Quant: What Can be Achieved?
接上一篇 《给程序员和数据分析师的5分钟极速入坑量化交易课程》
上一篇 《给程序员和数据分析师的5分钟极速入坑量化交易课程》 的读者问： “如果量化交易玩到炉火纯青/骨灰级， 大概能达到什么样的效果？”
这个问题暂时回答不了哈，因为笔者也没达到那个程度。不过可以展示一些最近的成果。
上次演示的是策略研究，玩久了是这样的效果：
jupyter notebook 演示结果：
类似Kfold验证： [运行中，迟点提供]
以上是一个使用 裁判（UMP）技术的策略。
--
裁判（UMP）是《量化交易之路》作者阿布发明的概念。基于机器学习技术的边裁从历史交易中学习，把历史交割单中获利最好的n%和损失最大的n%的order分别划分出来归类到两个组：Top win和Top lost。提取它们特征用于指导未来交易：
- 假如有一个即将执行的交易信号，它的各种特征（最近的跳空决口、价格/均线拟合角度、量价关系、资金流量等等）表现得和Top lost组高度相似，我们就认为它很可能成为Top lost的一员，应该阻止继续交易。
- 相反，如果各种特征表现得和Top win组高度相似，我们就认为它很可能成为Top win的一员，会是一个lucrative（获利丰厚的）的交易。
下面演示的策略中，由于笔者在研究的基础策略中各个边裁（裁判的一种）的准确率不是很高（60 - 79%之间），所以笔者改造了一下原著中边裁的使用方式，交易信号必须同时满足：
- 0%的边裁（它们从最近的跳空决口、价格/均线拟合角度、量价关系等等不同的视觉角度分析交易）认为这个交易信号是Top lost的一员。
- 50%以上的边裁认为这个交易信号是Top win的一员。
用一个比喻：要很多人说你是一个好人我才相信你是个好人，但是只要有一个人说你是坏人我就相信你是个坏人了。 筛选好的交易信号就像这种筛选好人一般严格。
当然量化交易的好处不单单表现在策略研究，在实盘方面也是有所体现的。
Vnpy（ https://www.vnpy.com/ ） 有比较好用的实盘模块，感兴趣可以点击链接去了解一下。