当我第一次被问到"宽客"这个词是什么意思的时候，我当时简单的称之为一帮捣鼓数字的人创造出来的交易金钱的系统。事实的情况和我这样简单的解释差不了多少，在更多的接触了这个行业之后，我认为做一个"宽客"的精髓可以理解成为：收集一切有价值的信息，并把这些信息转化为走势预测或算法改进的要素，建立我们称其为交易模型，包括（但不局限于）：1.基本面数据 2.技术分析数据 3.经济数据 4.新闻 5.天气 6.其他所有对预测可能有用的信息。所用的分析工具具有广泛的跨学科性，包括但不限于：1.数学 2.统计学 3.物理学 4.经济学 5.语言学 6.心理学 7.生物学。一个合格的宽客需要具备综合了解以上学科的素质，并且在"数据挖掘及分析"的工作中将其良好运用。
作为一个宽客，首先你要设计一种"可量化的（quantifiable）"交易理论，如果这个理论不能够被量化，通常是因为：1.逻辑定义不清 2.无法在现实中测试。作为一个宽客没有哪个学科是你不用了解的，学科之间只有优先级的划分。
值得注意的是量化分析其实并没有经常使用大家所熟悉的传统技术分析的手段。因为，传统技术分析中模棱两可的地方较多，同一种指标往往可以预示数种不同情况的发生，而且有些分析方法略有玄学成分，无法被量化。同时，传统的技术分析也被认为有缺陷：1.缺少稳健的统计结果 2.建立在市场是固定模式下的。而市场是无限动态的，我们不能指望所有的市场参与者每次都按照相同的模式采取行动，基金经理、央行、政府不断的在市场上进行着互相影响。但这也不意味着我们就应该完全抛弃技术分析法，我想说的是一些可量化的技术指标在建立模型的时候应该被密切监控，并且在市场转变的时候提出来进行修改。
那么基本面分析情况又如何呢？传统的量化分析法里基本面分析是很受用的，比如价值投资者参考的PE比、现金流、营收等指标。但是其中也有相当一部分不能被量化的内容。比如公司管理层决定着公司的未来，管理者们的真正想法外界是难以搞清楚的，这些"想法"就是重要却又难以加入模型的变量。再比如，公司将发售一款新产品，那这款产品是否会大卖？你很难准确做出量化判断。
事实是量化投资方法已经对人脑提出了挑战，只要模型得当，量化程序相比人脑更加快速、廉价、自律也更加可靠。在量化程序编制的过程中，编写者与模型设计者同样重要，但跟机器不同的是交易程序自建立之日起便需要不断的改进与监控。专业的宽客不会盯着程序的短期表现，而是专注于改进长期及对未知情况的处理表现，业余的宽客则有可能不断"粉饰"程序使其在历史回溯测试中取得良好的表现，或者简单的调整参数使其抓住短期的趋势。
专业宽客往往从一个简单而清晰的想法出发，然后逐渐加入复杂情况的对应方法，整体框架一定是优雅而简洁的。而业余宽客则经常试图建立一个笨拙的框架以一次性囊括所有情况。专业宽客会花费很长时间慢慢改进模型的设计，他们知道模型永远不会完美；而业余的宽客设计出发点便不怎么明确，可能过于在意历史回溯测试的数据，试图制造出马上就可以用的"圣杯"。
专业的宽客会坚持固定的思路及想法，不受外界的干扰；而业余的宽客可能一旦受到批评便立刻进行修补，试图让所有人满意/所有情况都能应对，这样做最后的结果往往是所有人都不能满意。如果你认为我说的过于偏激或是傲慢，我会很高兴的承认这一点，因为在我的职业生涯初期也犯过很多类似的错误，几乎所有的专业宽客都是通过前辈指点或者自己不断的"撞南墙"才学会这些道理。一个合格的宽客应该与武术家相似：极强的自制力，排除情感因素的干扰，这样你的模型才能拥有较高的水平。有时也许在放松状态下灵光一闪的点子会比你埋头苦干上百个小时来的更有用，建模的基本理念不要太复杂，讽刺的说，基于一个不怎么样的点子建立起的模型，你把它搞的越复杂其往往表现越差。
原作者：CSS Analytics创建人david varadi
没有评论:
发表评论