g********5
发帖数: 10335 | 1 明白自己为什么赚钱，你才可能永续盈利
不单单指总体的亏损和盈利，因为股市的盈利和亏损永远都是暂时的
请搞清楚每一笔交易让你赚钱的原因，每一天，一周，一月，一年的都要自己很清楚
世界是更新变换的，经济局势也是时刻变化的。你的系统，pattern，ta 啥啥指标线啥
的
有时有用，有时根本没有用
特定的指标都只是在一段时期很有效。如果只顾着吃老本，离外婆可能就不远了 |
B******o
发帖数: 565 | 2 搬小板凳聆听大牛教诲
【在 g********5 的大作中提到】
: 明白自己为什么赚钱，你才可能永续盈利
: 不单单指总体的亏损和盈利，因为股市的盈利和亏损永远都是暂时的
: 请搞清楚每一笔交易让你赚钱的原因，每一天，一周，一月，一年的都要自己很清楚
: 世界是更新变换的，经济局势也是时刻变化的。你的系统，pattern，ta 啥啥指标线啥
: 的
: 有时有用，有时根本没有用
: 特定的指标都只是在一段时期很有效。如果只顾着吃老本，离外婆可能就不远了
|
u********e
发帖数: 4950 | |
j***9
发帖数: 698 | |
b********0
发帖数: 339 | |
j******m
发帖数: 3259 | |
j******m
发帖数: 3259 | 7 zkss，给我们蝌蚪科普一下撒，意思是可以躺着数钱了? :)
【在 b********0 的大作中提到】
: 现在的微观方法早就超越“指标”类的方法了。
|
b********0
发帖数: 339 | 8 “躺着”自然是不行的，方法要不断发展。股市效率从长期看不断提高，每隔几年就会
有明显的感觉。前些年赚钱比现在容易多了。 |
b********0
发帖数: 339 | 9 指标是传统TA的方法（当然FA也部分用指标）。近年来指标方法已基本趋于无效。
一定有大牛靠指标赚钱，但他们往往用了指标外的东西，与个人的灵性有关。另外与运
气也有较大的关系。
从系统研究来看，这十年只用指标已很难稳定地在美股中赚钱（根据我个人的研究，在
中国股市是可以的）。 |
j******m
发帖数: 3259 | 10 好吧，没经历过前些年刚来的新同学默默的飘过。。。
牛饮给蝌蚪介绍点这方面的资料或者书籍吧，让俺们也与时俱进一把吧，先富要拉拉后
富啊 :)
【在 b********0 的大作中提到】
: “躺着”自然是不行的，方法要不断发展。股市效率从长期看不断提高，每隔几年就会
: 有明显的感觉。前些年赚钱比现在容易多了。
|
|
|
b********0
发帖数: 339 | 11 指标无非是某些价格或量的一维变换，失去的信息太多。尤其是个股的微观个性的长程
记忆等重要因素，很难用传统指标来体现。 |
w********2
发帖数: 16371 | 12 谷神和虎神都是我们老蛙的指路灯塔。
【在 g********5 的大作中提到】
: 明白自己为什么赚钱，你才可能永续盈利
: 不单单指总体的亏损和盈利，因为股市的盈利和亏损永远都是暂时的
: 请搞清楚每一笔交易让你赚钱的原因，每一天，一周，一月，一年的都要自己很清楚
: 世界是更新变换的，经济局势也是时刻变化的。你的系统，pattern，ta 啥啥指标线啥
: 的
: 有时有用，有时根本没有用
: 特定的指标都只是在一段时期很有效。如果只顾着吃老本，离外婆可能就不远了
|
b********0
发帖数: 339 | 13 我是做统计套利的。我基本不用传统指标，要用最多是作为辅助参考。
在我看来，最有效的方法是：
（1）（步进式）线形与非线性回归。现在的并行运算，可在几秒钟内解几百万小型方
程组。技术上已不是问题。
（2）步进式（walk forward）回归或其他优化方法，有人称之为无参数优化法。其关
键在于，每笔交易只用“过去完成”的信息，所以可靠得多。传统优化用到“过去未来
”的信息，大大降低了统计意义（在统计上统计意义是可以量化的）。现在的计算能力
允许逐日步进。
（3）基因算法。这一算法主要是为寻找交易系统用。 |
v*****k
发帖数: 7798 | |
b********0
发帖数: 339 | 15 （4）有人推崇神经元法。我认为已过时。
（5）贝叶斯法。我不认为这一方法有主流意义。但我这一观点在其它网站曾遭到业内
人士的不满。个人有个人的高招，我也不敢坚持。
（6）互关联研究。在盈利意义上，这类研究结果不佳。在组合风险研究上却非常重
要。 |
w********2
发帖数: 16371 | 16 顶
【在 b********0 的大作中提到】
: 我是做统计套利的。我基本不用传统指标，要用最多是作为辅助参考。
: 在我看来，最有效的方法是：
: （1）（步进式）线形与非线性回归。现在的并行运算，可在几秒钟内解几百万小型方
: 程组。技术上已不是问题。
: （2）步进式（walk forward）回归或其他优化方法，有人称之为无参数优化法。其关
: 键在于，每笔交易只用“过去完成”的信息，所以可靠得多。传统优化用到“过去未来
: ”的信息，大大降低了统计意义（在统计上统计意义是可以量化的）。现在的计算能力
: 允许逐日步进。
: （3）基因算法。这一算法主要是为寻找交易系统用。
|
b********0
发帖数: 339 | 17 （7）市场中性方法。众所周知，市场中性基金表现不佳。这证明了股市中长线预测一
定量的有效性。中长线预测的宏观模型是不同课题，我不准备再这里讨论。
但市场中性法仍有可借鉴之处。我在不同的宏观环境中采用不同量的对冲，但极少用完
全对冲。 |
P******l
发帖数: 1648 | |
s***7
发帖数: 1644 | |
j******m
发帖数: 3259 | 20 谢了，先有个概念吧，这么牛的方法感觉对蝌蚪来说太专业了些，还是感谢老猫的详细
介绍！
【在 b********0 的大作中提到】
: 我是做统计套利的。我基本不用传统指标，要用最多是作为辅助参考。
: 在我看来，最有效的方法是：
: （1）（步进式）线形与非线性回归。现在的并行运算，可在几秒钟内解几百万小型方
: 程组。技术上已不是问题。
: （2）步进式（walk forward）回归或其他优化方法，有人称之为无参数优化法。其关
: 键在于，每笔交易只用“过去完成”的信息，所以可靠得多。传统优化用到“过去未来
: ”的信息，大大降低了统计意义（在统计上统计意义是可以量化的）。现在的计算能力
: 允许逐日步进。
: （3）基因算法。这一算法主要是为寻找交易系统用。
|
|
|
b********0
发帖数: 339 | 21 （8）HFT是增加统计意义的时间分散方法。与空间分散及交易策略分散结合使用，可获
得极佳的效果。但它需要足够的流动性，有人说他的瓶颈是34亿。
（9）一般的统计套利并不需要一毫秒级的下单速度。那些一毫秒级交易是在与MM抢庄
，占的比重不大。
个人认为，能看到的量化交易的书籍对交易帮助不大。机构内部的研究报告是不能外传
的。我们只能自己研究。 |
w******s
发帖数: 16209 | 22 ding ding
【在 b********0 的大作中提到】
: （8）HFT是增加统计意义的时间分散方法。与空间分散及交易策略分散结合使用，可获
: 得极佳的效果。但它需要足够的流动性，有人说他的瓶颈是34亿。
: （9）一般的统计套利并不需要一毫秒级的下单速度。那些一毫秒级交易是在与MM抢庄
: ，占的比重不大。
: 个人认为，能看到的量化交易的书籍对交易帮助不大。机构内部的研究报告是不能外传
: 的。我们只能自己研究。
|
j******m
发帖数: 3259 | 23 再谢谢一遍，好人啊！！
【在 b********0 的大作中提到】
: （8）HFT是增加统计意义的时间分散方法。与空间分散及交易策略分散结合使用，可获
: 得极佳的效果。但它需要足够的流动性，有人说他的瓶颈是34亿。
: （9）一般的统计套利并不需要一毫秒级的下单速度。那些一毫秒级交易是在与MM抢庄
: ，占的比重不大。
: 个人认为，能看到的量化交易的书籍对交易帮助不大。机构内部的研究报告是不能外传
: 的。我们只能自己研究。
|
b********0
发帖数: 339 | |
d******e
发帖数: 6945 | 25 山猫说的这些方法里面，对业余小散有用的可能就是那个“一维变换”的观点。村长好
像提过这个事情，我后来说单维数据的时候，被cww嘲笑为单细胞动物。
我的感受是，业余小散如果能感受到市场波动节奏，让自己的交易和市场波动达到70-
80%的一致，基本能在市场上生存下去。传统TA基本能做到这一点。 |
s****a
发帖数: 260 | 26 是这样的，关键要找到适合自己的简单易用的笨方法。
【在 v*****k 的大作中提到】
: 量价关系永不变。用好这个加上均线就够了
|
i****e
发帖数: 451 | 27 大牛，你这个步进法究竟是什么意思？第一次听说。
还有就是1和2的本质区别是什么？就是parametric 和nonparametric的区别？
【在 b********0 的大作中提到】
: 我是做统计套利的。我基本不用传统指标，要用最多是作为辅助参考。
: 在我看来，最有效的方法是：
: （1）（步进式）线形与非线性回归。现在的并行运算，可在几秒钟内解几百万小型方
: 程组。技术上已不是问题。
: （2）步进式（walk forward）回归或其他优化方法，有人称之为无参数优化法。其关
: 键在于，每笔交易只用“过去完成”的信息，所以可靠得多。传统优化用到“过去未来
: ”的信息，大大降低了统计意义（在统计上统计意义是可以量化的）。现在的计算能力
: 允许逐日步进。
: （3）基因算法。这一算法主要是为寻找交易系统用。
|
j*****h
发帖数: 3292 | 28 差点肉了这个贴
专业选手出场了
【在 b********0 的大作中提到】
: 不客气，晚安：）
|
u********e
发帖数: 4950 | 29 bobcat2010 好文
其实很多时候挣钱只要一个edge 就行，呵呵
条条大道通罗马，散户如果能把握好股市长期向上的主题应该也能挣钱。 |
b********0
发帖数: 339 | 30 做系统的不可避免要做优化（回归也可看成是优化的一种）。但不恰当的优化便造成所
谓曲线填充问题。步进式(walk forward)优化是解决曲线填充的主要方法。理解这一点
先要理解曲线填充的的本质。
举个简单的例子说明一下：多年前，一家主要投行对一些股票公布所谓最佳移动均线对
周期，譬如说买卖GM可由7、27两周期的移动均线跨越来决定。这两个周期参数是是由
多年历史优化得出的。因为是根据整个历史的信息优化的，系统过去的买卖信号用到了
那些信号发生之后的信息，所以含有极大的不真实成分。方法的统计意义要打折扣。现
在市场上仍有很多这样优化过的程序，用了很多优化参数，看起来不错，你一用就要亏
钱了。要从根本上解决这一问题，就要保证在优化中在历史上任何一步，都只能用更早
的信息。这就是所谓步进式优化方法。
【在 i****e 的大作中提到】
: 大牛，你这个步进法究竟是什么意思？第一次听说。
: 还有就是1和2的本质区别是什么？就是parametric 和nonparametric的区别？
|
|
|
b********0
发帖数: 339 | 31 优化参数越多，用到“过去未来”的知识越多，统计意义（可以定量化）越弱，结果越
假。即所谓曲线填充。好比说我们看到了过去的整个曲线后，再决定过去的买卖，十分
虚假，自然结果看起来很好，实际上对未来的交易用处很少。 |
b********0
发帖数: 339 | 32 统计学上解决这一问题的主要方法是将历史分成两段，譬如说09/01/01之前算一段，称
为样内时间段，在这一时间段内做优化，譬如得出GM的最佳均线对周期为7，27。然后
看09/01/01以后的交易结果（即样外时间段的交易结果），这样就避免了用“过去未来
时”的信息，其统计意义就不须因两个参数打折扣了。即时在样内期有大量的曲线填充
，我们只在样外期衡量系统，已能看出其优劣。
无参数是指样外期不再优化参数。 |
b********0
发帖数: 339 | 33 步进优化方法是指在历史上每天（当然也可粗一些）都只用之前的信息优化，以决定当
时的买卖信号，这样就不影响统计意义了。以前所说的方法须一次优化，现在需要在历
史上每一天对之前优化，计算量可能大1000倍以上。但现在的多核PC的速度已允许这样
做（对数千股票同时做）。
在步进式方法中，所有看到的结果均属样外结果，所以不必担心样内曲线填充问题。 |
q********u
发帖数: 15519 | |
i****e
发帖数: 451 | 35 I see what you meant, in-sample estimation and out-of-sample test/
evaluation, thanks for the explanation.
【在 b********0 的大作中提到】
: 步进优化方法是指在历史上每天（当然也可粗一些）都只用之前的信息优化，以决定当
: 时的买卖信号，这样就不影响统计意义了。以前所说的方法须一次优化，现在需要在历
: 史上每一天对之前优化，计算量可能大1000倍以上。但现在的多核PC的速度已允许这样
: 做（对数千股票同时做）。
: 在步进式方法中，所有看到的结果均属样外结果，所以不必担心样内曲线填充问题。
|
v*****k
发帖数: 7798 | 36 对于小三来说搞这么个系统时间精力的投入都太大了。
【在 b********0 的大作中提到】
: 步进优化方法是指在历史上每天（当然也可粗一些）都只用之前的信息优化，以决定当
: 时的买卖信号，这样就不影响统计意义了。以前所说的方法须一次优化，现在需要在历
: 史上每一天对之前优化，计算量可能大1000倍以上。但现在的多核PC的速度已允许这样
: 做（对数千股票同时做）。
: 在步进式方法中，所有看到的结果均属样外结果，所以不必担心样内曲线填充问题。
|
u********e
发帖数: 4950 | 37 vanmark 大牛说说你的“量价关系永不变，用好这个加上均线就够了”edge吧
这应该也是TA 的核心，呵呵
【在 v*****k 的大作中提到】
: 对于小三来说搞这么个系统时间精力的投入都太大了。
|
v*****k
发帖数: 7798 | 38 首先不是大牛是青蛙，谢谢。
从机器学习的角度来说各种TA无非是训练不同的classifier。
0.量价关系是股市公理。否认这个就不用看下去了。
1. No Free lunch theorem
没有永远好用的单一乃至集合指标
2. occam's razor
指标够用就行。根据本人research经验，多个指标简单voting就“够用”。这个可能各
人有不同标准。
3. 理想状态是有一个系桶不停优化做到对过去data最优,但是
a. 我不是村长，没钱没时间没精力
b. overfitting 不是说不用未来数据就不会产生。
4. 复杂的classifier好用，但是得花费巨量金钱tuning。
5. 至于用什么指标问未眠秋月cww虎谷风湿膏。
6. 为什么我相信这样可以work？因为有大傻蛋的存在。谁是大傻蛋？问王二吧。呵呵
【在 u********e 的大作中提到】
: vanmark 大牛说说你的“量价关系永不变，用好这个加上均线就够了”edge吧
: 这应该也是TA 的核心，呵呵
|
g*****u
发帖数: 14294 | 39 统计套利。
市场中性，美元中性的那种daily balance的？
【在 b********0 的大作中提到】
: 我是做统计套利的。我基本不用传统指标，要用最多是作为辅助参考。
: 在我看来，最有效的方法是：
: （1）（步进式）线形与非线性回归。现在的并行运算，可在几秒钟内解几百万小型方
: 程组。技术上已不是问题。
: （2）步进式（walk forward）回归或其他优化方法，有人称之为无参数优化法。其关
: 键在于，每笔交易只用“过去完成”的信息，所以可靠得多。传统优化用到“过去未来
: ”的信息，大大降低了统计意义（在统计上统计意义是可以量化的）。现在的计算能力
: 允许逐日步进。
: （3）基因算法。这一算法主要是为寻找交易系统用。
|
b********0
发帖数: 339 | 40 再说一个商品系统的常见问题。
我们可能买到一个黑盒系统，历史结果平均年回报是1000%，且交易很多，结果稳定。
可拿来一用，却年年大亏。为什么呢？最可能的原因就是黑盒向你展示的是样内结果，
而我们的实际操作必然是样外结果。这一问题在统计上有人称之为“收缩”。
如果同样交易原理的黑盒用的是步进式优化，我们看到的历史结果就不是那1000%的样
内结果，而已经是很坏的样外结果。我们也就不会购买这一系统。
用步进式优化的系统应该没有明显的收缩 |
|
|
v****e
发帖数: 19471 | 41 其实很简单，就是养成一些习惯，找到一些感觉，磨平一些棱角。
【在 g********5 的大作中提到】
: 明白自己为什么赚钱，你才可能永续盈利
: 不单单指总体的亏损和盈利，因为股市的盈利和亏损永远都是暂时的
: 请搞清楚每一笔交易让你赚钱的原因，每一天，一周，一月，一年的都要自己很清楚
: 世界是更新变换的，经济局势也是时刻变化的。你的系统，pattern，ta 啥啥指标线啥
: 的
: 有时有用，有时根本没有用
: 特定的指标都只是在一段时期很有效。如果只顾着吃老本，离外婆可能就不远了
|
b********0
发帖数: 339 | 42 市场中性组合是指相对S&P beta 近似为0的组合。
【在 g*****u 的大作中提到】
: 统计套利。
: 市场中性，美元中性的那种daily balance的？
|
n*****o
发帖数: 1778 | 43 顶
【在 g********5 的大作中提到】
: 明白自己为什么赚钱，你才可能永续盈利
: 不单单指总体的亏损和盈利，因为股市的盈利和亏损永远都是暂时的
: 请搞清楚每一笔交易让你赚钱的原因，每一天，一周，一月，一年的都要自己很清楚
: 世界是更新变换的，经济局势也是时刻变化的。你的系统，pattern，ta 啥啥指标线啥
: 的
: 有时有用，有时根本没有用
: 特定的指标都只是在一段时期很有效。如果只顾着吃老本，离外婆可能就不远了
|
g********5
发帖数: 10335 | 44 顶是牛科普哈哈
【在 b********0 的大作中提到】
: （8）HFT是增加统计意义的时间分散方法。与空间分散及交易策略分散结合使用，可获
: 得极佳的效果。但它需要足够的流动性，有人说他的瓶颈是34亿。
: （9）一般的统计套利并不需要一毫秒级的下单速度。那些一毫秒级交易是在与MM抢庄
: ，占的比重不大。
: 个人认为，能看到的量化交易的书籍对交易帮助不大。机构内部的研究报告是不能外传
: 的。我们只能自己研究。
|
