提起量化策略,往往让人觉得高大上,但事实并非如此,在我们日常的交易活动中,都或多或少的跟量化策略模型的开发扯上了关系。 一般而言,量化策略模型开发分为两种模式。一种是自上而下 自上而下指的是交易者通过经验判断、观察假设、逻辑依据来开发策略模型。 举个例子,如果你在日常的交易过程中,发现在一段上涨行情中,出现一个长上影线的K线,那么接下来价格下跌的可能性很大,反之,如果在一段下跌的行情中,出现一个长下影线的K线,那么接下来价格上涨的可能性很大(其实就是蜡烛图技术中的流星线和锤子线形态)。 然后,就可以根据这一经验,设计相应的进出场规则,直接在回测平台上检验该假设是否成立,是否能用于实战。下图即为使用Tb对长下影线K线设计的策略模型进行的回测检验。 再比如,你的经验是上涨行情中价格从高处回调到均线附近会受到很强的支撑而再度向上,或是下跌行情中价格从低处反弹到均线附近会受到很强的压力而再度向下,那就可以根据价格和均线的位置关系设计策略模型,使用回测平台检验。另一种则是自下而上的 自下而上,不是事先提出假设,而是直接对数据进行挖掘,挖掘出有价值的信息,然后基于此开发策略模型。 数据挖掘是自下而上方式的典型代表,自下而上也是更符合大数据时代的发展趋势。商业案例中,比如亚马逊通过自下而上的数据挖掘,发现了购买啤酒的人和购买尿布的人相关性很高,于是设计出了啤酒和尿布组合销售的策略,并且取得了更好的销售业绩。 再比如,对商品市场上某些品种的历史K线数据归纳统计发现,日K收阳还是收阴,与当天第一根5分钟K线是收涨还是收跌关系很大,于是根据这一信息,就可以设计出一套日内的交易策略。我们之前给大家介绍过的“空中花园”,便是这样的策略模型。下图为“空中花园”在PP上的回测检验。 |