1 个人介绍

大家好, 我是做量化策略测评的宽秃君, 助你用科学方法评估一个量化策略的好坏. 目前主用的量化框架有freqtrade, banbot, nautilus-trader, 技术栈是Python/C++/Golang, 相信大家从量化框架上也看出来了, 我是主做合约量化的, 希望将来给大家带来各种开源策略及思路, 并且会跑一遍历史数据回测, 来看看真实效果如何.

我曾经自己闭门造车研究各种策略, 从最简单的双均线, 到机器学习, 深度学习, 染色体遗传算法, 高频剥头皮, Agent新闻流事件驱动, 缠论, 多因子, ICT, 网格, 裸K形态学, 混沌机等等, 试过之后都各有优缺点(后面有机会开专题都讲讲, 大概率是走了弯路), 就研究开源的策略是最快速成的捷径, 而且不建议大家只用一个策略来梭哈跑实盘, 而是选出最优的3-5个风格差异显著的策略, 先小额实盘跑几年, 确保充分经历过各种"考验"了, 再上大资金

不同的量化框架也各有其特点, 比如 freqtrade 实盘 Dashboard 非常好用, banbot 回测和复盘非常清晰, nautilus-trader 适合做高频, 总之我们要根据策略选择最适合的框架

2 创号的原因

在某音或油管等媒体平台上, 可以看到很多人分享他们的策略, 每个人都吹的天花乱坠, 并给你摆出几个和它的策略很"对味"的 k 线走势, 但几乎没有人贴回测的结果, 而且回测结果其实也是要看市场行情的, 比如你在市场行情普遍上涨的时间段做一个只做多的策略, 它再差也差不到哪里去呀!
所以我希望用一个科学的方法去对比不同的策略, 回测的时间, 涨跌出现的频率要差不多, 然后尽可能让每一种策略多空都能做, 然后在此基础上做对比,

其实最好的方法是借鉴开源策略和公开的技术指标, 学习有三重境界:
积累与模仿、质疑与思辨、融通与创造
当你学的足够多了, 就知道一个优秀的策略需要哪些因子
那为什么我不把这些好策略藏着掖着呢?

因为有些策略本身就是开源的, 但代码版本非常旧了, 本人只是在其基础上进行一些微调, 让最新的量化框架版本能直接跑起来, 并调整一些超参数, 有些策略回测效果好, 但实盘前期效果并不好, 策略没毛病, 只是还没遇到对的行情
很多策略是趋势跟随型的, 即追涨杀跌, 越多人来跟这个趋势, 就能让做这个方向的人都赚到钱, 聪明的你就会问了, 那止盈和止损怎么办, 风险厌恶的你可以把它设置小一点, 这样比别人先抢跑, 在趋势反转时, 你早已离场, 量化策略的风控参数和超参数是可以自定义的, 是可以很灵活的
最后也是最重要的一点, 我喜欢写图文记录, 输出内容能让自己对策略的理解更深刻, 也能认识很多志同道合的朋友, 量化之路很漫长, 让我们厚积薄发, 静待花开!

明天正式发车, 让我们越策越开心~

本文由mdnice多平台发布