分享

以交易为生,你希望构建什么样的策略?

 AI量化实验室 2024-03-24 发布于北京

在原创文章第491篇,专注“AI量化投资、个人成长与财富自由"。

下周星球的计划:1、发布Quantlab单资产框架, 支持参数自动优化(暴力搜索和遗传算法)。2、内置经典策略和数据。3、基于ctp的实盘路径跑通。

今天我想讨论一个话题,你希望构建什么样的策略。

听起来像一句废话,当然是赚钱的策略。

但投资是一个无限游戏。

你需要的是一个长期方案,能够长期留在市场里的方案。

什么指标是确保你长期留在市场里?——低最大回撤率,尽量短的回撤率。

咱们不聊夏普比,或者卡玛比率,而且给最大回撤率设定一个明确范围,比如最大回撤率不超过5%或者10%,在风险策略里这个比较难,回撤能控制在20%以内就不错的,但还不够。

尤其是单资产仓位重的时候,超过20%的回撤可能会击穿你对策略的信心。

你搞不清楚是策略正常回调,还是策略出了问题。

因此,在控制最大回撤率的基础,最大化夏普比,以提升收益率。

一个资深期货交易员,设计策略的目标是曲线持续向右向上,哪怕赢利相对少,但几乎不亏,这个策略就可以持续运行。

——这才是最难的。

咱们之前设计过不少策略,通过大类资产分散,可以把回撤控制在30%以内——从大类资产的角度,还不错了。

年化29.3%,最大回撤28.4%,有时候好用的策略并不复杂。

但为什么很多人仍然不敢重仓或全仓,因为这个回撤期仍然会让很多人怀疑人生。

除了分散和配置低风险资产外,第二种方法是科学的仓位控制。

特别是在双向的杠杆市场,买卖多少要比什么时候买卖更为重要(仓位管理有时候比择时还重要)

再好的买卖方法要配上正确的资金管理才行。究竟每一次买卖多少才合适?这里引用凯利公式。

例如:你的策略胜率是40%(p=0.40),赔率为2:1(b=2),那么最佳投入应该是(2 × 0.40 - 0.60)/2 = 10%的资金。

如果知道胜率和赔率,我们是可以计算出最优的下注比例。

宏观上,基本面分析形成对大势的基础判断,这里可以做一些定性分析,这时候大模型投研的能力也可以发挥出来。

吾日三省吾身

当下这个不确定的时代,大家从关心自己的成功与幸福,变成关心自己的工作稳定性。

李笑来的财富自由之路讲的是成长心法,财富的真相讲“做生产者”。这样的书很多,其实都挺好,对于建立财富的认知。

从黄金圈法则: 为什么,怎么做和做什么?

财富的认知——财富自由就是“被动收入超过生活必须”。

那么要想财富自由,就要建立被动收入管道。

被动收入管道最自然的就是投资,投资=本金*收益。本金越大,时间越长,对收益的要求越低,投资更稳健。

普通人本金不大,这是财富的悖论。FIRE理财计划教大家省钱,但《百万富翁快车道》告诉大家这是一条慢车道!它也建议人们做生产者。

被动收入都指向做“生产者”。

“至少做成一件对别人很有用的事情!“,你就成功了。

关键是做什么?选择大于努力。

历史文章:

代码发布:简化版本的vnpy,内置期货数据和策略

年化29.3%,最大回撤28.4%,有时候好用的策略并不复杂。

vnpy使用初体验,从代码运行,导入csv数据,回测及参数调优

大部分做量化以及想接触量化人的目标是——每天1%。

全量ETF回测,年化25.5%,动量轮动yyds!

量化投资(投机)无外乎两个策略模板

QuantlabV3.7源代码发布啦!带策略生成向导,内置多策略示例(年化20%+)供参考

AI量化实验室——2024量化投资的星辰大海

    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多