|
原创文章第526篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。 星球后续要起一个系列，名字还没想好，但内容大致是：AI量化从入门到精通，这样的意思。 好多同学说，代码太多看不过来，用不起来，有没有系列教程。 之前一直在等一个契机，但似乎没有这样的契机。 投资没有圣杯，投资就是一种思想体系，与市场共舞。 所以，还是动笔写吧。 市面上讲量化的书，不少了。但我没有找到满意的。 讲理论的就算了，就算python量化系列，也就是使用pandas，时间序列，简单的机器模型处理一下金融K线，回测一下结果就结束了。 这些只是术的层面的东西，而且关键是这些术的层面的东西还没有用。 要写，就写点有用的东西。 投资是一种决策游戏，量化投资是辅助工具。 如果你没有方向，什么方向都是逆风，这里的方向就是投资认知体系。 很多人误解说你AI量化策略竟然会回撤，就像说大模型写出的文章竟然会犯错。这些都是对技术的误解。 事实上，金融并不是物理定律，连严格意义上的统计模型都算不上。 明星基金经理会失败，量化模型会失效，那学量化有什么用？ ——量化更大的意义在于，建立一套规则，测算你大概率会亏多少，市场下行的时候不慌。敢于买入，敢于持有，敢于卖出，有依据，有积累，如此而已。 建立规则，相信规则，严格执行。 框架结构，大致有如下几个部分： 数据篇、指标与因子篇，规则策略，模型策略，回测系统。 很多人一上来，先从numpy讲起，然后1/3的篇幅讲python编程，这有点凑数了。 接触量化时，多数人都会先找一个回测系统或者回测平台，这就是一个训练场。可以无风险去测试你心中所想，所以一个趁手的兵器很重要。 很多书讲回测系统，或者线上平台，使用backtrader或者zipline之类的回测框架，需要用户写大量的逻辑，对于新手而言，最大的困惑在于，如果结果不好，到底是策略不行，还是代码逻辑没写对。这就没法验证了。 所以，像咱们Quantlab是积木式的，不需要写代码，配置就可以了。这里的思路还是bt回测框架。 因此，这里开源回测系统里，我选择讲bt。 https://pmorissette./bt/index.html 比较小众的一个开源回测框架，小而美。 导入美股、美债数据：
几行代码创建一个策略：
运行结果：
这就是股权等权的一个简单策略，年化接近8%——做量化会让你从一个很长期的视角看投资，如此简单的策略，年化8%，很多人折腾很多年，能拿到持续年化8%？！ 把投资组合里的权重打印出来：
在这个基础上，我们再来构建一个策略：
你会发现按波动率加权反而跑输等权。 这是回测的第二个好处，很多时候我们的直觉与结果是不符的，但量化数据不会骗人。——你在相信一个策略之前，一定要通过量化验证，量化不一定能证实，但一定可以证伪！ 就是说，量化可以未来实盘不一定可以，但量化不可以，你一定不要实盘。
系列文章与文章 所需代码数据，均在星球里：
吾日三省吾身 昨天和一个好朋友吃饭，聊天。 朋友自己创业，二把手，创业多年了。 朋友说，近期压力巨大，因为上了杠杆。 我好奇：现在不都是有限责任公司，这也是企业家和创业者最好的保护。 朋友说，限高的企业家，不都是这种情况？ 企业现金流陷入困境，这时候，向银行借贷可能有难度，民间的金融公司，门槛低一点，但尽调的时候，通常都会要求个人身份担保，也就是无限连带责任。 那你上还是不上？ 如果你不敢，说明你自己都没有把握，那别人凭什么相信你能够还钱？ 这个逻辑是成立了，借钱的逻辑，本身就是给不太需要的人。 周期下行的时候，连风险资本，都会要求企业家对赌。这并不完全的是风险投资了。 我说，可能这一点，我就无法去创业。 企业家天生需要极强的抗压能力，冒险精神。有时候，甚至分不清与赌徒的区别。 在二级市场，我们通常建议大家，不要上杠杆。 因为黑天鹅事件不可预知。 当然，盈亏同源。这样导致的结果，不会出大的问题，可能也会错过大的收益。 塔勒布是研究黑天鹅的专家，他给出的建议是“杠铃策略”：80%极稳健，20%极冒险。 我自己的投资也是，80%都是大类资产恒定市场平衡，很稳健，而且使用的都是长期资金。20%做量化，可以比较激进，去探索各种可能。 孤注一掷，个人是非常不建议的。 在普通人创业这个事情，我是非常建议一人企业低成本运作模式。 把成本压缩到无法破产，又能拥有一份可能自主的事业，岂不快哉。 历史文章： |
|
|
