的数量级别。 参数测试还告诉我们这些有意义的参数，它们的普遍性和稳定性程度。 例如，适应几个品种，但在时间周期上没有比例关系。 另一种可能的历史稳定性还是可能的，但不能超越品种，不能超越周期。 而且，历史稳定性也不行，但历史反应具有一定的相关特征和单一的联动规律。 参数测试找不到特定的现实意义，但是也可以知道依赖于另一个动态变量(通常是品种特异性、季节特异性等的表现)的参数。 这种认识在处理不同品种的不同时间周期的不同行情风格时，可以对一些相关参数采取特定的调整方向，即使坚持自适应参数法和动态参数表法的基础半自动化道路，这种认识在执行层次上进行主观筛选也是坚实的现实依据 虽然没有想过要改变模特，但是不知道是从哪里弄来的，或者是马上就混乱的局面。 真正难以想象的是，稳定性差，普遍性差，关联性没有单向参数。 但是没关系。 打折就行了。 我们可以定性地确定该模型是否是正确的收益模型。 如果它能获得30%的年收益率，最多可以撤退20%，但是内部有两个不能找到现实意义和变化规律的参数，我们认为未来可能不会赚钱，但是毕竟它能赚钱 如果有把那个做成白天短的模型的方法的话，可以抑制风险，最适合炒手续费。 即使不重视这一点，至少也要作为使其他战略业绩变动顺畅的集团的对象。 事实上，也许有一天我们可以发现参数的现实意义和规律，并且更加大胆地使用它。 让我们先把它留在自己的战略原型库里。 程序交易者每天都在想什么？ 我在研究这个。
|
备案号：
