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:

在新的窗口中打开

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。