我的量化交易学习路径

详细说说我转行量化交易之路。
我本科是文科专业，硕士是会计。研究生读到一半开始学习编程，从爬虫项目入手。15年入市，接触编程之前一直是主观手动肉眼看k交易，主要在国内期货频道玩儿。学了编程后意识到我的一部分交易想法是可以通过程序化实现的，然后自己上手搞了个交易接口，省去了很多工作量，那段时间建立了我对交易和计算机结合的巨大兴趣。我的第一个用编程实现的策略是在日线的bar上用obv这个指标做开仓信号，当天接近收盘的时候如果出现obv背离则买入。
第一阶段虽然是计算机和交易的结合，把肉眼观察到的高胜率开仓信号写成策略，但是严格来说，这个只能叫做程序化交易。量化交易是建立在统计学和数学基础上的，解释了不同因子和和价格之间的底层逻辑关系，编程是验证想法有效性的工具。
后来在研究生期间接触了机器学习和深度学习的玩意，参加了kaggle两场比赛，到那时候才算真正摸到了量化的门。我理解的量化就和日常生活中根据经验来预测未来是一样的，好比预测某个水货下次是否会迟到，就要统计他每次迟到时发生了啥，每次准时发生了啥，这些发生的事件对应到量化交易中就是因子，而迟到与否就是预测的目标，也就是价格的涨跌。机器学习等用算法在可能的原因和结果之间搭起了一座桥。
下面展开谈谈我学习量化交易的路径和难点。
编程。在接触python之前我没有任何计算机的基础知识，大概花了1周多时间摸清了基本语句，接下来直接跟着视频做爬虫项目，我学爬虫的初衷是想白嫖分钟级数据。
我一开始以为量化策略岗位对编程的要求很高，其实不然，我面的大部分私募笔试题都是基础的算法和数据处理，所以做量化策略这个岗位真不需要费大力气啃算法，编程水平能差不多落实想法就OK。个人认为针对面试的学习路径是python基础语法-numpy和pandas两个库，然后做点LeetCode简单到中等难度的算法题。自营量化也推荐这条学习路径。
由于没有数据结构和算法的基础，开始敲代码的时候很打脑壳。经常犯的错误之一是上个函数的输出和下个函数的输出数据类型不对，解决办法是在函数里写好多好多个print，一行行打印每一步的输出。错误之二是理解不了递归迭代，一遇到写递归的地方就卡住了。
现在回头看学习编程这条路，绝对绝对不难，但需要一点点耐心坚持下去。
策略。第一个我用Python实现的策略非常简单，就是基于现成的技术指标买卖。我第一阶段所做的策略都是程序化交易而非量化交易的范畴，我在另一个帖子里写过期权上的技术分析，大概意思是技术指标在现货上效果不好，但用到期权上构建组合，回测有非常不错的年收益率。做策略思维不一定要局限在现货，衍生品可能有喜出望外的收益。
比如下面这个图，在粉色箭头处开一个不看涨组合，以圆圈附近的价格为行权价，开仓依据是①两次反弹没破阻力位 ②3100多点还不至于使得政策出手救市。③走出了经典的大跌后震荡走势。那么大概率后续价格会继续雪崩。

我经常想到奇奇怪怪的策略，慢慢积累了很多想法后，把每个策略的关键因子抽离出来，正式过渡到了量化交易的第一步：特征工程，对因子和价格做IC分析，对相关性强的因子做正交处理，建模对因子做回归分析等。
特征工程是最最重要的一步，特征的选取几乎决定了策略的天花板。这是我做量化以来的最大感受。
我整理的国外量化策略网站：
太困了我不想写了下次再更
//有兴趣的量化从业朋友快来群聊唠嗑
v：alizeeaiai
你有一个想法我有一个想法我们交换一下就有2个想法

期权匿名回答 · 2022-5-8 21:23:59

请教一下，③走出了经典的大跌后震荡走势，这类经典形态一般可以看哪些书学习？

期权匿名回答 · 2022-5-8 21:24:29

这种只能复盘。对于A股指数会呈现这样的走势，对于期货。币个股那又不一样了!在指数上正确率很高!

期权匿名回答 · 2022-5-8 21:25:23

期权匿名回答 · 2022-5-8 21:25:52

打脑壳哈哈哈哈，逮到一个四川人

我的量化交易学习路径

4 个回复