Take Home Points

量化交易。副标题叫：如何建立你自己的算法交易买卖。

我觉得副标题基本上就概括了这本书的主要内容了。作者很具体的说了如何建立你自己的算法交易买卖。你可以通过两种途径做算法交易，一种是成为独立交易者，就是散户，自己买卖，一种就是去自营部门，给机构做交易员。怎么选择看你自己的时间，精力和水平吧。

作者认为量化交易的平台和策略都很多，难点不是这些，而是要找到自己的投资目标，锻炼出良好的投资心态。啥投资心态呢？盈亏不惊，适时止损。

举个情景，比如你早上开盘通过自己的算法做了一个投资组合，结果上午一看新闻，或者一看盘，这个组合收益率欠佳，甚至亏了，你就坐不住了，立马中断程序，自己手工给改了，结果收盘的时候发现如果不改收益率其实满意了，现在却真亏了。这是实践类经验不是靠书本能教会的。

量化交易的基本步骤就是先有个策略，然后用历史数据回测，然后根据回测表现，调整，做模拟交易测试（paper trading），最后用到实际投资中去。

在表明了这些基本共识后，作者描述了一些通用的基本指标：

- 股票的收益率（Return），需要有一个基准价（benchmark），例如股指。
- 回撤率（drawdown），最大回撤率，这个我也没明白实际作用是啥，估计就是历史最大亏损额。
- 实际收益率是要刨除交易成本（transaction cost）的。
- 夏普比率（Sharpe Ratio）：非常重要的指标，衡量单只股票或者组合的优劣，计算的逻辑就是均值除以标准差，具体公式去看书（43页开始）。这个比率是越高越好。
- 凯利公式（kelly formula）用来计算杠杆率，即你应该借多少钱来达到想要的收益率。我明白了这个怎么算，但是具体怎么用作者有个例子，但是还是感觉没理解透。

量化交易的策略大体上都可以归入两大类，一类是均值回归策略（mean-reverting），另一类是动量策略（momentum）。动量策略其实也没那么玄乎，就是有利好，股票就涨，但是随着消息的扩散（diffusion），盈利空间会越来越小，最后到头了，你可以在到头之前的这个时段里投资，追涨杀跌。其实这两个策略我觉得和国内层出不穷的各种技术分析法，肯定是能对上的，但是我了解有限，刚刚入门，所以就不瞎归类了，等我多看看多试试，再总结。

关于回测数据作者谈得挺细，即如何避免会扭曲算法结果的效应。举例如下：
- 前瞻效应（look-ahead effect）, 在回测数据时，要去掉最近的一段数据；
- 幸存者效应（survivor effect），即现在得到的历史数据剔除了已经退市的股票，估计是退市了就彻底从数据库里消失了，所以会使算法的收益率偏高。这个解决起来成本比较高，你估计是没有实力从现在开始把每天的股票数据存在自己的服务器数据库里的，而且也没那么必要，所以可能的办法就是尽量找全的数据库，或者回测的时候数据不要选太遥远的，以防有过多退市的股票。
- 数据窥探（data-snooping），这个词翻译过来据说是这么个意思，虽然我第一眼看傻了，在想啥叫“数据史努比ing”，读后我理解应该和过度拟合（overfitting）是一个意思，就是你回测的数据里面参数过多，在现有的测试数据集里你的结果很好，但是放到新数据集里，表现就不如人意了。所以解决办法就是参数不要多于5个，数据样本数要大于252×参数的个数。

中间部分作者还很认真的告诉你，量化交易可以有不同的自动化程度，这就要看你的实力了。

另外一些有关量化交易的话题，比如“牛熊市转换”（regime switching），协整分析（cointegration），因素模型或者主成分分析（PCA），高频交易（High-frequency trading）作者都专门讲了讲，但是我知识储备有限，脑子里框架不够，还不知道如何把这些整合起来，所以就不多写了。供以后查阅添加。

最后策略会随着用的人越多，效果越差起来的。所以要不断挖掘新策略，这个就要靠主观能动性了。估计这也是量化交易永生的本质。

附：
作者书中的代码可以在 epchan/book里找到，用户名和密码都是：sharperatio
这本书的电子版网上挺多的，人大经济论坛5个论坛币。
有条件的朋友请购买正版图书。