雪球量化投资club

前天在网上看了雪球量化投资club的直播,听了四场交流演讲,对于量化投资的基本认识更加清晰了一些。下面挑一些个人理解的要点记录一下。

  1. 量化投资并不神秘,简单的指数基金定投其实也可以归到量化投资的范畴;
  2. 宽泛一点理解,凡是可以定量计算的,都可以用于量化投资,可以做所谓的动量投资(基本上就是自动化的追涨杀跌或者高抛低吸),也可以做基本面分析,所以量化投资不一定是高频交易,也可能时低频交易,一个量化策略可以吸收各种要素;
  3. 散户搞量化交易,相比机构能获得的资源比较有限,自然是有很多劣势,但是也有自己的优势,其中最大的一个优势就是资金量上基本上不会对价格造成冲击,所以交易成本很低。
  4. 量化是利用数据分析与程式化的交易(中低频交易不需要自动化程序)来反人性,用数据说话,而不要过于相信感觉或直觉;
  5. 量化交易要看全局看全时,总的目的是自己的投资组合赚钱,而不纠结于个别的品种,应当做较长时间的历史分析,而不能只看最近的效果;
  6. 量化交易一般需要建立模型,在历史数据上回测再调整,然而历史是螺旋发展的,回测可能会有过拟合的现象,也就是说,会出现一些特别的参数效果特别好,但是用来做策略未来不一定会好。我觉得最好还是要有对模型为什么效果会好的解释,并考察这种解释在未来是否会失效,比如最小市值策略,解释是A股特有的壳价值带来的,但如果新股发行持续改革,这个策略就会失效。
  7. 散户资金量小,可能无法建立足够的股票池构建组合,这时候可以考虑基金,类似华泰证券的券商基金交易费率极低,且没有最小消费的限制,非常适合量化交易。此外,如果场外购买基金,交易费率也是要仔细比较的。
  8. 学好Python,对量化交易好处多多。看来我去年开始用Python是个明智的决定。
  9. 在A股量化策略容易有效的原因是韭菜多,不过这种好日子估计最多5~10年,挣超额收益会越来越难。
  10. 演讲中提到的相关的资源:
    1. tushare:一个开源的金融数据库,可以用Python非常方便的使用;
    2. 优矿:一个量化策略平台,提供了丰富的API,支持Python语言。
    3. SSRN:获取免费的金融方面的英文论文。