Python 算法交易实验45 再探量化

说明

去年大部分精力都在构建底层架构和工具了，一直都没有时间搞量化。目前底层的数据库服务(ADB)和清洗(衍生 AETL) 工具已经好了，我想尽快的把量化启动起来。

内容

1 思想

作为交易来说，只有买卖。通过数据分析与模型，我们获得的增强点是决策。在合适的时候进行买卖的决策。

好的决策很容易观察出来，成功率高、收益大和回撤小。

这些优点是互相钳制的，所以需要有一些思想来建立对这些决策的信任。这些思想会给到决策者一个感性的认知，从而建立/调整一个合理的期望。自然而然地，基于这些思想会产生对应匹配的技术。

从物理的角度来说，回归与动量应该是量化的两大方向。

从回归的理论来说，当价格偏离价值中枢时，必然会发生相应的调整，这在大数统计上是必然正确的。当然，价格之所以产生了最终的偏移，是因为价格中枢在反复的推拉中达到了新的平衡点。

从正态分布或者从正弦波的角度来看，可以描述价格偏离中枢的程度，以及发生这些变化的周期。这里我强调周期，因为很多模型完全忽视了这点，只是在拟合。这点又可以考虑GMM，拆分成若干小的标准正态来叠加。

对于回归的期望要放长，而不是短。长期必然获胜的策略，意味着周转效率不高。所以胜率高、敞口高、周转率低、盈利率低应该是这类策略的特点。回归的发现本来就是长期观察的结果。

另一种不得不谈的就是动量，这很像微积分，观察到某个曲线的梯度，进而利用它。每个物体都有惯性，在运动时，所以物体运行的方向在短时间内是无法改变的。

对于