leonlee · November 11, 2020 08:40
diff --git a/交易策略基础入门 b/交易策略基础入门
 什么是交易策略？
 
 交易策略是一系列规则的集合，包括进场和出场的条件，资金管理和风险控制等。策略有简单和复杂之分，简单的策略通常使用技术指标和价格行为，复杂的策略使用高阶数学和统计模型。通常情况下，我们会认为复杂的模型更优，但实证分析和学术研究表明，复杂的模型往往过度挖掘了历史数据，无法适应剧烈的市场变异，相反简单的模型在长期中更加稳定。
 
 交易策略可划分为3个部分：指标（Indicator），信号（Signal）和规则（Rule）。
 
 指标用于生成交易信号。计算指标的方法多种多样，可以是经济数据或估值指标（如PE和EBITDA），可以是技术指标（如MACD，RSI，MA），也可以是时间序列模型（ARIMA，GARCH）。技术指标在外汇交易中被广泛使用，它们是价格或成交量的函数，主要用于侦测趋势方向，衡量超买超卖状态，以及判断趋势反转。
 
 价格和指标的相互作用形成信号。以均线穿越为例，当5日均线上穿10日均线时买入，当5日均线下穿10日均线时卖出。信号并不局限于买入和卖出，也包含筛子，主要作用是剔除噪音。在均线穿越中，交易员可以增加趋势筛子：只有当价格高于200日均线（上涨趋势），以及5日均线上穿10日均线才做多，如果价格低于200日均线，黄金交叉被视为虚假信号。著名的筛子有趋势筛子，时间筛子，成交量筛子和波动性筛子，它们是信号的重要组成部分。
 
 规则是如何对信号做出反应，它们是交易策略的核心。例如，当形成买入信号，交易员需要决定什么时候做多，使用什么类型的订单，以及使用多大的头寸等。新手往往专注市场择时，久经历练的高手则会专注风险控制和资金管理，长期稳定盈利的秘诀在于使用简单的模型和优秀的资金管理和风控体系。
 
 量化交易的优势是什么？
 
 交易策略一旦被转化成机械化的代码，就进入量化交易的范畴，如果信号和订单被自动执行，就是自动化交易。与量化交易相对的是主观交易，交易员在没有客观规则指导的情况下按照主观意愿执行买卖决策。并非所有策略都可以机械化，如蜡烛图形态（头肩顶）或波浪理论等，这些形态的识别过于依赖主观判断，与RSI等技术指标有根本性区别。
 
 在外汇交易中，自动化交易策略是简单的。MT4提供了自动交易机器人（Expert Advisor/EA）的功能，交易员用MQL语言编写程序，自动执行信号生成和订单管理的过程。当然，自动化交易策略和开发有效的交易模型是两码事。
 
 量化交易最大的优点之一是规避情绪波动。价格波动会显著影响交易员的情绪，过度恐慌和过度贪婪反过来影响决策质量。量化交易并不是圣杯，正如古老的格言所说，模型是有效的，但使用者却不是。当模型在局部时间失效时，使用者往往倾向于放弃模型而回归到主观交易，然而放眼长期，客观的模型被证明更加优秀。
 
 如何检验交易策略？
 
 常用方法有两种。一是回溯检验（backtest），二是模拟交易（paper trading）。回溯检验利用历史价格检验交易策略的预测能力。模拟交易也被成为forward testing，使用模拟账户和真实数据评估交易模型。两种方法各有利弊，一般会结合使用，即便交易策略在历史数据中表现优秀，也会在模拟账户中先检验一段时间（6-12个月），作为重要的反馈机制。
 
 回溯检验备受批评，批判声音既来自实践者，也来自学者，甚至不涉及量化交易的人群。批判的核心是对数据的过度挖掘，是的，很少有人会呈现亏损的检验报告，通常情况下报告会呈现非常华丽的业绩，但实际交易却一团糟，这是对数学公式和强大的运算能力滥用的结果。然而批评者本身却未能提出一套更加有效的检验机制，除了利用历史数据，还能有什么方法来快速检验交易策略？笔者认为，回溯检验是否可信，取决于优化的方法论，在寻找稳定和优秀策略的同时避开过度拟合更多地是一项艺术而不是科学。
 
 交易策略的类型？
 
 趋势跟随（Trend Following）
 
 趋势跟随也称为动能效应（Momentum），指做多（做空）过去一段时间表现最强（弱）的品种。趋势可以用羊群效应解释，当价格呈现明显的上升趋势，激励更多投资者进场做多，反过来推动价格进一步上涨。行为金融学用“反应不足”来解释动能效应，投资者对新信息的反应不足导致价格某一个方向持续运动，即便基本面已经发生变化，投资者仍然没有做出改变。通常情况下，动能效应可以分为两种，一种是时间序列动能，另外一种是横截面动能。时间序列动能专注于市场择时，当价格上穿200日均线时做多，当价格下穿200日均线时做空。横截面动能研究价格的相对强弱，做多一揽子品种中最强的品种，与此同时最空表现最弱的品种。
 
 均值回归（Mean Reversion）
 
 主要思想是价格会向长期均值回归。当价格过度上涨，策略要求做空，当价格过度下跌，策略要求做多。这个策略既可以用于短期，也可以用于长期。行为金融学家指出，投资者在短期和长期存在“反应过度”，当他们意识到基本面发生根本性转变，头寸的扭转导致价格趋势的逆转。经典的策略包括RSI2，这是一个押注价格回归均值的短期交易系统。
 
 价值投资（Valuation）
 
 价值策略通过研究基本面因素，鉴别价格偏离内在价值的程度，决定做多或做空某只股票。在某种程度上，价值投资与均值回归相似，不同之处在于分析方法。均值回归研究价格变化，价值投资聚焦基本面分析，分析师通过研究财务报表，如现金流和营业利润的变化，来判断股票的内在价值。PE（市盈率）是常用的估值指标，一个简单的策略可以是对标普500的所有成分股按照PE大小进行排序，然后做多PE最低的10只股票，做空PE最高的10只股票。价值投资并不适用于外汇市场，因为我们很难准确评估货币对的内在价值。
 
 季节性效应（Seasonality）
 
 资产价格有时会呈现季节性效应。最经典的案例莫过于“小公司的1月效应”，研究发现，小型公司在每年的1月份表现优秀，如果在12月末购买小企业的股票，持有1个月的时间，该策略的收益率显著高于标普500的买入并持有策略。季节性效应的成因非常复杂，经济学家往往给出自相矛盾的解释。交易员并不需要理解市场异象产生的原因，而是利用这种异象赚取财富。在外汇市场中，季节性效应并不常见。
 
 情绪（Sentiment）
 
 “买预期，卖事实（Buy the rumors, sell the facts） ”是最经典的行情，尤其是在外汇交易中。投资者买入预期上涨的货币对，导致短期价格快速上涨，一旦预期得到兑现，多头平仓结利导致趋势反转。常用的情绪指标包括：看涨/看跌期权比例，CFTC期货持仓等。除此之外，投资者还可以利用搜索引擎的关键词趋势，媒体焦点，博客文章和论坛热点等来判断市场情绪，进而制定交易策略。
 
 统计套利（Statistical Arbitrage）
 
 利用证券的错误定价来获利，分析师经常使用复杂的数学模型来挖掘套利机会。一个简单的例子是“成对交易（pair trading）”，考虑黄金和白银这两种高度正相关的资产，如果黄金价格相对于白银过度上涨，就做空黄金并做多白银，押注价差的均值回归。统计套利既可以用于股票市场，也可以用于外汇市场和衍生品市场。
	什么是交易策略？

	交易策略是一系列规则的集合，包括进场和出场的条件，资金管理和风险控制等。策略有简单和复杂之分，简单的策略通常使用技术指标和价格行为，复杂的策略使用高阶数学和统计模型。通常情况下，我们会认为复杂的模型更优，但实证分析和学术研究表明，复杂的模型往往过度挖掘了历史数据，无法适应剧烈的市场变异，相反简单的模型在长期中更加稳定。

	交易策略可划分为3个部分：指标（Indicator），信号（Signal）和规则（Rule）。

	指标用于生成交易信号。计算指标的方法多种多样，可以是经济数据或估值指标（如PE和EBITDA），可以是技术指标（如MACD，RSI，MA），也可以是时间序列模型（ARIMA，GARCH）。技术指标在外汇交易中被广泛使用，它们是价格或成交量的函数，主要用于侦测趋势方向，衡量超买超卖状态，以及判断趋势反转。

	价格和指标的相互作用形成信号。以均线穿越为例，当5日均线上穿10日均线时买入，当5日均线下穿10日均线时卖出。信号并不局限于买入和卖出，也包含筛子，主要作用是剔除噪音。在均线穿越中，交易员可以增加趋势筛子：只有当价格高于200日均线（上涨趋势），以及5日均线上穿10日均线才做多，如果价格低于200日均线，黄金交叉被视为虚假信号。著名的筛子有趋势筛子，时间筛子，成交量筛子和波动性筛子，它们是信号的重要组成部分。

	规则是如何对信号做出反应，它们是交易策略的核心。例如，当形成买入信号，交易员需要决定什么时候做多，使用什么类型的订单，以及使用多大的头寸等。新手往往专注市场择时，久经历练的高手则会专注风险控制和资金管理，长期稳定盈利的秘诀在于使用简单的模型和优秀的资金管理和风控体系。

	量化交易的优势是什么？

	交易策略一旦被转化成机械化的代码，就进入量化交易的范畴，如果信号和订单被自动执行，就是自动化交易。与量化交易相对的是主观交易，交易员在没有客观规则指导的情况下按照主观意愿执行买卖决策。并非所有策略都可以机械化，如蜡烛图形态（头肩顶）或波浪理论等，这些形态的识别过于依赖主观判断，与RSI等技术指标有根本性区别。

	在外汇交易中，自动化交易策略是简单的。MT4提供了自动交易机器人（Expert Advisor/EA）的功能，交易员用MQL语言编写程序，自动执行信号生成和订单管理的过程。当然，自动化交易策略和开发有效的交易模型是两码事。

	量化交易最大的优点之一是规避情绪波动。价格波动会显著影响交易员的情绪，过度恐慌和过度贪婪反过来影响决策质量。量化交易并不是圣杯，正如古老的格言所说，模型是有效的，但使用者却不是。当模型在局部时间失效时，使用者往往倾向于放弃模型而回归到主观交易，然而放眼长期，客观的模型被证明更加优秀。

	如何检验交易策略？

	常用方法有两种。一是回溯检验（backtest），二是模拟交易（paper trading）。回溯检验利用历史价格检验交易策略的预测能力。模拟交易也被成为forward testing，使用模拟账户和真实数据评估交易模型。两种方法各有利弊，一般会结合使用，即便交易策略在历史数据中表现优秀，也会在模拟账户中先检验一段时间（6-12个月），作为重要的反馈机制。

	回溯检验备受批评，批判声音既来自实践者，也来自学者，甚至不涉及量化交易的人群。批判的核心是对数据的过度挖掘，是的，很少有人会呈现亏损的检验报告，通常情况下报告会呈现非常华丽的业绩，但实际交易却一团糟，这是对数学公式和强大的运算能力滥用的结果。然而批评者本身却未能提出一套更加有效的检验机制，除了利用历史数据，还能有什么方法来快速检验交易策略？笔者认为，回溯检验是否可信，取决于优化的方法论，在寻找稳定和优秀策略的同时避开过度拟合更多地是一项艺术而不是科学。

	交易策略的类型？

	趋势跟随（Trend Following）

	趋势跟随也称为动能效应（Momentum），指做多（做空）过去一段时间表现最强（弱）的品种。趋势可以用羊群效应解释，当价格呈现明显的上升趋势，激励更多投资者进场做多，反过来推动价格进一步上涨。行为金融学用“反应不足”来解释动能效应，投资者对新信息的反应不足导致价格某一个方向持续运动，即便基本面已经发生变化，投资者仍然没有做出改变。通常情况下，动能效应可以分为两种，一种是时间序列动能，另外一种是横截面动能。时间序列动能专注于市场择时，当价格上穿200日均线时做多，当价格下穿200日均线时做空。横截面动能研究价格的相对强弱，做多一揽子品种中最强的品种，与此同时最空表现最弱的品种。

	均值回归（Mean Reversion）

	主要思想是价格会向长期均值回归。当价格过度上涨，策略要求做空，当价格过度下跌，策略要求做多。这个策略既可以用于短期，也可以用于长期。行为金融学家指出，投资者在短期和长期存在“反应过度”，当他们意识到基本面发生根本性转变，头寸的扭转导致价格趋势的逆转。经典的策略包括RSI2，这是一个押注价格回归均值的短期交易系统。

	价值投资（Valuation）

	价值策略通过研究基本面因素，鉴别价格偏离内在价值的程度，决定做多或做空某只股票。在某种程度上，价值投资与均值回归相似，不同之处在于分析方法。均值回归研究价格变化，价值投资聚焦基本面分析，分析师通过研究财务报表，如现金流和营业利润的变化，来判断股票的内在价值。PE（市盈率）是常用的估值指标，一个简单的策略可以是对标普500的所有成分股按照PE大小进行排序，然后做多PE最低的10只股票，做空PE最高的10只股票。价值投资并不适用于外汇市场，因为我们很难准确评估货币对的内在价值。

	季节性效应（Seasonality）

	资产价格有时会呈现季节性效应。最经典的案例莫过于“小公司的1月效应”，研究发现，小型公司在每年的1月份表现优秀，如果在12月末购买小企业的股票，持有1个月的时间，该策略的收益率显著高于标普500的买入并持有策略。季节性效应的成因非常复杂，经济学家往往给出自相矛盾的解释。交易员并不需要理解市场异象产生的原因，而是利用这种异象赚取财富。在外汇市场中，季节性效应并不常见。

	情绪（Sentiment）

	“买预期，卖事实（Buy the rumors, sell the facts） ”是最经典的行情，尤其是在外汇交易中。投资者买入预期上涨的货币对，导致短期价格快速上涨，一旦预期得到兑现，多头平仓结利导致趋势反转。常用的情绪指标包括：看涨/看跌期权比例，CFTC期货持仓等。除此之外，投资者还可以利用搜索引擎的关键词趋势，媒体焦点，博客文章和论坛热点等来判断市场情绪，进而制定交易策略。

	统计套利（Statistical Arbitrage）

	利用证券的错误定价来获利，分析师经常使用复杂的数学模型来挖掘套利机会。一个简单的例子是“成对交易（pair trading）”，考虑黄金和白银这两种高度正相关的资产，如果黄金价格相对于白银过度上涨，就做空黄金并做多白银，押注价差的均值回归。统计套利既可以用于股票市场，也可以用于外汇市场和衍生品市场。