大家好！我是参赛选手“赵客”，我毕业于中国科技大学物理系，2014年的一个机会，我有幸跟随一位行业内资深的校友进入到了量化交易领域。在这之前，我刚读过一本书叫做《解读量化投资：西蒙斯用公式打败市场的故事》。作者把量化交易的故事讲得非常精彩，对于喜欢数据挖掘的我来说，感觉像是打开了一扇大门。

 

交易经历顺利之中含波折

 

2014年，我入行涉足股指期货，年底前开始做实盘交易。

 

一直到2015年，我都是专门研究股指期货，那时候市场上专注做股指期货的人比较多。

 

我起初研究的策略，核心思想就是趋势跟踪。由于那时股指期货波动大并且市场有效性低，日内策略和隔夜策略都相对容易研发。总体来说，收益风险比为4，夏普率为2大概是那个阶段我做股指期货策略的一个收益风险特征。

 

2016年，因为股指期货的流动性变差了，我开始转做商品期货。商品期货比较容易研发的策略是中长周期趋势跟踪策略，这类策略在2016年之前的商品期货单边市场也比较适用。

 

我所做的中长线趋势策略持仓比较长，平均在5至10个交易日。2016年正好是商品期货大牛市，所以这一年的实盘效果也还可以。当时我天真地认为收益风险比为3，夏普率为1.5是这类策略的收益风险特征，然而随后的两年，市场就给了我教训。

 

从2016年底到2018年，我的中长期趋势跟踪策略表现很差，2017年微亏，2018年也盈利不多。这是在内盘历史回测中没有出现过的情况。我找来外盘期货数据测试了一下策略的表现，发现从1970-1990年，策略的夏普率在3-4；1990-2000年，夏普率下降到2-3；2000年以后就不稳定了。

 

我记得除了2008年外，好像只有2012年是很好做的，其他有的年份甚至开始出现稳定亏钱的现象。虽然这仅仅是我的策略的表现，但是却反应了在一个日渐成熟有效的市场中，这一类策略收益风险特征的变化。长期来看，收益风险比为1，夏普率为0.5是这类策略大致的收益风险特征。

 

认识到这一点后，我也就比较坦然了，同时也想找到一种更加稳定的盈利方式，所以我把主要精力用来研究短线交易策略。商品期货短线策略，相对于股指期货短线策略，更难研发，因为商品期货的波动小。但商品期货的优势是品种多，组合效果会更好。

 

2018年的时候我开发了几个商品期货短线趋势跟踪策略，在黑色系和化工系上的组合夏普率达到3.5，但是不能适用于全品种。2019年、2020年以后，我把策略做到了全品种交易，并从趋势策略，扩展到趋势、反转、特殊模式策略的组合。

 

我的短线策略，是大量策略信号的组合，单个信号出现的频率可能比较低，整体组合的日换手率在100%-400%。收益风险比为8，夏普率为4是我短线策略大致的收益风险特征。

 

周期有别策略构建方法异

 

我认为，中长线趋势策略和短线策略有很大不同。

 

对于中长线趋势策略，我一般不对交易信号进行过滤，以免错过大行情。主要的精力是放在定义趋势上，这种定义一般是只有一两个维度。只要行情特征符合自己的定义，就可顺势而为，方向对了就拿着头寸，让利润奔跑，错了就止损出场。

 

做短线的核心在于寻找高确定性机会，因为它的持仓时间短，行情在持仓期间的波动小，如果策略信号做得不精细，那么盈利就覆盖不了交易成本。

 

研发时，我会先定义一个基本的策略信号，这时会出现大量的交易机会，但是平均单笔收益较低，然后再尝试一个个地添加过滤条件，每添加一个过滤，都要做到在减少交易机会的同时提升信号的单笔收益，这样在某个合适的单笔收益下，这个策略信号就可以为我们所用了。另一种获得精细策略信号的方法是用机器学习，它的优势在于能够对历史行情进行更加完美的拟合。

 

交易之初扫清两大“拦路虎”

 

刚开始做交易的时候，由于经验不足，我遇到的困难主要有两点：

 

一是策略做得不完善。有时候策略回测曲线看起来不错，但是真正交易起来，会发现暴露的风险却很多，只是风险没有在历史行情中爆发出来而已。这就需要不断完善策略中的应对方案，尽量避免未来的风险。

 

二是策略容易过拟合。过度拟合的问题，可以通过数据验证和主观判断来解决一部分，比如滚动回测和逻辑推演。实际上市场的特征是在变化的，有时候策略回测时效果很好，但是实盘表现却不行，不好说是过拟合的原因还是市场变化导致策略失效了。

 

市场变化迭代永远在路上

 

策略失效是交易中一个很普遍的事情，最直接的原因就是市场交易者的行为模式发生了改变。

 

在市场中，交易者的组成结构在变化，交易者的交易水平也在提升。未来的交易中，我们面对的竞争者主要是机构投资者或专业投资者，而新手等不成熟的交易者的市场占比会越来越低。机构化、专业化是市场发展的必由之路，所以策略的失效是不可避免的。

 

交易者只有持续地投入精力来迭代自己的交易策略，才可能实现持续、稳健、长期地盈利。

 

举个例子，A是市场的参与者，假设A的策略实现了稳定盈利，那么这种策略的容量有一个理论上限。市场中必然早晚会出现参与者B，与A研究出相似的策略。当B参与交易后，他会与A分享这个理论上限，同时A会发现收益率变低。这时A需要寻找在B、C、D……参与进来后，新的市场环境下的最佳交易策略。

 

防止失效操作方法有讲究

 

解决策略失效问题，我主要从两个方面着手：

 

一是构建的策略信号要有道理。好的策略信号，我往往能理解它的含义。但是久而久之，我发现很多理解不了，或者数学形式不好的策略信号，一般寿命都不长。

 

二是通过优化策略历史绩效，来对抗未来的失效。我们可以通过滚动回测的方式来解决大部分过拟合问题，假设我们已经大致避免了过拟合。此时改进策略细节，使其结构不变的情况下，提升夏普率，本质上是在解决欠拟合的问题，改进后的策略在未来行情中的表现大概率也比原策略好。

 

量化投资盈利高手具共性

 

量化交易者可以采用不同类型的策略，交易不同的市场。尽管大家在个人性格、交易理念等方面千差万别，但是优秀的量化交易者往往有一些共同的特征：

 

第一、能正确认识并且接受自己交易策略的收益风险特性。比如优秀的中长线交易者，他们不会指望高收益风险比；优秀的短线交易者，他们不会轻易躺平而放弃迭代。

 

如果对自己策略的收益风险特性认识不到位，或者心理上不接受这种收益风险特征，交易者在交易过程中就难免焦虑，就会坚持不下去，甚至会去盲目进行人工干预。如果这样，往往就可能会成为市场中的失败者。

 

第二、能尽量避免策略的过拟合。策略的过拟合，虽然对一些新手来说可能是一个技术和经验问题；但是对于比较有经验的量化交易者来说，它却可能是一个心理问题。

 

优秀的量化交易者对自己诚实，不会为了满足自己内心在策略上的“乌托邦式”的欲望而过拟合。

 

第三、始终敬畏市场保持谦虚。交易中未来的风险是无限的，不是通过历史回测能看出来的。

 

我们的策略都是通过冒着一定的风险来赚钱。有时候看似越稳定的策略，蕴含的风险反而越大，比如卖期权策略及期货中的价格回归策略等。很多类策略都可以用，但是风险是难免的。赚钱时不要归功于自己的智慧，而要庆幸风险没有爆发。