一期一会：开启全球投资未来的量化交易，盈利的秘密是什么？

本文来自聆听业内各路大神前沿观点的WEEX一期一会，更多大玩家精彩内容以及最新鲜热辣的投行内幕单，请关注拉米消息公众号（微信ID：yiqilami）
一期一会是由WEEX·一起交易打造的线下活动品牌，通过邀约业内各路大神，为交易者探寻市场先机，激发交易新构思。
活动名称：一期一会第十四期 量化交易——开启全球投资的未来
分享嘉宾：陈晓优——毕业于伦敦卡斯商学院，vn.py项目作者（vn.py平台目前是全球范围内用户量最大的开源量化交易系统之一），曾在国内大型私募担任量化交易员和期权基金经理，负责期权波动率套利、CTA、价差套利等量化策略的实盘交易和研发，曾参与管理的产品规模在数亿级别。

任震鸣——CMC Markets大中华区市场分析师 ，澳洲RG146金融从业资格证书持牌从业者，拥有十余年证券从业经验，主攻证券自营方向，善于搭建股票β组合。第一财经频道《解码财商》节目特邀嘉宾。2015年进入外汇OTC行业，他曾就职于多家外汇交易经纪商，并拥有复旦大学理学学士学位，2015至2017年期间于汇商杂志、新浪、搜狐、中金在线等媒体上发表多篇研究性文章，覆盖欧元，黄金，原油，人民币，澳元等产品。

导读：
本次一期一会杭州首站活动特邀2位嘉宾做客，分享内容涵盖pyhon、量化交易以及全球指数和FX波动率那点事~任震鸣：起风了：2019年指数及FX的高波动率在何处？
基本上全球主要股票市场都是上涨的，涨幅比较大的主要是在哪？
这一波2月11号以来的行情，有人会认为是十年牛市， 2019年应该说是未来十年最好的一年。我们不谈那么远，我们不要谈那么复杂，我们就找这波行情起来的节点。我在这里做一个假设，我认为恒指的走势和A股基本上是相似，上面的逻辑点是符合香港市场的。

第一个就是流动性改善，整个金融市场流动性改善，从去年7月份中央会议上就已经给出了明确信号，流动性要打开，而且比2018年的时候要好。还有管理方式是很重要的，对股市的管理需要更加贴近于市场。这一点是这波行情非常重要的。哪天你看到管理层重新开始要管游资的，哪支妖股出现跌停了，那么你放心，这并不是因为出现了监管，因为使得市场出现拐点，肯定是多种因素的集合，不是单一的公司能够主导趋势性行情的。
下面我想谈谈最近市场比较关注的科创板。谁能讲科创板的估值应该是什么？我认为科创板第一阶段或上涨25%。
我们来回顾一下，有一句话叫历史是可以重演的，或者说历史是可以参考的。意味着科创板占的太多的话就没有意义。你用这种绝对估值的品种来担保一些事情，那个平均水平就不太准确，把金融股、非盈利的公司剔除之后，你会发现目前的启动点在2009年，2009年是爆发性的，而且这也和当年释放了4万亿的流动性有关。

我个人认为可能还需要流动性改善。目前只是通过1月份的降准还不够，需要有更多的活跃市场的利好消息或者是更多流动性释放，这样股市的爆发力会越来越大。最后后面是什么关系？我觉得这一波行情做短线就可以，利好消息释放后市场会迎来回调。我们看看海外市场，2009年到现在十年了，我们看下来的话，收益排在前面基本上都是股票，标普500、 MSCI的全球指数。相比较股票，大宗商品就基本上十年没什么回报的。
美股爆发力很强，主要受到下面三个因素影响。一个是戴维斯双击，还有利率周期的一个角度，还有一个是未知事件。

去年美股跌的时候，我印象里面第一个是在3月底跌幅比较大，跌到5月份构筑一个小平台。反映到国内就是一整年的下跌，这个事情的影响从去年到现在一直在发酵。
现在美股已经是具备面临戴维斯双杀的条件了，因为股价高位置高。哪一天突然之间增长放缓，可能这样。但是现在看看几个分类行业的话，会发现金融可能稍微当心一些，对吧？科技目前不足，消费，包括工业，那么比较疲软的，是能源类。能源类主要也是跟大众家居，目前整个架构上没有支持。
目前对美国来说，现在算一个中心，不用过多地去担心，主要就是去关注电气的表现，还有就是世界的表现，甚至从这张图来讲，风险偏好的投资者，投资人当然应该是在科技或者而且美股之前可能会跟中国的科创板出来之后，可能会有一段所谓这种溢价的波动。

汇市角度来讲，美元的整体波动比较适中，没有出现大涨模式。从主要的货币上面来看，你会发现。同样作为欧系货币，欧元跟英镑完全不同，分化不一样。操作层面来讲，欧元的问题我们非常确定，我认为3月美国不愿意加息的话，欧央行就是要延续货币政策。
全球贸易方面，应该是固定或者说是很缓慢地增长，这个是跟全球公司资本收缩的一致。在贸易的角度上，美国的技术，日本、欧元区在美国的一些重要的高科技，包括光电，制造业这种出口产品是一个竞争关系。
美国为什么能如此之大，可以把货币成本不断地扩大？这个其实靠市场。
欧元区相关的数据，后面可能继续提高。所以我感觉，3月份在欧元跟美元基调上面，给今年的外汇市场的方向是改革。谈一谈欧元，欧元是预期就是把基本面包括通胀、经济增长全部优化。虽然不再谈量化宽松了，但是所谓的长期再融资，其实就是类似的量化宽松的一个手段。那么基于这个结果，我个人是看好欧洲的。

我们简单的来对比一下，就是前面就是欧元区的经济结构，比较德国、法国、意大利，然后是关于就业的对比。他们占整个欧元区前三位，其实这就是，跟你做微观的市场产业、交易的品种，把他的权重分析，经济体系或者像产业一样，把权重公司龙头，作为主要的关注点。

从就业人口来讲，有观点认为法国严重失衡，为什么讲他严重失衡呢？先不谈为什么。再来看意大利的年轻人失业率，好，我们来看一下德国，前面的数字大概记住了。你会发现年青年人的就业非常好，青年人就25岁，青年就业率品质非常高。

看一下德国，那么根据2017年德意志统一状况，联邦政府的报告，这张是德国整个失业率的走势。那么这条蓝线当中代表的是，东西德合并之后，联邦政府失业率整体的水平。那么上方代表是东北，这条代表是西北。整体来讲，联邦的整个失业率是不断下降，水平至少德国政府通过了1991年统一，一直到大概2003年之后，也就是花了十年，把整个东德地区的经济状况扭转过来了。

讲到失业，要扭转失业跟什么有关？第一当然是要有充分的增长，对吧？你国家有增长，那失业的人口能去填补这个劳动缺口，有劳动力能去劳动，对吧？第二个就是教育。教育的周期大概多久？就像职业教育，职业教育水平就是至少是十年。
我待会会讲到一张图，整个德国在教育水平上面的投入不同，德国基本上把财政每年基本一半以上投给东德地区。东北地区是源源不断的在增加。我们就简单讲，你要把经济拉动好，第一步要投基础设施建设，对吧？
第二部分干什么？投教育。第一个是德国东北地区，他可以拿到当地16.3%，这条线是德国平均数，是教育上面的平均数。上面这些地区基本上全部是东德，包括东南和东北地区，他们是拿到德国在教育工作上面比重是非常多的。
这里有什么不同呢？我们简单来讲，不能讲法国跟意大利不投教育。我们一直对西方国家的印象是福利，对吧？这个福利好，很多人认为我不工作就可以拿钱，这个的确是。那其实法国跟意大利为什么？法国和意大利就是属于装修垃圾。但是德国没有，你想德国在两德合并之后，东德经济非常糟糕的情况下，德国政府是把财政钱不断在补贴，补贴什么？不是当白吃白喝，而是补贴教育。通过长期的优化模式，使整个的教育比较好。为什么德国的宏观经济，在欧元区、包括欧盟当中是最好的，他是最优的？他跟第二、第三位本质上是不同的。

简单看一下各国的财政负债水平，欧元区现在90%左右，对于整个欧洲债务危机之后排序， 德国下降得非常明显。德国在过去也一度接近85%，但是现在下得非常快，又回到了比较低的水平。法国是连续升高的。大家一起看，会发现德国看上去财政压力在不断增加，你要去投基建，你要去教育的话，肯定是要花钱的，事先要花未来的钱。但是他把钱用在了这种经济的增长模式。
而意大利鼓励的这种消费不会再去创造，而是提升社会福利。这种结果完全不同，整个欧元区的经济就这种模式，不改变了，很难走出去。而且实际上大量化宽松之后，欧洲宏观经济没有改变，为什么没有改变？从结论来讲，从欧债危机之后，全球金融危机之后，到欧洲工厂位置，发现德国年轻人的失业率下降的非常之快，现在只有6%，当时高的时候也非常高，大概12%左右。从德国模式来看，你会发现德国人统一之后，用了20年时间，把整个东德经济拉上了正轨。

简单来讲，欧元区里法国、意大利的财政，经济结构模式跟德国都有差异。


零售交易的关注点，主要的是交易体验，对吧？因为产品是直接和你需求情况相关，比如，现在根据事件冲突的角度，我想交易，有这种产品，我就做了，没有我就不做。对吧？我想交易指数，能不能卖空？能不能没有什么任何限制的卖空？能不能有一个很好的价格？还有一种是和投资者的状况有关系。陈晓优：量化交易——开启全球投资的未来
我们今天还是从比较基础的情况开始讲，我们今天的主题叫python量化交易，先跳到量化交易里边给大家看一下，什么是量化交易——用数量化的方法来指导你的金融交易行为，什么叫数量化的方法呢？就是它是固定的数据进去，方法只要是一样的，那么出来的结果就应该是一样的。
而不像我们人在做交易的时候，我今天心情好，我看的这个道琼斯一路往上涨，我觉得应该追一把，赶紧往上弄。然后我今天跟我老婆吵了一下，我觉得世界末日了，我心里特别不爽，我跑去要跟她顶一把，我去做空，那这个叫做主观交易，就是你做什么事情，其实并没有一个定数的，你是有很大程度上是由你人的主观的，我今天想干嘛我就干嘛。

量化交易，最简单的理解方法就拿它和主观做一个对比。主观交易的时候，人是主要的这个决策者，所以可靠性是严重依赖于个人知识或者经验的，有句老话，如果新手刚来炒股没割一次韭菜，没经历过一轮牛熊，基本上是不可能赚钱的，不管你现在赚多少，你回头一定会亏回去。这个情况尤其适合于过去两年的数字货币市场，有很多人发大财，结果在去年之后可能把之前赚钱都给吐回去了，然后可能还赔了几套房子、几辆车子，所以这个是主观交易的问题。但是对于量化来说，在可靠性方面，基于同样的数据的输入，以及模型是固定的，那最后得出来的这个结论，不管去做多少遍，不管拿多少遍数据输进去，结果一定是一样的，所以这样的结论相对可以更加客观一点。赚钱是一种，把历史中的数据输进去，发现OK，如果这么干在历史上能赚钱，这是一种客观结果，或者说你把数据输进去，发现这种方法是错的，在历史上会亏很多钱，这也是一种客观结果。
不管怎么样，这个东西都从一件可能不可确定的事情变成了一件可确定的事情，这是为什么呢？量化交易在过去的10年里面，基本上从国内开始发展，就是2006年，主要是在2009年之后的事情，几乎在专业投资机构里面，占比是直线的上升。
第二个是高效性，人做交易的时候，需要经过我们人脑来做判断，除了做判断，你还要人脑控制你的手去点鼠标，人脑盯着屏幕去跟踪价格的变化，跟踪新闻的更新，但是人是会累的，人做交易的时候是受限于注意力以及反应速度的。
举个例子，当非农公布的时候顺着那个价格往上冲，但这个时候只要去点鼠标，你会发现你永远不可能在你想要拿到的那个价格成交的，因为他一定冲得比你点的快。但是对于计算机来说没这个问题。那么基本上美国最主要的经济数据在公布之前，除了大家可以看到新闻网站上挂出来，都会有专门的叫做新闻数据的API通道，直接通过数据以最快的方式推送到对冲基金的那些交易软件里面、交易程序里面。
它在收到这个数据之后那几个纳秒里面作出反应，因为其实说白了就看那个数字和预期值的好还是坏就行。几个纳秒内作出反应之后，他会立即把自己的单子发到市场上，进入到纽交所也好，纳斯达克也好，还是其他的系统里面，把所有没来得及撤掉的卖单，假设情况比较好，往上涨的话，把所有那些单子一扫而光，那些人亏的这些钱就是他们赚的钱，所以这些被扫光的单子里面，有可能也就会包括你在那个时间点用手去点的时候，你点的价格比较低的单子。
之后是稳健性，我刚才已经举过例子，我今天心情好了，我今天跟老婆吵了一架之后，那我会做出的行为可能是完全不一样，我自己原来是做专业交易员，机构里面做。那么可能相对我们自我控制能力会稍微好一点，但是总归还是有一些事情能给你造成情绪上的一些波动，那么在那个时候，很明显的是我交易的效果都会差一点，所以一般早上开晨会，老板第一件事情，看看今天有没有谁情绪不对的，情绪不对的，我先让你今天少玩一点或者不让你玩。
量化方面，量化的好处是计算机是硬件，用硅片，用电流组合起来的固定的机械，那么它的执行就跟我刚刚讲的量化策略一样是固定的，只有你写了什么程序，它才会干什么事情，它绝对不会去干一件你没让它干的事情。所以基本上计算机在做交易的时候，你预先定好规则，那么它是不会出现任何的偏离。
讲一下所有的交易里面盈利的秘密，这一点对于主观交易也好，量化交易也好，本质上都是一样的，无非两个定律。第一个定律叫做大数定律，举个例子，我们先拿一个硬币过来开始猜正反，如果是正面那我给你一块钱，反面你给我一块钱，我们就这样猜，只要这个硬币是正常情况，没有作弊的话，我们只要猜比如1万次、10万次，最后咱俩总是应该不亏不赚的，因为一个正常公平的硬币，正面反面概率各50%，我赚只赚一块钱，我亏是亏一块钱，我们的预期收益就等于0，所以如果我们这么玩的话，长期玩下来肯定是一个很无聊的事情，因为没人赚钱，也没人亏钱。
那我们现在改一下规则，第一个可以改的规则就是我作弊，我跟你玩一个硬币，这个硬币我稍微动了点手脚，可能稍微改了一下它金属的配重，出现正面的概率是60%，出现背面概率是40%，那还是一样正面你给我一块钱，反面我给你一块钱。那么这个时候我们的预期收益瞬间就从之前的0变到了60%乘以正1，加上40%乘以负1，你得到的结果，每次我们玩这个游戏，那么理论上你都会固定的亏两毛钱了。
当实际中肯定不是这样，因为它不可能每次出现结果既是正的又是反的，它总归是可能连续140里面有60次是正的，100次里面有40次是反的，但不管怎么样，这个玩的次数足够多了之后，可以说10万次之后，预期收益那应该是非常接近于10万乘以0.2，就是2万块钱。这就是第一种方法，增加你赢的概率，但是增加赢的概率这一点，在现实生活中或者在现实世界里面是非常非常难的一件事情，因为我们没有水晶球，我们看不到未来，能看到的就是像文艺复兴这样全球金融市场最顶尖的机构。
所以更多对于其他类型的量化基金，比如说曾经我们做的事情，我们做的更多是尽可能的保证输赢的概率在五五之间，但是通过一定的信号预测，通过一定的风控手段，使得亏钱的时候可能只会亏一块钱，但是赚钱的时候，可能会用一些比如说趋势跟踪或者说其他信号预测方法，尽可能抓住那种长尾分布的情况，这样我会尽可能的比如一把赚个三块钱，赚个十块钱，那这样即使还是五五开的，甚至于不需要五五开的盈利的。
我们绝大部分时候正常趋势交易策略，胜率如果超过45%的话，基本上会断定这个策略写的有问题，可能做的过度拟合，基本上这种盈利在40%左右就已经非常好了，因为赚一次可以够亏三次，所以这是第二种盈利的方法。反正只要你在盈亏比上有优势，或者说你在盈率上、胜率上有优势，那么长期玩下去，就一定是可以挣钱的。
这个是主要针对一些不太可控的，这种交易策略，一般长期做下来能赚钱的话，都是依赖这种大数定律。人去做主观的交易也是一样的，如果要抓一个大行情，无非是在某个支撑位或者阻力位被突破的时候赶紧进去做一把，然你止损位可以尽可能选择下面的一个支撑位或者阻力位的位置，因为那个位置如果一旦反过来被打破，说明你之前做假设已经错过了，那这时候在死抗仓位是没有意义的，但是基于刚刚举到一个主观交易的缺点，很多时候亏了钱之后，你是更加可能死抗的，中国期货圈有句老话叫做逆势死扛，再创辉煌，这个是扯淡的，在交易员圈子里面那句话就是逆势死扛，扛到爆仓。

第二个规律是一价定律，它的意思是什么？同样一个苹果，我在我家出门左边那个菜场的价格，如果他卖10块钱，右边一个菜场价格他卖5块钱，那假设我这个菜场管的比较松，我可以随便去摆摊，我可以随便买卖，没人管我的，那很简单，我跑到5块钱那个菜场我去买个20斤苹果，买了之后我跑到那边把它10块钱全卖出去，我瞬间就赚了5块钱乘以20，我赚了100块钱，然后不断的重复，不断重复，那我就发了。在现实生活中大家也会知道这种事情是不可能的，因为我持续的在5块钱在那边买，持续的在10块钱的那边卖，必然会造成5块钱那边的价格会不断的往上涨，10块钱的时候会不断的往下跌，因为供给关系。那什么时候我就没钱赚了呢？就是5块钱的那个菜场苹果价格和10块钱一致的时候，这个理论上我就把这两个市场之间套利价差所潜在的套利利润吃光了。
我刚刚做的这个事情就是要利用一价定律，同样是苹果，两个市场中价格理论上是完全一样的，但是这个有一个非常强的依赖。第一，这两个苹果是同样品种的，第二个是两个市场之间的价格收敛有一定的强制收敛规则，或者说它的机制，刚才的例子是，我自己就是跑到A菜场去把苹果给搬到B菜场再去卖，我就是负责把那个把价格偏差强制收敛的那个人。但在现实的这个世界里面，可能很多时候并不需要去强制收敛。
举个例子，那么如果海外的黄金突然涨了很多，中国黄金没动的话，那我现在在海外疯狂卖，在中国疯狂买，我有必要去拿国内黄金，交割的时候扛到国外去卖，其实没必要的，因为各国的大型的银行都有这种黄金进出口贸易的渠道，他们会来做这件事情，把两边的不管是现货黄金，还是期货黄金，两个不同的环境资产价格拉成一致，我是没有必要去做这件事情。我只要拿我仓位，到了那个点，我把仓位一平，照样利润到手，还不用辛苦，这个交易方法就叫做一价定律，主要就是说当两个市场的价格出现比较大的偏差的时候，可以通过这种方法在高的那边去卖，低的那边去买。
所有的量化交易策略，不管是期货CTA，还是期权波动套利，还是股票的阿尔法多因子等等，都是这两个原理的实践中的运用，就跟科学一样，所有的真理其实都是非常简单，非常美好的。
简单讲一下我们量化交易里面的工作流程，整体是三步，第一步就是搞定数据，既然要让计算机帮你执行研究，执行分析，执行交易的任务，第一步一定要灌东西给它，它才能生产东西，那么要灌的这个东西就叫做数据，需要比如说技术面行情的数据，需要基本面，比如说引用的数据，那么基本面数据可能包含像股票的话，就有资产负债表里面总资产、盈利率、增长率等等最常规的因子，也有这种宏观上的比如说GDP、非农、全球的气候变化等等相关的一些，我们更多管它叫做宏观因子的数据。

先把数据弄到手，弄到手之后第二步，需要把他们做一种结构化的整理，数据的变频，那么这些事情需要通过数据库，以及其他一些专门的数据整理工具，第一步是要把数据进行标准化的管理，便于后续的使用。准备好数据之后，我们就可以先来对这个数据做一些各种各样的分析，我们来判断一些它的时间序列，寻找我们策略研究的方向。举个例子，比如说对于海外最主要的一个利率期货，我们知道它是一种货币市场的一种资产，它就像大家的余额宝里面看到那个收益率，假设那个收益率是可以交易的，如果大家有兴趣看一下自己手机里面的这个时间序列，你会发现一个特征，它尽管有上去时候，有下去的时候，但整体上它是一个均值回归的序列。今天涨的多了可能过两天它一定会下来，过两天跌多了它也会上来，那么它基本上不太可能说你哪天余额宝突然可以给你70%的年化利率，或者说有一天它突然跟你说我今天给你个0.01的年化利率，这些基本上都是不可能的，整体上它还是围绕在我们的这个货币市场，央行同业拆借利率稍微低一点的位置在那里运行的，当然有的时候有高有低的，但整体是围绕那个时间运行的。
这一类的时间序列，我们管它叫均值回归型的时间序列，如果说给大家一个机会去交易这样的品种，你可以拿着余额宝收益率跟别人打赌，只要赌对了我就给你钱，赌输了你就给我钱的话，正常情况下我们的赌博策略应该是叫做高抛低吸，因为它是均值回归，涨多了它会跌回来，跌多了会涨回来，所以你更多时候应该做的是跌得比较低了，然后我要买，涨的比较多的，我跟你说我要卖，这种方式，长期做下来理论上是可以挣钱的。
还有一种情况就是比较疯狂，最极端的例子，去年我喜欢举的就是那数字货币，我不知道大家有没有看过比特币的价格，从上一轮开始大概是300，冲到了12000美金，你可以看到那个价格就是这样冲上来，然后反弹以后再上来。整体看这个形态就冲一波“啪”一下，拉一把，然后再杀。很多时候我们人作为一个市场整体参与者的时候，共同行为是有非常强的这种情绪上表现出来特征的，那么它也会造成一些类似的情况。
这种时间序列可以看出，它有非常强的趋势性，要么就往上玩命的砸，要么就往下玩命的杀的时候，你在这样的东西上去做高抛低吸无疑就是一件比较愚蠢的事情，你永远不知道什么地方是高手，你也永远不知道什么地方是老手死于抄底，在这样的品种上你要做的事情就叫做追涨杀跌，往上涨的时候通常它会进一步往上涨，往下跌的时候我要赌它进一步往下跌，什么时候才应该把仓位平掉呢？就是我发现它涨了一波之后，涨的开始慢下来了，或者甚至于它已经从高位往下出现一个回落的时候，我觉得它可能这一波趋势差不多结束了，这个时候我才应该出来，而永远不应该在趋势交易里面，你去猜什么地方是顶，什么地方是底，那是没意义。这个是数据分析，我们已经判断了自己到底在这个东西上是要做高抛低吸，还是追涨杀跌，然后我就可以去写一个策略。
这个策略可能就是说做高抛低吸的，也可能是做追涨杀跌的，然后我把这个策略的程序的代码逻辑，我把历史数据丢给它，然后跑一跑，看它在历史的那个数据里面，它在历史的某个时间点上，它是怎么去买的，怎么去卖的，那么把这个东西先记录下来，跑完了之后我把这个历史上买卖的价格那我可以算一下，我到底这笔我一百块钱买的，我120卖的，然后下一笔我可能120又买了，然后110止损了，把这些数据一个个结合起来，就可以得到一个历史盈亏的曲线，如果它是赚钱的，那OK，可能我找对方向了，如果它是亏钱的，那很有可能我就做错事情，那我就不应该走这个方向了，不管怎么样，都有个客观的标准了，有个真实的东西可以看。
而不像说我们很多做交易的时候跑去看，尤其刚入门的时候，我刚入门的时候也这样，没有贬低的意思，看一些技术分析方面书，它永远会给你在某一个技术指标或者某一种技术形态上给你正好找一套完美的图，大家看OK，历史上是这样，但是他没有给你看的是其他，他可能给你看了一张完美的图，剩下9999条失败的图都没给你看，你根本就看不到。那你有可能完全就相信了一个错误的理论去做你的交易，那长期玩下来你亏很多钱。
但是用这种方式，只要你去找的数据足够的多，其实写策略程序没多难，大家学一下，一两个月其实基本上就可以学会了，那你出来的那个资金曲线的结果是不会偏，历史上它到底赚钱还是亏钱，你是可以得到这个明确的结论的。如果我们做出这个很赚钱的策略，而且我相信程序代码没有任何写错的地方，没搞什么未来函数之类的东西，那我可能就发现了一个赚钱设备了，那我肯定应该立即上实盘去交易。那么你在实盘交易里面，第一步你是要连上这个行情接口去收取实时的行情数据，并且把它推送给你的策略，生成具体的买卖信号，然后我们再把买卖信号转化成底下真实的委托的指令，然后实买实卖就执行掉了。
为什么今天主题叫python量化交易？我们既然要写策略，要写量化的东西，必然就不能只是去点excel表，点word之类的，你要做一些更底层的事情，你要能以某种工具去告诉CPU，按照这个方法去计算我要计算的数据，然后把我要的结果显示出来。既然要做这件事情，你就不再是常规的用计算机进到程序员，其实你也不用那么专业，就会写一点程序就行。编程语言就是一种我们用来告诉计算机的CPU，你具体去看该干什么的一种细节性操作的一种工具。我是要写一点程序的，但是我又不是专业程序员，我不是要打造一个新的阿里巴巴出来，那我尽可能还是想学一个工具，它足够的简单，但是又足够的强大。那么足够简单主要是为了保证我们学的会，足够的强大主要是为了保证它能满足我要做量化交易过程中所有要做的事情，这个语言基本上在过去的可能五年里面，五年前可能还不是很明显，但是在五年后的今天，这个几乎已经是一个统治级的趋势，也可以说是一个比较接近真理的答案了，那就是python。
接下来我们就开始讲讲python到底怎么回事。它是一种叫做面向对象的解释性语言，这个就是概念，设计哲学主要是优雅、明确、简单，这三点其实都是给人设计的，什么东西喜欢优雅？明显就是人，计算机只看到我能算得尽可能的快，能够尽可能省耗电，喜欢这样的东西。python是一个开源软件，允许你随意修改发布，简单来说就是你用它不用给一分钱，然后你还能够拿到它所有的源代码，你看哪块不爽你可以随便改，不像windows有那么多让我们讨厌的地方，我们还是拿它没办法。

这个是用python开发的一些比较著名的应用，那么从右边开始，这边这个最有名的就是YouTube，全世界最大视频网站。第二个可能年轻人会比较清楚一点叫知乎，这个是包括我个人最喜欢玩的社交APP之一。然后是谷歌做的，也是已经有差不多10多年历史的。然后有这个美国宇航署开发的云服务虚拟化的工具。EVE差不多是十年前第一个欧美的可以多人同时在线的这种网游，当时突破了一个同时在线人数的纪录，以及它第一个就是说宇宙空间里面，还有大量的人可以在不同的星系的位置去打，像今天的一些网游可能就是个地图，你就不同位置，它那个是三维空间的，你的船真的是在不同位置。然后是程序员用的最多的编辑器，当年的BT下载的客户端它也是。以及最后我们这边和我们接下来做量化交易、做量化研究比较相关，它主要是包含了python语言本身，运行它所需要的python虚拟机，以及一系列用来做各种科学研究相关的工具包。

对于常规来说我不是靠编程吃饭的人来说，如果我需要学一个编程这样的工具，那么python的一些优势叫做易用和功能性之间的完美平衡。第一条叫做简单易学，大家自己去看一看python的编程语言入门的东西，很快就会理解，python社区句经典名言叫做Life is short，you need Python，人生苦短我用python。主要意思就是学起来快，基本上你如果就是拿了一本书学，然后学编程语言和学外语，学英语其实都一样，就最关键一点你要学会它，一定要多练，光是看，看死了是没用的，你拿本python的书你看了几年你可能都不会写，但是就要学英语，学英语最好办法怎么办？
包括我自己当年也是一样，从高中刚毕业的时候把我丢到英国的学校里面，然后我出门我要买瓶水，我都必须说英语，因为说中文是没用的。那在那个情况下你英文会短时间内增长很快，可能我自己英语增长这个水平提高最快的就是头半年，因为要融入当地的环境，你不得不天天用，你不可能天天只跟中国人打交道，反正因为就是如果你要学python的话，不管你买哪本书，学的时候一定顺道就看一页上面的编程代码，你就老老实实在自己电脑上去敲，去运行一下，每看一句运行一句，把这本书可能你都不要看完，看完前1/3你知道python的语言就已经入门了。

第二个是python语言提供一个交互式环境，这个环境可以有效的提高我们做数据分析、做策略研究等等工作的效率。它本身是一个叫做胶水语言，可以比较方便的和其他语言开发的功能、模块实现对接。那么举个例子，就是我们国内的各种量化交易接口主要的两个语言，python可以非常方便的直接调用这些交易接口去执行交易。应用广泛，现在python的应用领域基本上已经涵盖了，除了操作系统的驱动开发，就是最细节，你不只是需要操作CPU，你还需要操作就是我们计算机里面那些最细节的那些组件部分，基本上除了这事不能干，其他python都能干，比如说数据分析web开发、人工智能、云计算、桌面软件等等，那么这些东西python都能干。
最后还有一个社区规模，python因为它本身是1989年就诞生了，所以在那个时代的开源软件基本上都是上古时代的老爷爷，但是发展的时间长，它带来的一个好处也就是说它的用户群体特别的大，然后所以导致有非常非常多的工具你可以去用，基本上你要做的99.9%的事情都已经有别人开发出来，一个现成的工具可以直接用了，也没有必要说自己从零开始写。
看几个python在全球比较最有名的一些金融机构里面应用案例，第一个是AQR，全球第二大的量化对冲基金，资金管理规模大概是1592亿，就1600亿美元，缩写叫Applied Quantitative Research，应用量化研究，创始人是当年高盛的整个量化业务的创始人，高盛阿尔法基金是他创设的，因为交易效果太好了，就跑了三年，觉得还是自己出去创业，就成立这家公司。那么他有个员工在AQR工作的时候启动了一个叫做pandas的一个项目，也没想太多，主要是弄了一堆股票数据分析，然后用的特别的难受，C++和C不能每次要做一个数据分析的时候，就要我去把程序编译一下，又没有交互式开发方法。

他没得选，就说OK，pyhton易学易用，反而也会了，从它上面先开始开发，他就做出了pandas是这么一个对于python的数据挖掘领域，应该说意义最巨大的开源项目之一。现在全世界几乎可能百分之六七十的和人工智能大数据分析相关的一些研究工作，底下可能都在运行的一个工具库，包括google下围棋的背后其实都在用，底层技术里面都有，基本上驱动了现在人工智能大数据分析的时代，尽管大家看不到，但底下就是它。这哥们在后来为pandas专门写了本书，叫做《利用python进行数据分析》，非常非常经典。如果大家没有接触过这门语言的，想要从零开始入门的话，其实可以买几本书，就用刚刚的方法，看的过程中每一行代码自己老老实实敲，这本书敲完，基本上你对python的数据分析不能说精通，但至少是可以干活，可以做一些你想做的事情。直到今天的AQR还是在大量的使用python进行数据分析和策略开发方面的工作，这是买方的例子。
卖方例子则是JP Morgan，全球最大银行，总资产规模是2.42万亿美元，作为一个特别特别大银行，在早期的时候跟其他的华尔街投行都有过一样的痛点，进来一堆工程师，他可能拿C++和C写了一个库，明天又进来一个工程师，可能用Java给我写了一个库，后面又我从高盛挖了几个人，这帮人想给我用高盛的语言写库，然后要pass了，你不能直接拿高盛人家的私有技术来给我用，但是不管怎么样，这么大一个公司规模，必然在过去几十年的发展过程中一定会有大量不同的编程语言造出来的工具，这样的工具可能在不同的比如说衍生品定价领域，比如说高频交易做市领域，比如说风控领域等等在有着巨大的应用，所以没有办法直接替换它。但是对于其他部门，尤其对于公司上层的人来说，需要有办法可以让我用单一的一个入口去调动我公司所有的三四十年沉淀下来的IT方面的积累的办法，他们的答案就是这个python，python作为一个胶水语言，最大好处是可以非常方便把所有的不同的工具连接在一起，作为一个整体的工具然后去使用。

2008年是一个非常重要的转折点，在2007、2008年次贷危机之前，整个华尔街只有高盛一家是用统一的编程语言，整个公司所有的IT核心都是靠一个语言去实现的，在那之前没有体现出效果来，但是在2007年的时候，次贷的爆发高盛是没有亏一分钱的，为什么？因为他们在危机出来的时候，很快就算出了整个公司风险敞口是多少，该抛的立即就抛，该对冲的立即就对冲，剩下一些公司当时有大量的不同的语言的编程的工具，导致公司管理层让他算潜在风险，到那个数字算出来的时候已经过去两个月了，有的公司就根本就没等到那天就就没了。
这是python在量化交易方面的生态，完整的工具链。首先数据分析，一个著名的开源的收集数据库，可以非常方便获得国内的日渐级别的股票数据、期货数据、GDP数据等等都是整理好了，而且完全免费的，直接就可以用。pandas则是这个专业的这种大数据时间序列数据的这样一个分析库，还有一个库非常方便让你要看的东西用图形化方式表示出来。


数据分析完了就开始做策略研究，有python这样的交互式环境，有整合式的外部开发。比如说一个私募，可能有20个人，我总有办法给每个人电脑装个python，但是这个就非常麻烦，而且不太好管理。那我更聪明的方案是，买一个可能我自己的服务器或者阿里云的服务器，剩下的20个人都可以通过自己远程的电脑，你只要知道用户名密码就可以连上去了，或者说你都不用在公司里面，你在地球上任何一个地方，只要你有网都能踏实工作。
可视化的研究方式，你在看的时候，你在这写一行代码一个回车，它就会直接显示出，比如说你是做数据运算或者说做一些其他的整理的话，它会立即把相关的数据显示出来，然后再往下面一步的时候我可能再输入一句绘图的指令，立即把图绘出来。然后你要输入一个比如说策略，你在这里面很快的写一个策略的模板，就是策略到底是什么逻辑去执行的，然后去点一下那个，再输一句命令，说帮我跑一下这个策略回测，写出来的结果会相应的显示出来。在这个环境里面和在外面用很多商业软件最大的区别，就是因为python是开源软件，你可以访问到所有内部的细节，内部的数据。在这个过程中，比如说你怀疑有什么地方，比如说我的一个历史回测里面的委托，它的这个成交细节，它对于手续费，对于返点怎么算的，这个细节我可能觉得某个商业软件它这个设计的不合理，或者我怀疑它直接就算错了，但是它作为一个商业软件，你看不到它的一点东西，你永远不知道的，但对于python开一个软件，你永远可以直接点进去，你可以看它每一行函数的代码实现的原理细节。如果是错的话你可以改，如果是对的话，你也知道到底为什么它是这么写的，我之前自己理解是不是有什么问题。

Jupyter Notebook主要是用于数据分析和科学计算的web式交互式开发工具，它可以把源代码运算结果，就这些图什么，以及你如果要写文档的话。因为我们知道，我今天做这个研究，除非我用个纸，我用个笔把我当时的思考过程记下来，否则过个10天我再回来看，很有可能想我当时这家伙到底写什么代码，后来不知道他在干吗。你也可以分开来记，但是分开来记东西在不同的地方，你到时候又要开着这个东西，又要看着自己笔记本，那不如说能够整合在一处，这样管理，这个工具是非常需要的，因为把所有东西放在一个地方管理，永远把一个东西放在三个地方管理，生产率要高的多得多。配合一些图形化，就是命令化的那种交易结构，可以作为一个python量化交易应用的前端管理工具，然后是一个判定的标准，会同步函数支持大量的图表类型，不管折线、柱状等一些点状，以及像3D曲面图都可以非常漂亮的画出来，这个图大家看到现在是一个静态的，但如果真正画出来之后你是可以拖动它，可以转的。你可以看不同的位置，因为这是一个应该类似于那种热度图的东西。
所谓的量化策略的几种类型，更多是给大家做一个科普。首先量化策略是大类的东西，不是一个固有的词，不是说某个策略，量化策略里面有很多个细分的小类，整体上最主要的五类，第一类也是目前国内的基金，不管是公募类量化基金，还是私募类量化基金，采用的比较多的叫做量化多因子略，主要是交易股票，在股票上面寻找一些比如说低估值，增长率又高，最近一段时间它的价格涨得又快的股票，我把它筛出来。筛出来之后我构建一个比如说500万多头的股票池子，我再去用股指期货把500万多头的风险对冲掉，这样我赚钱还是亏钱与否完全就不纯取决于股市自身的涨跌，因为我哪知道明天会不会出一些什么政策导致于股市突然出现大幅波动，我只知道我选的这堆股票很有可能是比市场平均要更好的，我只知道这点就行了，那我就懂这一点，所以我就做多一篮子股票时候做空股指。

股票这边的交易是通过证券公司券商去做的，你要对冲那边的期货，期货是提供了杠杆的，有十倍杠杆，然后你要去对冲期货，1000万的多投差不多要花100万的实打实的资金放进去，为了保证保证金的波动幅度，你还要多放，可能一般会放差不多300万的钱在里面，你还要在期货公司那边交易。同时这个交易过程还有一个问题，就是股票这边假如说涨，因为股票是做多，期货是做空，那么股票这边涨了我赚钱多了，期货里面跌了，那期货那边涨，因为我是做空的，我不亏钱，所以会形成一个浮亏。在这样一个情况下，我会保证金不足被追保，因为我的账户分成两个，一边是股票一边期货，即使说股票那边我赚了500万，期货这边我亏了300万，整体上我是赚了200万，但是之前我在期货这边因为只放了300万，“啪”一下它已经亏完了，亏完就会被强平，强平就意味着我那个对冲的仓位没了，如果我被强平那个时间点我就会暴露在无谓的风险里面，整体对于这种策略是一个比较，确实是比国内的，又做股票又做期货，资金利用效率，以及方便程度上都是一个更高的选择。这个策略调仓频率当然有很高的，也有低到比如说三个月才调一次仓的股票策略。
三个月调一次仓的这种策略，压根就没有必要去用程序化交易、自动化交易，其实可以每三个月，比如说前两天的时候跑一下计算程序，下次调仓的时候要把哪些票卖掉，要把哪些票买进来，我的那个对冲用的比如说这几个指数，我可能在那边比如说多充100万，这边少充100万等等。第二天到调仓时间点，我就首点，反正三个月才点一次，这种策略是比较适合，但是相应它的学习难度稍微高一点，因为你需要对股票的因子分析模型有一定的理解，所以学习难度中高，它也适合个人去做。
第二类策略叫CTA，CTA就是我们之前举的那个追涨杀跌例子，它一般是可以交易期货或者股票，资金门槛相对比较低，因为期货带杠杆，所以一般10万人民币就够了，学习难度是相对比较低的，因为它的策略背后的原理其实简单，CTA测试原理就是技术分析。大家如果就跑一跑，回撤的话会发现是个什么双均线金叉死叉，什么多均线怎么排列，这是一种比较垃圾的信号，不要用它去做实盘交易。因为均线是叫做非平稳时间序列，在经济计量学或者统计学里面，前面的基础课就告诉你，非平稳时间序列的东西没有任何的预测价值，所以均线你真的做交易的时候其实没啥用的东西，大家看一看，娱乐一下很好。
价差交易价格交易，就刚刚举的一价规则例子，境内外一些品种本身是高度类似的，但是两个市场的价格有可能出现比较大偏离，那这个时候你就达到回归就行了。比如说有一家交易所，它突然把它的交割品种的品级给降了，合约本身的价值就要往下掉的时候，你这个时候如果不知道这件事情，两边硬搞套利还是会亏钱。那么因为价格交易最少要交易两边，所以相应的资金门槛高一点要20万，你需要懂一些刚刚提到交易细节上的东西，它也是适合个人。
第四个叫固收套利，主要是做债的，这东西的门槛就非常高了1000万可能都不够，一般国内最少10个亿，只有银行间的那些人玩。学习难度是非常非常高，你不要看固定收益好像很简单，但它那种利率曲线的模型等等都是非常非常复杂的，所以这东西就完全不要考虑，这个根本不适合个人。但是华尔街的那帮顶级投行在这个上面赚的钱是最多的，大家可能听说比较多的桥水，这帮人赚钱非常非常大一部分盈利来源都是这个固定收益套利。
格罗斯的长期资金曲线是每年都会远远跑赢同行平均值很高的，跑赢的部分就来源于这个固收套利，但是从刨掉他跑赢的部分，他核心盈利的来源，其实是美国长达30年的利率熊市，利率一直稳定往下走。
最后还有期权的波动交易，就是期权可能需要50万，因为国内期权开户就要这么多。学习难度也是比较高的，中高适合个人，如果你是金融工程背景的专业，然后你又接受过一定的训练的话，这个是非常适合个人的，国内目前期权波动交易最赚钱的几个账户基本上都是个人的。
CTA策略，趋势交易策略，有两种赚钱方法，第一个是跟踪市场的趋势运行，比如现在已经长出一波趋势来了，去做多，希望趋势会持续。还有一种是捕捉市场的趋势突破，在横盘震荡的这个周期突然被打破的时候，我去赌它接下来会走出一波趋势，这是两种不同的入场的思路。但是出场的思路都是类似的，因为趋势策略永远不要猜什么地方是顶，什么地方是底，所以唯一能做的就是移动止损，一路跟着，但是移动止损也有很多各种不同方法，最少的方法就是固定价格移动，从高位回撤，30块钱或10美金我就不玩了，这个是最傻的方法。第二种方法叫做百分比方法，那么300块钱的时候往下回撤3%，9美金，或者1000块钱往下回撤，30美金，也是3%我就不管了，因为你至少还考虑价格不同。
更聪明的一种叫做基于波动性指标的移动止损，比如说最简单ATR，然后标准差STD，它的特点是行情波动小的时候，我的STD值小，移动止损的范围值就小一点，波动够大的时候设的大一点，尽管一波快速的波动，这个值拉的比较大，回撤会除掉更多的利润，但相应的，在强趋势的时候，比起我除掉更多的利润，更担心有赚钱机会的时候我被太早的洗出来。
CTA策略特点是可回测、可研究，这是我刚刚讲到一个非常重要的点，大家如果未来做量化的时候，一定要意识到，历史上赚钱的策略，不一定未来能赚钱，但是历史上都亏钱的策略未来一定会亏钱。所以，如果你发现一个指标或者一个策略或者一个交易体系，它在回测里面是亏钱的，那么果断的放弃它，因为它在未来一定会亏钱的，坏事一定是会发生的，好事不一定发生，这个也是我们自己在做基金的过程中无数血泪经验，无数的亏损总结出来了，永远为最坏的情况做好准备，是我们真正在做交易的时候，最关注的一个问题。你说往上走的话，会不会某一天我错过一个大的盈利机会，其实这不是很担心，我即使错过了，别人也会错过，我更多的关心亏的时候少赔进去。
RSI指标我们都知道，RSI指标书上面一般写会写说大于70的时候是超买，你应该考虑做空，低于30的时候是超卖，考虑做多。写书的人时代是二战之前，1920年、1930年的时候。我可以负责任地说，这个方法在现在这个时代，无论是中国的指数，还是海外的，你可以拿数据去跑一跑，只要照着这个方法做稳定亏钱。我猜那个时候可能绝大部分都没有特别强的趋势，没有市场的整体指数这么一个概念。在2012年到2014年之间，最后那帮对抗趋势已经死光了，当然我个人认为对抗趋势的正确时机就要来了，因为已经耗了好长时间。如果真让我交易的话，我也不会去做这件事情，我不会说现在还在涨的时候我跑去做空了，这事肯定千万不要干，尽管我的心里我的这个情绪让我蠢蠢欲动，非常想这么干，但是作为职业交易员，我的理智能告诉我这么干，肯定会死的比较惨，因为坏事一定会发生，那就一定会把我打爆，把我止损了之后，才开始往下跌，即使我猜的是对的，所以在这种情况下你就别赌。
正确的用法是什么？是当RSI指标真正往上突破一个极值区的时候，也许不是70，可能更高，可能比如说75、80，然后你用的RSI的周期可能不是14，可能是7、8或者20等等，总归是这么一个形态，当它突破极值区的时候，认为趋势已经走出来了，是一个强趋势在运行。这个时候去追趋势去做多，随着比如说趋势判断再出来，或者说当RSI回落到极值区下方的时候，认为趋势已经开始减弱了，或者说回落到50下方，就是多空分隔线，这种方法去做，把它作为一个趋势性的信号，你应该跟着信号去做，而不是作为一个正当性的信号，你应该反着去做，可能相对效果会好一点，大家回头学会回测的话可以自己试一试。
我还想有一个二次确认的东西，这就是ATR这个指标的作用。ATR叫真实波动范围，这个具体算法大家可以自己看看，它是衡量过去比如说14个周期里面、10天里面K线的最高价和最低价直的波动范围平均值是多少。它是一个每天波动幅度非常好的衡量点，那当一波趋势从小往上开始，往大了开始发展，走出这个趋势必定伴随着波动的越来越大，现在可能这个K线短一点，慢慢转到K线，平均的K线程度，可能某一天长，某一天短，但平均K线长度肯定是越来越长了。这个时候我们就可以去用，因为ATR指标已经取得一个平均了，我们再取二阶平均，然后当一阶平均上穿超过二阶平均的时候，就是比较好的一个判断，这个趋势已经再放大一点。
首先RSI告诉我现在方向是哪，它以一个维度的计算告诉我已经走出趋势，我用ATR再来确认，现在价格波动确实也在放大，另外一个维度告诉我也是走出趋势，这时候就可以干一票，出场的时候第一个你可以等他们俩衰竭，给出反向的信号的时候出场，或者说可以简单一点直接用移动止损盘，什么时候它反过来走，我就走。

右边这张图是一个简单回测曲线，是在中国的沪深300指数上的回测效果，这个图是这个策略的净值曲线，最下面这图是总的盈亏曲线，往上就说明一直在赚钱。
第二个图是盈亏曲线在每个点的回撤，可以看到这应该是股灾后，有一天出现，前一天还在暴涨涨停，还是暴跌跌停，第二天立马就反价拉了一个涨停或者跌停，这种情况下趋势跟踪策略一定会亏钱，这天出现一个闪电式的亏损，当然后面还会上来，因为波动还是足够大，反正只要顺着做就行。
第三个图是每一天的盈亏的分布情况，总结是只要你的策略是靠谱的，思路是对的，长期而言还是能挣钱的。反过来，如果一个策略或者你的交易模式是错的，你不管做多久，你不管它多少年，你不管经验有多丰富，你最后还是会亏钱，错的东西就是错，不要相信说我拿着硬币去丢，或者说我随便去乱猜方向，我只要资金管理做得好，我只要心态做的好，我长期就能赚钱，这是骗人。你要记住要在这个市场赚钱，需要的第一点，我做交易的时候，预期收益要是挣得越多，我做交易我赚钱，我横盘震荡期就越短。不管怎么样，如果你预期收益是负的，你最后一定是亏钱的，这是最基本的数学规律，也是做交易的常识，千万不要没有常识乱做。
海龟组合交易策略就不在这儿讲了。大家如果喜欢看书的话，可以去买海龟交易法则这本书非常经典，经典的CTA策略，入门的数据，那个书很好，有非常详细的说明。

期权波动率交易策略，大概给大家讲一下，盈利的来源不再是价格本身，而是价格的二阶导数，叫做价格的波动率，主要是在波动率的曲面上捕捉所谓的套利机会，因为期权合约很多，有很多到期月份，跟期货一样。在每个月份上面它又有很多个行权价，可能有十几二十个，每一个行权价上可能分为两个合约，那所以它就构成了一个像网一样的东西，而不像股票，期货就是最多12个月份。期权动不动就是有一两百个，就一个品种上有一两百个，所以网状结构，形成波动率曲面，在上面去寻找一些异常的点，然后去做交易。
高频电子眼的交易算法，主要的作用是对于一个当前的期权持仓组合，手上可能拿了几十个合约，如果只是看期权的七大值，四个方向，不能够看到足够的全面的风险，所以就用类似于压力测试的方式，把整个期权曲面往上下平移多少，把价格往左右平移多少，可以形成一个这样分布图，那么红色区域就是OK的，如果往那方向走就可以赚大钱。往其它黑色区域走，就是我可能不赚钱或者亏钱，我一般赚钱的需求不是特别关心，因为赚不赚钱其实我控制不了，我只能做好事情，要赚钱其实就是我的概率迎面正好砸我头上，也不是特别值得开心的事情，反正只要你做对的事情，迟早它有一天砸你头上。你比较怕的是亏钱的时候，亏钱的时候你要做好管理，你千万不要让自己亏太多。

算法交易一般个人做交易可能不太用到，但是机构有一个基本面的原因，或者策略原因，决定要买一个亿的某只股票，那肯定不能说一把单子给砸到市场上去，那可能连续五六个涨停板，能做的事情是用一个算法不断的去慢慢地买，可能每隔几秒钟挂个一手两手出去。但每隔几秒钟都在买，全天下来觉得买的总量还是很大，或者说甚至可以跑长一点，跑了三天，三天偷偷买了一个亿，没人会发现，但是我一把砸了一个亿进去，所有人都看到了。
不同的拆单，就是我刚刚举的例子几秒钟买一手，按照时间来拆。还有一种方法就是，我们知道这个股票的成交量的分布其实是不平均的，一般开盘的时候、收盘时候大家可以去看一看。开盘时候和收盘一般成交量会更大一点，日内相对会小一些，主要因为大家想做交易的话，要么就开盘的我就冲进去了，我觉得我今天反正看了一天了，我选好票了，开头搞一百，一般中午快到吃饭的时候或者刚吃饭回来都不会做交易。这种情况下，每隔一段时间固定的买一手、买一手，可能就不是最聪明的方法。最聪明的方法是，成交量大的时候按照比例多买一点，成交量小的时候按照比例少买一点，自己买卖数量的分布跟全天成交量分布尽可能一致，这样一个方法可以更好的把执行成本降下。

最后简单提一下机器学习的应用方向，机器学习实际上是过去两年里面国内很火的一个话题，无论是大量的创业机构，还是做交易的，不管是公募、私募的，还是券商做资产配置的，都在讲这个。机器学习在金融投资或者量化交易方面应用方向整体上是四个，第一个叫做信号构建，提供了基本上世界上、历史上的这些技术指标，不同的技术指标，生成交易信号，然后去历史的数据上面去跑回测，让计算机去帮你去找出来什么信号是可以赚钱的，或者哪几个信号组合起来它的效果比较好，这就是第一个叫信号构建。
第二个叫做信号分析，在多因子策略里面，可能我既用到基本面数据，比如说股票的估值，比如说增长率，同时我又用了技术面的数据等等，它怎么组合起来呢？这个最优的方法，你可以去做一个更好的筛选，更好的角度，同时能测试不同的信号之间相关性。
第三个是叫回测研究，通过遗传算法去提高在做参数优化的时候的速度，它可以把比如说正常情况下要跑1万组数据，可能要跑个10天才能跑出来结果，那么通过遗传算法加快收敛方式，可能就两个小时跑了这么几十组数据就能跑出来了。最后还有一个叫信号组合，前面信号弄出来，怎么样去把它拼起来，在实际交易里面用。
讲座的内容就到这里了，接下来是问答环节：
提问：感谢您的精彩分享。假设我们现在写了一个相对比较智能的一个程序化交易的数据，类似实现半自动驾驶，常规行情他都可以去监控去交易。那今后人有哪些工作，就是是比如说机器不能替代的，就是比如说在您实盘交易过程中，人和机器的这种互动应该是怎么样的效果？

回答：首先，我们现在做交易其实不是半自动，绝大时候都是，像CTA和多因子这些东西，只要你程序打好都是可以达到全自动执行，期权的一个策略可能有点特殊需要半自动。但是即使是全自动交易，也一定是有足够多的交易员在市场里面盯着的，因为市场什么情况都能发生。现实世界里面的不确定性是非常多的。我们尽管已经用了托管机房，把专用的线路，用最好的运维，最好的通道去降低这些风险，但这些风险是客观存在的。

提问：陈老师，我想问一个问题，应该是很多做量化交易的交易者比较关心的，一个策略它如何才是比较好的策略，或者说，想做一个好策略本质上的难点在哪里？
回答：你要说好的策略，其实这种就是，这个策略符合从专业投资者的角度定义好的策略标准，它可以有一段时间不赚钱，甚至有段时间稍微回撤一点，但长期来讲，这样的策略在设计上没有针对某一段行情。比如最近这段行情它可能一直是在横盘转到