量化交易杂谈（一）

最近读了《Python量化交易》，这是一本基于vn.py的关于量化交易的书，内容涉及量化交易的历史，技术基础，常用策略等。受限于版权原因，这里不能摘抄书中的内容，只是发表自己对书中一些内容的理解。
我本人研究生是学习人工智能相关的专业，当时最主要的工作就是整理数据、建立和训练统计模型，以及做数据实验，最常用的语言是matlab和python。所以虽然并不是金融工程专业出身，但在刚接触量化交易时，对各种策略的原理还比较容易接受，在读上面提到的书时，也没有遇到太大的障碍。
近些年来，得益于移动互联网的发展，网络上承载的数据量爆炸性增长，新的数据技术随之井喷式涌现，紧接着也快速应用到了各行各业。对于二级市场相关的从业者来说，也希望将新技术应用到构建或优化自己的策略之中，提升收益，减小回撤。
有一些观点认为，影响二级市场价格波动的因素太多，所以拿到的数据中绝大部分都是噪声，无法构建太复杂的理想策略，反而使用一些简单的保守的策略，就能以较低的风险获取可观的收益。所以使用一些新技术的目的主要在于可以有更好的噱头，作为向领导和客户汇报的素材，而不太可能在实盘上大规模使用。
由此想到前些年的一部电影，在某基金公司的一次研讨未来投资组合的会议上，有员工提议买苹果股票，但上级领导说，客户给我们那么多管理费，不是为了让我们不动脑地买蓝筹股。而实际情况是，苹果的股票这些年稳定大幅度地增长，年化收益率超出了很多主动基金。
当然，我们也可以说上面的例子颇有“事后诸葛亮”的嫌疑，但这种看法，正如《漫步华尔街》中所示，在历史的市场数据中可以找到很多佐证。然而，这也正是二级市场的魅力所在，因为在好奇心的驱使下，人对于越是难以预测的事物，就越是希望能够预测。
因此，我们能看到的量化交易相关的策略，更多的关注理论和技术层面的分析，无法做到普遍使用。从另一方面讲，一旦某个策略可以普遍适用成为了行业标准，它也会很快失效。因为同一时间只有买卖双方都存在才能有交易，如果参与交易的各方在同一时间都采取了同一策略，那么就不会产生交易，也就没有收益可言。
这就好比艺术创作，只有形成自己独特而难以复制的风格，才能突出重围，产生艺术价值。