我已經實際理解到:問題在於太多理論、但真正去做的卻很少。
當我開始打造這套新的交易基礎設施時,我一開始就把重點放在:儘快把我能做到的最基本版本投入生產環境。
一開始它是一個簡單的多/空方向性模型,到了今天就已經不是那樣了。
但直到現在,我才開始反向回顧那些問題——很多想成為交易員的人(很多在量化論壇上)一開始就想要去解決的問題。
例如,這週我的重點是降低換手/周轉(churn/turnover)。
這可能應該在把模型投入生產之前就先好好優化,對吧?
嗯,我嘗試了很多不同的做法,但沒有任何一種能比得上我現在正在做的最簡單的那種方法,產生更好的結果。
所以我就想更「宅」一點,重新思考整個方法:把它變成預測(forecast),而不只是純粹的訊號權重。
想法是:與其只假設「某個 X 訊號 + 一個閾值」就足以讓這段倉位產生足夠的經濟價值、從而支撐換倉(churn),如果我們改成——給出一個數字:一個預測,預估我期望從這段曝險中獲得的報酬,那會怎樣?
這個數字來自我在訊號層(signal layer)所做的工作。
我以前從來沒有把這兩者連起來;像我說的,我只是讓最簡單的東西先跑起來。
好吧,結果發現:這些預測用來量化訊號,其實是一種低效率的方式。
例如下面這張圖,是我交易的一個模型的回測(BACKTESTED)表現。
為了做這件事,我只是
查看原文