|
按： 本书选自《量化炼金术：中低频量化交易策略研发》第八章开始的内容。 笔者感悟： - 逐步增加分组，有利于提高对于因子的分析能力，发掘因子的解释能力，但是对于电脑的要求很高。
- 在效果展示上要满足多组多层同展示才能发现，单一的粗样分组是没有意义的，作者的图例展示很好的说明了这一点。
- 学习越专业，就会发现对于事物的变化描绘中，这些描述都有精准的定义，因此我们要逐步熟悉这些理论的过程中，逐步掌握这些东西。
- 第九章的风险（risk）中，更多是归类到【投资评估报告】和【仓位管理】。
- 数学的魅力无处不在，要扎实推进数学的学习。
- 第十章仓位决策中更多要依靠于外部环境的判断，还要对品种进行深度挖掘和关联信息。
- 第十一章中仓位的择时上的管理还有很大的空间进行优化和设计，仓位服从单一投资品种的表现，而不是全局表现给出的开仓建议和比例设计。
- 第十二章中先以马科维茨最优投资组合理论为核心开展，但是为了资产品种的特性，对投资品种先行设置了投资比例下限，做一个先行的约束条件，防止品种交易资产分布不均匀。市场均衡理论是以市场的比例均衡一致为假想，然后等比例进行投资，但是这种假设是不可能的，尤其是在国内是无法实现的，因此我们更应该关注市场表现，行业表现等情况进行开仓决策。【同时也要求投资者在设计框架上更更多的思考，因为市场规则的变化引发策略交易对象的调整】
- 尽可能使用更加严格的数学推论来学习，尽可能脱离盘感对于自身的影响，而是要拿出真实可靠的证据来进行持仓，持币的依据。
- 本书的理论推断过于黑箱化让人无法看清楚到底是什么情况，但是相关的设计，具体设计没有任何分析，而且最重要的是回测的结果差强人意，很难让人信服，涉及到的策略过于简单，没有对策略以及涉及的因子解释行情的有效性进行论证，只是简单的将市场上主流的策略进行一种再说明而已。这种阅读对于新手来讲有一些拒绝的味道在里面。
- 通过本书应当尽可能将流程进行分拆管理，便于适应市场，适应数据，适应新品种的开始。
- 涉及的部分知识点，比如【评估报告】过于简单，对于评估涉及的计算要素的分析和论证没有，投资者凭什么要关注这些分析数据没有说清楚，其举例的解释能力很弱，在最核心的地带上，对于如何进行策略开发没有很好的说明。
第八章 推进选股策略8.1多因子选股策略的推进分析- 理论就不说了，直接上图，懂机器学习的都懂，不懂就算了。
8.1.1多因子选股3等分8.1.2多因子选股10等分8.1.3多因子选股30等分这样子的好处是，通过分组，发现因子对于行情的解释能力。粗样分组中，噪音太大，不利于因子对于行情的解释，通过逐步分组，提炼因子对于行情的解释能力。这是一个不错的提炼因果关系的方法和思路。
8.2多因子选股策略的多层推进分析同上  解释能力有限，需要分组分层展示才行，这也反过来说明我国A股市场过于庞大，噪音太大，局部行情无法解释。  这种回测结果，真的很难接受，在牛市中居然是这种效果。 第九章 风险（risk）9.1常用的风险度量【统计学理论】9.2其他风险度量【统计学理论】- 最大亏损率
- 最大损失率
- 半方差【参考笔者的《量化统计学》知识点中有说明】
- 目标半方差
9.3风险和收益的结合【归类到投资评估报告】- 夏普比率
- 信息比率
- 提索诺比率
- 特雷诺比率
- 风险调整后的收益指标【这个是新的，没看到过】
9.4止损 大神止损的定义与高永亮先生的“三天无变化”一致 - 止损方案：固定比率止损【作者倾向于】，固定金额止损，通道突破止损【关键点位止损：最近高点，最近低点等】
- 止损目的：规避单次交易的重大损失。
第十章 仓位决策- 10.1凯利公式【涉及高数推导凯利公式，与原来的不同，截图记录】
- 这里是通过概率论中的二项式进行推理，然后通过微积分的偏导求导可得。
10.2实用的仓位决策方法：- 凯利公式的风险损失：一次性损失掉所有资金的可能性。
- 仓位的优化更重要的目标在于最大化交易策略的整体收益。
- 仓位决策的构建：
第十一章 仓位优化的择时策略11.1仓位优化的均线趋势策略11.2仓位优化的自回归策略第十二章 投资组合决策笔者按： 任何投资都不是单一投资，我们要学会用全局市场视角来看待整个市场的变化。便于我们做到以下的任务： - 面对熊市，震荡市的调仓，备选品种
- 挖掘市场热点，捕捉市场情绪
- 组合投资，降低整体收益损失，通过对冲的方式，提高投资生命周期
12.1最优投资组合理论- 马科维茨最优投资组合理论【均值方差理论，均值方差优化模型，现代投资组合理论等】（但是没有方向，必须先验），模型特点：模型结构精炼，内涵深刻。
- 投资分析工具：方差，协方差矩阵
- 投资组合数学推论：
- 只准做多的投资组合数学推论：
12.2使用的投资组合优化方法笔者按：如果可以开空仓的情况下，那么对于投资品种的组合调整，市场的监测，策略的有效性的监测等将变得更加复杂，在调仓设计上的要求更为灵活。 12.2.1带约束的最优投资组合理论：- 明显缺陷：如果有证据或者监测到市场变化的，而且持续向下的，很有可能仓位不能匹配满额，更重要的是很有可能是出现不会触发交易，开仓的境地，使得整体资产的交易中偏向安全属性资产，使得整体资产回报率下降。
- 作者的思路，对于分配资金的比例设置一个下限，从而保证开仓的顺利和某一资产占用自己比重过大的情况出现。
12.2.2Black-Litterman模型- 费雪.布莱克等人发明。
- 适用于配置大类资产的投资组合的决策模型。
- 有效地环节资产配比不均衡的问题，还能在决策中引入投资者的主观看法。
- 理论假设：各个大类资产所占市场份额是均衡的，以市场角度来看，当前的配置是合理的。
第13章 优化的股票配置策略13.1多因子风险模型- 通过作者的思路阐述，这种先验性非常明显，先通过历史数据给出一个历史表现，然后通过历史表现给出合理的投资比例，然后进行开仓，监控。
- 正是这种先验性的存在，所以我们要对【贝叶斯分析】要引起高度重视，同时也要尽可能保存【回测】结果，便于调用，减少调用的成本和时间。
 线性关系用于解决组合投资的问题，概率论负责解释策略和组合理论，探测市场。 13.2投资组合优化的多因子策略部分由于对线性代数不理解就不抄录和理解了，先在这里放一个截图，便于识记。但是尽管经过优化，效果依旧很一般，这个的确让人非常无语。
第十四章 交易成本笔者感悟：要尽可能的贴近市场，得到更加精准的结果，因为策略跑起来的迭代速度和周期是十分快的，很容易因为一个点没有处理好，使得原本很不起眼的东西迅速放大，造成重要损失和干扰。 这里尤其是是高频交易，设计的不合理，会导致盈利会被费用亏损完毕，使得整个策略发生极大的差异性，这是策略有效性中进行论证过程中要引起问题的一个方向，即本身策略没有问题，但是因为交易成本的出现，导致整个策略完蛋的荒谬结论。 14.1交易成本估计- 滑点：滑点=下单与成交之间的时间差*资产价格变动的速度【以前听说过滑点，设计过简单的策略中也注意到了滑点，但是这种理论论证还是第一次看到，学习了】
- 冲击成本：高买或者低卖引发的价格波动。
14.2考虑交易成本的择时策略14.3 考虑交易成本的股票配置策略第十一五章 策略评价【过于简单】15.1策略评价体系- 自我评估，他人给出建议的源头
- 评价策略的两种使用情况：1.回测，模拟交易业绩评价，2，实盘结果。【作者推荐对实盘进行分析】
15.1.1收益：15.1.2风险：- 运用领域：1.净值走势描述2.收益率序列统计
- 工具：方差，半方差，标准差，风险价值VaR，其中标准差进行年化处理
15.1.3收益和风险的结合- 净值描述指标：年化收益率/最大回撤，年化收益率/年化最大回撤率
15.1.4其他：重视时间序列中其他个股的表现，并进行标记【用于比较标的是否存在相关性系数，从而来验证异常交易品种中出现的问题所在。即，如何通过捕捉与主板不一致的品种发现其异常情况，并进行策略提取】 15.2策略评价报告：第十六章 结语16.1内容总结：把学过的东西过一遍脑子，反复阅读，从而提炼自己的认知情况，借助基础学科的分析工具，最终提炼出属于自己的思维模型和知识体系，架构部署体系。 16.2研究流程的局限与应对：16.2.1研发流程的局限性：- 1-2章中涉及策略的缺陷，包括：易复制，易暴露，无法兼容非数据化处理的量化信息，转向缓慢，与市场的适应存在较大差距。过拟合的情况在回测中比较严重，设计不合理的情况下，可能会用到未来数据，引发未来函数。
- 3章，优化过程中造成的过拟合可能无法得到有效的更正和修改，条件的限制设计上还需要更多的考虑，一旦方向失败，很有可能导致整个策略的失灵。
- 推进分析策略中对于计算机性能的要求非常强，因此在设计过程中很容易引发策略的速度无法赶上市场的变化。导致研发的速度下降，最终无法运用于实际情况。
- 对于交易成本的考虑上，一定要引起重视，和【过拟合】一样很难在封装的代码中找到需要修改的地方，交易成本设计的不合理也会使得策略的无效性放大。
16.2.2主观逻辑与经济直觉- 应当通过基础学科的学习，运用，长期运用，贴近市场，通过科学严密的论证来分析，以此逐步取代【盘感】。
参考文献：
|
