2018-01-17 11:10

　　很高兴今天可以跟大家分享关于量化投资的心得，我跟大家分享一下量化投资在市场上的应用，主要是两大块的创新。第一，关于它的量化交易平台，第二关于量化交易策略。量化交易过去很多都是机构在用，未来我相信越来越多的散户也会发现它的魅力以及强大的地方。

　　首先我讲一讲量化交易平台的迭代过程，我把它定义为1.0时代，主要有这几个共性，第一个，它支持一些简单的语言脚本，对复杂的逻辑策略是比较难去实现的。第二个，大部分平台都提供了数据行情交易统计的函数接口，供专业的人员使用。第三个，大部分的国内平台只提供国内的股票，期货历史行情和tick数据，第四，对策略的支持不足，对行情交易有一定的延时。这个领域因为配合到硬件的设施和软件的响应速度。

　　我列的这五家做得比较突出，他们现在也做得非常棒，只是在1.0时代，他们整个市场份额比较高，详细的我就不介绍了。

　　进入到交易平台2.0时代，我认为它具备几个特点。第一个，会支持复杂的脚本语言。第二，会支持c++、java开发语言，不仅采用图表，会采用多线程进程的方式，以及刚才提到得有些平台已经提供硬件支持，特别是支持一些高频交易。

　　其他方面，包括行情交易的高并发低延时以及策略的整个研发，都做得比较重组，包括风控体系也比较全面。

　　这边我想提，2.0时代，大部分人在多品种、多周期、多帐户以及多交易市场、多策略方面都开始做了一个很大的部署，这几家平台大家可以看到，都是属于2.0时代做得比较好的。分类中有一个研发的模块和交易模块，这个模块是最直接的，对使用者来说，研发有很强大的入口，包括它的回测，包括一些因子库都建立的比较完全，交易方面，都提供了微秒级速度，每秒钟百万级的交易量。

　　进入3.0时代，也是我们量化云现在在做的一件事，它除了刚才2.0时代的一些东西，我想重点的讲讲下面四类，它作为一个新时代产品迭代，应该是满足一些更细化的需求。比如说策略研发和运营板块，我相信会分为普通版和专业版，普通版适用于想进入量化投资领域或者用这个理念做交易的普通人，不是专业的量化工程师，也不是专业的策略工程师等等，他需要一些比较简单的东西满足他的需求。第二个，专业版，会要求更高。

　　对风控层面的把控，它是多层面的，后面我会提到三个层面的把控，以及一个移动端的风控，因为现在大家看到很多平台都是属于PC端，很少有移动端的了。

　　第三个，除了国内的数据，刚才田总讲到了，做港股美股或者全球所有的品种都会需要。因为除了国内的一些市场，策略方面，比如说跨机和跨产品，我们是国内的品种，未来可能跨市场的机会会更大，都是值得去琢磨的，也是有很多盈利的空间可以发现。

　　第四个，对各个接口以及各个平台的兼容性，必须越来越强大。

　　量化云交易系统可以分为八大模块，包括接口、引擎、数据、研发、模拟交易、实盘交易、定制化模块、本地化部署。把这八个模块组合起来，量化云会做三大平台，一是研究平台，一个是交易平台，一个是风控平台。

　　基于那三个平台具体的使用功能会有三模块，策略、交易、回测，大家可以看一下图上的白色地方，是我想重点强调的，一个是零门槛的编辑策略生成器，还有专业的基于python的高效率策略编辑器以及可视化的参数优化。零门槛策略生成器，可以让大家随便选，然后进行编成回测，下面是可视化的界面，比如有一些类似散点分布图盈利的情况和亏损的情况，以及它有一些静止曲线等等，都可以让普通的投资者去享受量化投资的服务。

　　当然，专业的就涉及到代码编辑器以及优化，包括一些实时的参数微调，每一个策略生成出来的各个数据维度的评估，是专业的人需要的东西。

　　讲到量化系统，大家比较在乎的是交易，还有风控，交易有几个，第一个是响应速度，到了毫秒微秒的时代，风控有三部分，第一个是策略端，因为本身量化策略就有自己的止盈止损，策略是第一道风控，第二道是系统端，比如多策略运行的时候，它内部的策略会不会自己消化，系统会进行设置，以及帐户端，比如说我们在交易中有一些红线是不能踩踏的，比如有一些仓量不能超过5%等等，从三个端口进行全方位的风控把控很有必要，以及结合刚才的移动端APP可以方便很多投资者去使用。

　　刚刚讲到了交易平台的内容，现在讲一讲交易策略的迭代。三个版本，第一，我们所谓的做量化的人在我看来是一个程序化的时代，把一些主观好的交易经验写成程序，让它自动跑，把算法嵌入到里面，慢慢的，我们现在已经进入到2.0的时代，我们结合很多大数据，包括人工能个领域，刚才前面很多嘉宾也分享到了，包括机器学习，语音识别，图像处理等等，我们会将舆情和文字转化成我们的数学模型，大家目前主要的应用是在这个领域。

　　未来3.0时代，很多的机构都已经开始部署这方面了，但程度还是比较粗浅的，一个重要的典型代表就是深度的机器学习，刚才我讲到了，特别提到神经网络的进化，因为捕捉的维度越来越庞大，后面会提到下面的两个点。

　　2.0时代，这几家公司都做得相当好，大家可以看到他们的一些做法，比如我举例子，像castilium是英国伦敦的一家公司，做了大量的基金经理和交易的复盘，把他们的决策过程放到因子库里面生成很多策略供投资者用，包括Capitalico，做了一个很有意思的事情，很多的交易员，特别是技术流派的交易员会进行图表分析，就把很多成熟的交易员技术分析图拍下来，每当出现这种情况的时候，一个成熟人怎么下单他就拍下来，如果我通过云的数据去寻找匹配的图形出来，就会跳出来，说这个行情下，应该是买涨还是跌，应该怎么做，就等于有一个成熟的基金经理人帮你操盘，所以这方面的应用各家都有不一样的打法。

　　3.0时代，刚才讲了，两个重要的特点，一个是大量的非结构化数据分析以及关联性因子的增强，在我们看来，很多人说我会做上市公司的财报分析，大数据分析等等，这是在我们看来对公司的股价关联性比较强的东西。我举例子，Pools讲到，怎么评估苹果公司是涨还是跌，包括现在很多的博客言论，包括SEC文件专利申请，还有一些相关的关联性不是那么强的因子，其实在未来会纳入到一个因子库里面，会匹配相应的参数。另一个典型的特就是AI交易员的适者生存，Sentient在算法生成了很多种专业程序，有点像神经网络的基础，上面生成很多虚拟的交易，像刚才也提到了，认为神经网络这个东西比较难以琢磨，在我看来确实技术比较难琢磨。但是我们可以从时效性评估，比如我做了一千万虚拟交易员，不但会按逻辑跑，跑出来以后它的成效我们可以去跟踪追溯的，可以随着市场变化看到它的绩效评估，来决定应用哪一个策略，这就是AI交易的适者生存法则，就体现在这里。

　　我大概的讲一讲量化云的主流策略，涵盖了1.0、2.0、3.0时代的方法，包括前面三个策略，主要是以算法逻辑程序化的过程，把以前一些觉得不错的盈利方式程序化，下面复活周期策略，会进行机器学习。

　　3.0时代，这些策略已经很多运用到实盘中，有些策略还是在内测，收益不错，只是没有推出。举例子，上市公司的行为分析中我们会利用一些舆情监测系统，包括一些因子，除了大家现在普遍用的因子，我们会去搜索一些相关其他比较看似没有那么关联性很强的因子去做策略。