在我们看图做主观交易的时候,到了某一个阶段,往往喜欢把一些东西规定死,比如一些进场和一些出场时候的参考,并且认为这是遵守“纪律”。最终,其实很多交易员成了没成不知道,但是绝大多数人可能并没有因为纪律严明而长期盈利。因为很多时候是否能够遵守规则,还是要看是不是在盈利。盈利的规则谁都愿意遵守,遵守了规则不盈利照样坚持不下去。就像上学的时候,你考试成绩好不好,考不考得上好大学,最终并不是因为你遵守了多少学校或者课堂的纪律,这些纪律,只是为了让你不打扰他人学习。我们为此还设置了纪律委员。这些上学我们都明白的事情,放到交易上,反而不明白了。
所以,最终决定长期交易结果的,并不是纪律,而是逻辑内核。这一点,无论你是做主观交易,还是做量化交易,都是适用的。
近年来,我从FOF基金研究员的思维模式中,得到了很多的启示。比如做私募基金,上门尽调的机构总会有。他们会问你这个,问你那个,非常详细,有的时候,还会让你配合做尽调报告。他们这么做的目的是什么呢?站在策略的角度,他们是在“贴标签”,即某个产品的策略类型,能归到哪一类。这在很大程度上能解释这些策略的盈利来源,反过来,就是这样的策略模式到底是靠什么在盈利。
我们做交易的时候,特别是做量化交易的时候,不太可能只有一个策略,或者对应一个策略组合,不太可能只有一个因子。对于很多的量化机构,都会有因子库,从而根据一些判断,决定组合成怎样的策略。
对于这些因子,我们往往会对其进行归因,即,这类因子的盈利属性。最低的要求,是解决这样的策略表达,到底能够赚到怎样市场波动特征的钱。如果细分一些,也会描述清楚其赚钱的各个方面的考察属性。在长期的因子发掘中,经常会碰到一种情况:有的时候,看到我们发掘出了一个策略,曲线看着非常好,但是,我们很难在我们当前的分类维度下,对这个因子进行分类,但是,跑出来效果却显得非常好。这样的因子,在纯粹的机器学习中,会非常容易碰到……那么,这样的因子,是否使用呢?
其实我们在交易的时候,很多时候会有这样的心理慰藉,至少在过去的历史中,看着表现好……但实际上,是我们所组合出来的一个策略,在未来,会不会有这样的延续性。这一点,并不是在当前所知道的结果,但是,是我们在当下要做的一个判断。在一个策略中,有一些我们认知不甚清晰的东西的时候,那么对于策略表现的延续性事实上是无法做理性判断的。
这就像我们在做一些策略优化的时候,常常会听到一个词,就是过度优化。很多时候,过度优化并没有一个标准的定义,而是一个“表现好”和“不失真”之间的权衡。对于这个度,每个人的认知是不一样的。
我常常也喜欢去听一些机构的路演,你会发现,拟合曲线和实盘曲线,多少会有一些差距,通常我会比较这些差距,以对某个机构、团队、个人对量化的整体认知水平做一个大致的评判。不是说不能有误差,而是误差要在一定的范围内,而这个误差在于,可能对交易结果的表现最好是可能好,也可能坏,而不是实盘交易结果一定就比拟合要坏,特别坏很多,这至少说明这个机构的模拟系统,可能是不高效的。
那么这种误差,加上一些认为制造的对于因子的“黑箱子”,可能会对策略造成很多的不确定性。因为即便这些策略是量化的,但是决定策略怎么适用的,还是人;如果不是人,而是一定的评判规则,那么制定这些评判规则的,还是人。这些认为的东西,决定了当一个策略的表现不佳的时候,便会产生自我怀疑,那么这些策略是否科学或者理性,在这个状态下,就很难讲了。
所以我认为并没有必要将量化神化,因为无论你是怎么弄,最终都还是在市场上做交易,你的赚钱途径,都是低买高卖。所以,整个大的宗旨还是一致的,所以,都需要逻辑,都需要对逻辑的良好应用,只是能力不同,侧重点不同,体现出来的效果也就不同。但这绝非两个东西。
那么,量化,哪怕做出来的因子表现再优秀,结果再好,都离不开一点:这个,到底是在市场上赚了什么钱,这个钱为什么能够被赚到的核心认知。听到这句话,那么是否感到很熟悉了呢?从原理到用法,从用法到应用,还是没有离开这些东西。