古灵通量化工具准吗
粉丝1843获赞8708
相关视频
04:12查看AI文稿AI文稿如何用 openclaw 这个工具啊，来搭建属于自己的 a 股自动量化交易系统，以及它为什么可以帮助普通投资者像专业机构一样进行交易。首先咱们要聚焦的主题就是 ai 量化交易的时代已经来了，那在这个领域当中， openclaw 到底是用什么样的方法 取得了让人觉得不可思议的成绩呢？就是在二零二六年的时候，这个 openclaw， 也就是之前的那个 club debug， 它有另外一个名字叫 ai 大 龙虾， 他就是用五十美元作为出使资金，然后在短短的四十八小时之内，通过自主的规划和执行任务，把资金做到了两千九百八十美元。哇，这个收益率高达百分之五千八百六十对，那他背后的这个操作逻辑是不是也非常的复杂？ 其实它的核心逻辑还是非常经典的，就是它每十分钟会扫描和预测一次市场，然后通过 ai 的 深度推理，再加上多维度信息的交叉验证，去寻找定价错误的一些机会。最后它会通过凯利准则去控制仓位， 所以它做到了在风险非常低的情况下进行高频的套利。这个东西到底是怎么帮我们这些散户去突破量化交易的壁垒的？ 以前量化交易其实主要是机构玩家的一个游戏，因为他们有很多的资源和专业的团队。那现在 openclaw 他 把这些复杂的交易策略变成了可以自动运行的代码，你只要有电脑有网络，就可以让他帮你去执行，无论白天还是黑夜都可以不间断的运行， 可以帮你避免因为情绪波动而做出的一些错误的决策，同时他也可以实时的去监控市场，帮你去处理大量的数据，这些其实都是我们作为个人投资者很难去做到的。 那你觉得这个 ai 交易和传统的人工交易相比，他有哪些核心的优势呢？首先他最大的不同就是他把你的投资思路转化成了一种毫不动摇的执行动作，所以他完全不会受到情绪的影响。 然后他也可以做到不间断的监控市场。对，并且还可以同时去分析多个标的，这其实都是人脑没有办法做到的。这是不是意味着只要我有一个比较好的策略， open clock 就 可以帮我把它的效果最大化？是的，但是前提是你的策略得是非常清晰的， 就是你要告诉他买什么，什么时候买，买多少，什么时候卖，这些都要非常明确，他才能够去帮你精准的执行。 就像有一个很厉害的交易员说过， openclaw 是 最忠实的交易员，他不会质疑你的策略，只会用最高的效率去完成任务。所以我们让 openclaw 作为大脑，专门负责去收集数据，分析新闻和市场情绪，然后去产生交易的信号。 对，那双手呢？其实就是我们的这个量化平台，它会专门去接收这些信号，并且执行交易和做风险控制。哎，那这中间的这个数据流动和交互是怎么实现的呢？这个嘛， q m t 负责去提供实时的行情和历史数据， 通达信是用来做板块分类的， a k share 是 用来拿财务数据的，然后这些东西都会汇总到 openclaw 这边来，最后通过飞书、钉钉或者 qq 来实现这种指令的发送和报告的推送。那首先它会定时的启动， 然后它会通过 qmt 去拉取目标股票的实时价格和成交量，同时也会通过 a k share 去获取最新的财务指标。 嗯，之后呢，它会结合一些技术指标，比如说均线啊， macd 啊，再加上一些基本面的数据来综合的判断到底是买入还是卖出。一旦它确定了交易的信号之后呢，它会生成一个标准化的交易指令，比如说股票代码、买卖方向、价格、仓位啊这些东西。 然后它会通过 hdtp post 这种方式推送到 qmt 的 交易接口。那你也可以选择通过微信或者飞书来人工确认 之后量化平台就会监听这些信号，收到之后就会自动的去执行交易。同时它也会实时的监控你的持仓， 一旦达到了你的预设的止损线，它就会帮你自动的平仓。为了保证你的系统可以七天二十四小时不间断的运行，最好的选择还是云服务器。对，那国内的话，你像阿里云、腾讯云这些主流的厂商都是可以的，他们都提供了 opencloud 的 一键部署，你就不需要自己去折腾那些复杂的环境配置了。
975东方木量化投研私享沙龙
07:26查看AI文稿AI文稿好的， ok， 这条视频跟大家说一下量化交易啊，就之前在视频里面我也说了，我准备把我自己的投资风格慢慢切换成量化，那这种我不太需要去关注个股，但很多人会觉得量化是不是很难啊？或者很多人会把量化交易，呃，是不是要一定要懂得编程啊？一定要数学很好啊，那今天这条视频呢， 算是带大家入门一下量化吧，应该是那句老话，干货视频，点赞关注加收藏码数再开。那分成两个角度来讲，第一个呢，先说量化的思维，你要理解量化到底是一个什么回事，对吧？ 然后第二个部分呢，会给大家讲一下，我自己是做这个量化的，那先从思维这个层面来去说，量化这个东西并没有你想象这么难呢。我们在传统的投资里面呢，有分成两种，一种叫主观多投，一种叫量化交易。 那主观多头其实就是你有自己的观点，你比如说像你看好某家公司，你去买它这种就是一个很典型的主观多头。但主观多头有一个什么问题呢？就我们很多时候没有办法真真正正的研究透一家公司，你觉得这家公司好着，但它是不是一定对呢？这个答案 不一定的吗？甚至在这个市场上面呢，会有不同的主观观点，所以有的人看好茅台，有的人不看好茅台，那正是有这种不同的观点，市场上才形成交易，所以主观多头。这里呢，就存在这样的一个问题，你很难把东西看准，甚至我们会受到很多心理层面的这些因素去干扰，可能因为你自己喜欢喝茅台，所以你觉得茅台好，但事实是不是好， 这个还是要打一个问号。不过这我只是以茅台来举一个例子啊，并不是说我说茅台不好，这个公司的基本面还是非常之牛逼的好，那我们再来看另一派，就是量化。量化什么呢？就是我不带有我主观的思考，我不会说主动说我觉得这公司好，这东西坏， 我用市场上面客观的数据，客观的指标来去进行筛选，甚至乃至我交易动作当中的一切的买卖，都是根据市场上客观的指标来去进行的，这种就是量化了。 给我举一个很粗糙的例子啊，假设你只去购买 roe 的 边际变化在百分之五以上的公司，同时呢，在他单日股价跌幅超过百分之五的时候才去建仓购买， 那当他单日股价的涨幅高出百分之二十的时候，你就减仓减一半的仓位，这个其实就是一个量化，当前面这个是我瞎说的，你别把它当成记笔记一样。哦，这好像是一个什么词？不是，我只是举个例子啊， 你会发现在这个过程当中，你从选股对吧？啊？ roe 的 边际变化大于百分之五到买卖啊，单日的跌幅多少？单日的跌幅百，呃，在百分之五以下，到卖的时候，这个累计的涨幅百分之二十以上，卖多少？卖一半， 每一个动作都是有数字来去严格规定的，就我们说的交易纪律嘛，那这种呢，你就可以把它叫做一个量化的策略了。虽然这也就不得不说到市面上的一个误区，很多人会认为量化是一定是高频的买卖，其实不一定的， 量化跟频次没有任何的关系。量化的本质呢，是去抓挖掘不同的因子，通过这些因子来去构建策略。好。那什么叫做因子？很多人也搞不清楚因子，这里我们可以大致的把它出分成两种，一种呢是跟横截面有关的，一种是跟时间序列有关的。啥意思？横截面呢？就是自己跟别人比， 比如说我通过看财报的数据，你的 roe， 你 的净利润，你的营收，你的现金流这些，你跟这个市场上面的其他公司比，你比别人好， 或者比别人坏，这种就叫做横截面的因子。那刚才我举的这些例子，主要是跟财报基本面有关的嘛。基本面又叫做企业的质量，所以它就叫质量因子。但你还可以有动量层面的因子，动量的因子就是你价格的运行，比如说在过去二十个加日里 日里面，你涨得比别人更多，你的累积涨幅更大，对吧？也是你在跟别人去比。那这种就是从价格运行的趋势来说的，我们就叫做动量因子。 但是你不管什么因子，它其实就是只是找了一个数据，让某一家公司去跟其他公司去比较，在横向比较下，我们挑出横向比较排名靠前的那些公司，这个就是横界面因子了。 那时间序列因子是什么呢？时间序列因子更多是自己跟自己比，比如你这家公司当下的状态，当下的价格，跟你过往的 过去五年的平均情况比啊啊，甚至你跟过去一天的情况来去比啊，只要是你自己跟自己的过往比，这种就叫做时间序列因子，你同样呢，比如质量因子里面你的基本面，你这个季度的财报 环比上一个季度涨了还是跌了，对吧？这就是一个自己跟自己比的时间序列，一个重要的比较。那你通过这些数据这些因子去进行比较，然后呢去挑选那些 比别人好的，横街面里面表现好的，靠前的，自己跟自己比，也在改善的这些公司挑选出来去进行交易，这个其实就是量化的选股了。好，搞清楚。这个我再说回平次啊，就 像我前面说，很多人会觉得量化是不是就是高频交易啊？不一定的，如果你的这些指标是今天跟昨天比的，每一天都去进行市场排名比较的，甚至可能每分钟啊，每十五分钟啊，这些就是比较高频的。 但是呢，这个并不是量化的本质，你只是量化的其中一种方式，你量化你还可以去做，比如说每个季度去比的。那像我自己呢，平时要上班的嘛， 你不可能上班在那天天盯量化，我更喜欢那些每个季度才去进行一次数据对比，去进行调仓的。那这样对我来说，我的交易手续费也低，不要让券商平台赚那么多钱。那讲到这里呢，相信你对什么是量化，什么是因子，就有一个简单的这种概念了啊。 好，那我们再接下来说一说实操，实操这个部分就离不开一个东西，叫做工具，这个是很多人会想说，量化是不是一定要去学拍粉，要去学编程？ no， 这样拍粉这些只是一个工具，你懂？拍粉不代表你会量化，你如果想要做出一个量化的策略，首先你脑中得有一个量化的交易的策略啊，就什么样的指标出来了？好，这这根据这些指标去进行买卖， 你要把它写成代码，让这个代码去跑，对吧？ 那这种呢，就是我们说的工具这个层面，在工具这个层面，当然你如果懂拍粉的话，用拍粉来去写呢，现在是最常见的，但是呢，你如果不懂拍粉呢，其实你用 excel 也可以去做，只不过呢，你用拍稿来去写，然后接入券商的 api 的 接口，你可以做得更加高频一点。就如果你玩高频的那些，那可能还是要去写代码， 但你像我这些并不是玩高频的，我玩的是相对低频的量化，那这种时候我也不需要去写代码，我用 excel 就 可以去做了。所以大家也不要过度执着于工具，其实工具是次要的，更加重要的是你脑中能不能想出一个 这种策略，那想做策略这个当然就需要随你有市场经验了，需要你真的是懂一点金融的知识了，这个这个东西就不是随随便便人能够想的出来的。这里也分享大家一个小诀窍啊，就你如果说脑中有一个好的这个策略之后呢？然后你可以到海鲜市场上面去找一个程序员，让他帮你去针对这个策略 呃的过往表现去进行一下回测，其实现在找程序员也非常便宜，也不用说所有东西都自己做。哦，对，这里刚才还忘了讲一个东西，就是你有了策略，有了工具，你还缺少一个东西去实现的量化，就是你的数据库，对吧？你因为你的策略里面你会用到市场上面的数据，那些数据你去哪里获得呢？ 啊？你是不可能，比如你点开这个券商软件，然后在券商的软件里面直接把这些数据登录下来， impossible， 不 可能的，所以你还要专门去一类的数据平台去买这个数据库。比如说常见的像是万德啊、 ipad troy troy 啊，这些都有 啊。当然还有像是国内一些比较性价比高的，像是出息啊这些，这些都是国内非常常见的，能够让你去把一家公司的基本面、数据技术面的数据扒下来，下载下来的这些数据平台。那些数据平台呢？其实也不贵啊。呃，但它有一些更加便宜的这些获取方式我也不在这里去过多的追溯了。感兴趣的朋友，反正这些东西 咱们互联网时代的人际交往，找一找都能够找得到。好，那么说到这里，相信你对量化就有一个基本的认知了。策略、数据库、工具， ok， 这三个东西你都具备，那其实你就可以跑自己的量化策略了。
1939文主任
00:53查看AI文稿AI文稿兄弟们，终于找到一款适合个人投资者使用的量化平台，如果你不懂代码，如果你喜欢炒股，那一定要试试这个工具。点拓软件平台量化交易一直以来是门槛高，难上手，需要有一定的 python 基础， 还要写策略逻辑等等环境搭建，数据维护成本也很高，对于咱们普通散户来说很难搞定。但是这款工具它包含了从选股、策略创建、回测验证、代码生成到自动化交易的一套完整流程。 对于想要踏入量化大门，又不想被繁重的代码和技术细节绊住手脚的散户来说，实在是太友好了。咱 们来看一下效果，策略回测格式化中文就可以编辑量化代码，并且支持通达信和同花顺自动化交易，同时支持模拟交易等等。咱们策略最终是在通达信和同花顺上运行，这个工具只是接收选股信号，不会造成策略的泄露。兄弟们，如果你会炒股，就可以做量化。
470量化小李
09:25查看AI文稿AI文稿hello， 大家好，我是搞量化的布欧，好久不见哦，我可想死大家了，最近呢这个龙虾非常的火，然后呢很多老板找我问我怎么搞这个 ai 交易，呃，我总结一下吧，其他东西我觉得不靠谱的哦，然后我给大家推荐一个更实际的 ai 部署平台， 然后他呢就简单有效，大家也不用累的半死，到处去折腾了。第一，他是商业运营的对吧？跟那个 tv 一 样稳定，而且，而且也很便宜哦，怎么算的，比你买那个托管划算，而且他是比较成熟的系统。第二呢，你也不用写代码，直接就可以用， 功能也是非常的强大，我就打开给大家看一下，是吧？大家看到的这个界面就是他的操作面板哦，哎，你登录之后呢，你就点这个创建策略， 他是这样，他这里有非常非常的策略，大家点这个创建策略之后，然后我建议大家刚玩呢就选一些简单的， 比如折十类的吧，是吧？比如我们选这个 e、 d、 h， 那 么你选了之后呢，这就会看到整个工作流，然后首先就是收集数据，对吧？数据收集之后呢，就一个因子，它这里用的是 它自定义了啊，它整合了很多很多的因子，然后你也可以自定义的话，你也可以从这里直接调就好了， 我们再用他默认的默认，他写好了，然后数据因子把数据处理好之后呢，再用这个模型去跑，那么他这个模型呢，这里有充分的解释啊，就是哪些模型做哪些事，他这个模型呢就是做时序的，所以一般做时序都是用这个模型 啊，这个文档非常的详细啊，大家就即使你不用他的平台，我觉得大家也应该去看一下，非常的专业。然后这个模型预测之后呢，他会把结果输出在这个列上，然后你就这里的话就是整个策略执行层面了，然后你就可以比如说开多的条件，就是我们刚才这里，对吧？ 开多的条件，那就是他这个参数只要大于零点二五就开多，然后他小于负零点三，就在水下的时候我们就平掉下去，对吧？ 啊？不对，他是大于零点二五的时候就开多，然后这个是开空的条件，这水下就开空，然后这是屏多，对吧？这是屏空。然后场位管理，这里也可以固定子音哦，刚开始你就用固定子音，也有也可以用网格的模式，就比如加多少层仓位， 有点类似那个 dca 吧，对吧？这里你刚玩你就普通模式用最简单的来这里是风险控制，然后 不亏老要超过百分之十五，他这个是整个账面层面，账户层面就会给你全部平掉，平掉之后呢？然后有个冷却器，对吧？这个也是非常实用的功能。 ok， 这个流程走完之后呢，到最后就是交易引擎，你是用回测还是实盘？这里我们就一开始肯定是回测，对不对？我们先回测试一下， 他这用的是备案交易所啊，资金太多了，收个一千吧，他这个是手续费，划点都要算进去啊。毕总看看大家收个五盘一的话，有时候会保证金不够啊。然后数据员这里备案现货，大家用 u 百分合约吧， 然后保存保存，然后我们就运行看一下，好吧，这里它有免费的，有收费的。呃，现在用的人少，我们就免费的就好了 啊。这里报错了报错了，我们看一下它不支持资产 btc， 那 这是怎么回事呢？因为我们这个数据源的时候选的是 btc 哦， b t c 就 可以不要了，因为我们做的是以太反的那个来保存一下啊。确定保存？我们再看一下吧。数数据源用以太反数据 看一下这个音质，它音质里面也没有准备用哪个 b 是 吧？这个也不影响模型的训练 找特征啊，也不影响策略看上时机，平常时机也不影响主影之水也不影响 风控也不影响为侧。看一下用的是这个是 k 线啊，这个是 tik 机，然后我们这个的话就没有没有必要用这个 tik 机了，就直接 k 线就好了，毕竟是超低频的策略啊。然后 这是一千四加双向时差，嗯，没有问题了啊，然后我们再保存运行一下， 那个有点慢哦，因为毕竟是用的是他免费的那个尾测服务器，现在已经开始正常工作了，对吧？开始计算因子了，收集数据，数据收集好了就开始因子计算，下一步应该就是训练模型了，找特征 这种找到了就打分是吧？打分，然后用这个打的分再去做折十。咱们耐心等一下啊，回头出来那是一单都没有开对吧？一单都没有开，那我们看一下怎么个事， 有问题是好的，我就特意要找这种有问题哦，大家看哦，这个预测的值结果在这里，对不对？大家看零点零二，负零点零二负零点零一， 我怀疑哦，我怀疑是这个策略，这个条件太苛刻了，我们可以改成零点一二，对吧？我平常的话就零点五吧， 开开空也一样哦，负零点一二，然后大于零零点四零点二吧，那我们这样子改一下好不好？保存，然后我们再回测一次， 重新训练，下一步确认启动他。这个很有意思啊，就就大家看这个这个因子这里有结果，是吧？大家可以看一下，能学到很多东西啊，对吧？大家玩这个东西 比你稀里糊涂的用什么龙虾，我觉得靠谱多了，就暂时来说肯定是更靠谱的。那现在已经开始有止损有止盈了，对吧？我们等结果吧，我们等结果的时候可以看一下这个，看一下它这个文档。 这个这个模型是干嘛的？乖乖一样的哦，那奥分类这个 这种类型就不管你哪个模型，他都更适合做这个预测。闪电看下好了没有？嗯，十七马上就好用的。 k 线是一小时的对吧？ ok， 大家看好，这个数据已经出来了，对吧？ 呃，不是很漂亮，但是大家要自己优化一下，对吧？这一段还是跑的非常漂亮， 就是从这个二月份到六月份，那这个参数我是乱填的，对吧？大家自己优化一下，然后刚才我我还看了下他其他的策略啊，比如说这个超买超卖的回测了一下， 当然这种策略这个参数大家都可以自己调，对吧？像这个的话就中间少了这个 ai 的 直接数据，处理完就直接就折折时了，然后时间问题就回头我有什么好的策略，或者说我玩出什么新的花样，我在录视频跟大家讲，主要是给大家推荐工具啊，如果你之前就是 tv 的 众多玩家，你过来过来玩这个就非常合适，他也不用你写代码，对吧？但是这个策略逻辑呢，你最好还是要有点基础的认知哦，就实在不懂就问一下 ai， 反正现在知识都平全了，对吧？ 不过你要非常，你要实盘呢，也非常简单啊，就比如说现在这个这个策略会这样，假设你满意的情况下，你要实盘，你就选这个实盘，然后这个一定要选这个实盘，然后添加你的交易所账号， 这里的话就给你是币啊，你就填币啊，然后 api 一定要摆绑定你的这个 ip 白名单，那么这个白名单哪里呢？就是你要租他的服务器，你要租他服务器，是吧？ 如果你用我的那个邀请码，就是我的邀请码，就是布尔沃，你用我的邀请码注册的话呢，他们直接会送你石油，然后你 这个差不多就二石油一个月吗？对吧？然后你就再掏个石油，就可以租租，租个亚马逊的服务器，这个亚马逊的服务器比较贵啊，但是会很稳定。然后他们平台呢，也是你自己不用去部署了，像发明者那样，可能你自己还要部署， 买了之后呢，买了之后呢，他就会分配一个 ip 给你，到时候你把这个 ip 一定一定要填到这个，填到这个交易所 那个 api 里面，对吧？然后再把 api 填到这里就可以了啊，这样就可以撕完了，然后就大家自己琢磨一下吧。好吧，有什么不懂的也可以咱们一起在那个群里面聊一聊。嗯，策略他这里有一些演示的， 大家都可以参考一下，但是我觉得直接拿来用不现实啊？不现实，特别是有动量一些什么的，哎，这个这个有，这个看一下，看一下他用的是什么音质 原声屏哦，它这个还用了 o i 变化，对吧？所以它这个这个比 tv 呢又专业很多。 ok， 视频录到这里吧，因为好久也没录视频了，就祝大家二零二零年发大财，好吧。
167布欧的量化日记
01:40查看AI文稿AI文稿不同代码水平做量化到底该用什么工具？代码能力分成大概三个等级吧。第一个类就是你能够熟练的掌握各种编程 id， 比如说 vs code pi charm， 可以 自己熟练的掌握各种 python 的 一些包，一些库，然后你可以自己独立的去 get up 上面完成一些项目的开源和创作。比如说你是这一类非常专业的一个程序员的话，你可以直接去用一些开源的项目，比如说像是 vmp， 或者像 cube， typewriter 之类的一些开源的代码环境，你可以用你的代码能力在上面进行更多基于你自己对市场理解的一些行为，去对它整个代码源文件进行修改，然后更加方便的去做投研。 第二类你可能没有那么的熟练的掌握 python， 但是你又稍微懂一点点数理知识，比如说你函数一些技巧，那这个时候一些比较简单的线上的 id 环境，像以巨宽为首的一些 jeffrey 封装的环境，你可以去用可以对他们进行在线编辑策略，加上在线运行回测的这样的一个效果。那如果说你是一个什么都不懂的 代码技术基本上为零的编程小白，那这个时候呢，你可能需要利用更多的一些 ai 的 生态，如像 cloud， code， gemini， color 这些代码编程 agent 去帮助你完成你的下码的构建。这一类的话，其实就可以利用 python ai 去进行到一个比较好的 尝试，你可以尝试用自然元去构建工作流，或者去构建一些因子。上面几个是我们跟大家推荐的比较常见的一些量化同一平台，包括云同一平台，但是最终而言，工具的生产率、效率是对所有人提升的。当 ai 的 第一批工具出来，永远是最专业的一批人，会先获得 ai 工具的一个手艺。就前两天一笼 mask 有 发一个视频，让普通人用龙虾， 好比是让用机关枪，你可能也用不好的东西啊，并且你可能也达不到非常好的效果。所以说在使用各种 ai 工具的前提下面，慢慢的与 ai 一 起进步，可能才是大家最好的一个发展道路。
515量化李不白
00:45查看AI文稿AI文稿兄弟们，这下量化团队的天要塌了！这个完全开源的 ai 股神中文版量化分析系统已经在 github 上斩获超两万新标，成为 ai 金融领域的黑马项目。 这个开源项目基于多智能体框架开发，提供合规的研究与策略实验，构建了一个 ai 分 析师团队，从技术面、基本面、情绪面到宏观面，每个智能体负责不同维度的分析， 最后汇总建议，并且经过优化，完美支持大 a、 港股、美股的分析。更重要的是，它集成了国产大模型， deepsea 等主流模型都能使用，支持多可，一键部署，五分钟就能跑起来， 而且完全开源，免费支持本地部署。你的分析数据和策略只属于你自己，感兴趣的朋友可以试试了，关注我，带你认识更多好用工具！
4.5万二次螈Ai工具箱
00:35查看AI文稿AI文稿最近发现一个超猛的 ai 股市分析工具，上线才四个月， github 直接狂飙两万加薪！他能全自动实时盯盘大 a， 不 用你手动看盘，查数据，板块涨跌，资金流向，技术面分析，盘面情报，多维度专业分析报告直接推送到你手机， 支持市面上几乎所有主流 ai 大 模型和数据源。最绝的是你发张截图给他，他就能自动读图分析，准确率超高，还能自定义交易策略，做历史回测，复盘小白也能一键粉底部署，零门槛上手。想体验这款真正好用的 ai 看盘神器？右侧评论区。
1.2万GitHub研究员
11:00查看AI文稿AI文稿大家好，我们今天聊一个特别实用的话题，就是 optimizer 在 回测策略和因子的时候，在交易过后归因的时候， 在帮你找市场风险的时候，都需要用到这个东西，而且这个东西是区别有没有在正儿八经的大厂干过的一个重要标准之一。好多的野路子，或者在小公司，家庭作坊，他可能都没有听说过这玩意，更不用说用它了。可是如果你真正在 相对比较健全的，然后各种要求比较均衡，那种大的几乎做活，你会有各种各样的限制，那么 optimizer 是 帮你达到一个相对的比较平伪的风险，且有一定收益的这么一种目标的手段之一。 我看了有些的网上交量化交易的课程里面完全没有提到这个东西，就非常惊讶，他怎么能嘿不用这个玩意呢？所以今天我们来聊一聊，到底什么是 optimizer 和 risk model， 当你作为一个 qq 的 时候怎么用它？当你作为一个 pm 的 时候应该怎么用它？ 顺便说一句，我们之前做一期教程就是第一 show， 聊了一下他们是怎么用 optimizer， 大家可以回去看那一期。 基本上啊，我们先从一个例子开始看，假设你有一个策略或者一个因子，选出了一堆股票做多做空，比如说做多百分之二十，前百分之二十，做空后百分之二十，是不是做了 dollar neutral， 甚至一定程度上的 market neutral， 就是 整个市场往上往下走，对你的 portfolio 影响为零， 只要啊你做多那些比做空那些涨的多或者跌的少，你就能赚钱，这时候啊，回测效果非常好，那是不是可以上实盘了呢？显然不行。那么如何找到 你的 portfolio？ 它实际还对哪些隐藏的风险因子有相关性？那么 risk model 和 optimize 就 起作用了。我们解释一下，为什么要在乎这个东西啊？假设你的 portfolio 确实对于市场 beta 为零， 可是有很多隐藏的其他风险因子，比如说地缘政治风险，比如说利率风险，比如说某一个 行业的波动，比如说牛市雄市，他们这些变化啊，就会引起你 portfolio 里面的某一部分股票的暴涨暴跌，然后 你在回测时候测不出这东西来，然后就会给你带来一些意想不到之外的损失或者是收益啊。那这时候你想把这些呃 隐形的风险因子相关性降到尽可能低，不一定零，但同时又策略又盈利，又保持了 alpha， 这是 optimizer 可以 帮助你。我们来看这个例子啊，三只股票，假设 你想选苹果 xone mobile and jp morgan， 在 你的 portfolio 里面，不管是 long only 还是说 long short， 比如说 long apple short， x mobile gpm。 那你会发现啊，这些股票其实对很多的其他的风险 factor 都有关系，每一列是一个北塔，是一个风险 factor， 比如说 value， momentum size。 打比方说 value， 那 value 就是 说那些比较价值型的股票啊， 啊，还有 growth 股票，那 x mobile 和 g p mobile 相对比较稳定，它们是种 value 型的股票，发不少的分红，然后呢，市值相对比较稳定。苹果呢，发分红相对少一些，它还在增长过程中。 呃，全且假设苹果是在增长过程中吧，这时候突然说来一个大家认为市场上的一个 recession， 这种情况下，这个 value 股票会被高股，然后这些 growth 股票会被 怎么说呢？会被降价，这时候你的 portfolio 即便做了 market neutral long short， 还是会承受这些意料不到的损失。 那这时候如果一个 optimizer 能帮你通过调整 apple excel 和 g p m 之间的仓位，来达到把这个 b beta 这一块，这这这类东西达到接近于零，那么无论这个 value 和 growth 这类股票怎么整个市场情况怎么变化，都不会是影响 同样的。呃，这个另一个例子就是说，假设这两天伊朗打仗，那么石油受到了非常大的冲击，那整个架构都上去了 xm 表，他的股价一定会随之波动特别大。苹果和这苹果本关系并不是那么太大， 这种低人政治风险啊，你看他的 xm 表，他的暴露相关性是特别高的。 optimizer 可能会让你说，咱，咱把这个东西降低一下， 虽然不至于降到零，但是说尽量减少你的利润风险，那么这就是 optimizer， 它的作用，你输入就是一个你各个股票的初使的一个。怎么说呢啊，预测的 off， 就 未来一段收益和初使的仓位打比方说就是一样的各占百分之三十三。 应用了 barometer 和 optimizer 之后呢，它会告诉你，哎，我调了一下苹果降低尺仓，然后我们降低尺仓， g p o 增加尺仓，最后还是百分之百，但是呢，它把这些其他 beta 因子啊降的尽量低一些，同时保持你的 off。 我 们前面也说到了这个 risk model， 那 risk model， 比如以 barometer 为主，它都有哪些 factor 呢？前面提到这些啊，什么 value， momentum， size， 常用的就是叫风格 factor， 我 们在论文里面经常见到这些 都是根据什么方法及因子来的，但是实际的操作过程中啊，你肯定不光这些啦。比如说 industry， 这个 factor， 就 各个行业里面，它如果行业上蹿下跳的话 啊，怎么样降低你的 portfolio 不 受这影响？还有这种宏观的一些条件变化，利率，油价，战争，对吧，都很重要。那好， 那再看同样理财这三只股票啊，呃，左边这块 part 二，大家有空自己看看就行了。基本的公式上面随便一搜就知道了。 operator， 他的目标就是把这东西最大化。左边这块是你股票的收益， w 就是 权重。右边这块呢，就是减去你的 portfolio 对 所有的风险因子的暴露。 为什么减啊？因为你知道你的 portfolio 对 风险有暴露，所以这块是不确定的收益保险期间应该减去。这个 lamb 的是一个参数，叫什么？叫 aversion risk， aversion weight。 呃，这儿布置的作业大家可以查一下。 呃，在实际操作中，大家往往用哪个数啊？作为一个 number 取之最后那个例子，三个股票，假设你的模型随便什么模型，会因此预测未来苹果涨的最多百分之二， s 美服务涨的最少百分之零点五。那么几个方案配你的 perth， 最贪心的就是百分之百全买苹果上，但是你风险特别高是吧？因为你如果百分百放苹果上的话，上面这所有的被它全踩中一遍。那好，我把它均摊， 每个占百分之三十二三，预期收益降下来了。虽然风险降低了，但风险是不是降了更多呢？不一定，你各占百分之三十二三，那相当于还是每个股票所有的背它这个风险都踩一遍。那好，用了 optimizer 以后， optimizer 告诉你说这样一个新的 新的这个这个配比，比如说苹果占百分之二十， x o 占百分之六十，然后 g p o 占剩下的啊，我打个比方说，这样他的预期收益哎，上来一点，百分之一点六，而且对于这杯台因子，风险他能降低到接近零或尽量低。那么风险呢？就是 low medium 会好一点 啊。同时啊，就是每个家，每家机构，它有自己的一些秘秘密配方，就是常见的 constraint， 这是常见的一些东西，比如说规定每个股票仓位不能大于多少，然后每个 factor 的 exposure 不 能大于多少，比如说不能大于零点一啊，零点二， 你不能搞太小，你不能说我一定要对每个 risk factor 的 相关度 exposure 达到零点零零一以下，那你的 offer 也没有了。这时候你作为一个 pm， 呃，怎么去舍弃这个东西？非常考验你的能力的，这里是区别一个专业选手和业余选手以及专业老手这一段区别之一。 那刚才我们说到了，如果作为 pm 来讲， exposure 不是 exposure， optimizer 还有另外一个用途，就是前面讲了，你做了一个 offer 以后，做了 race model， 然后做 optimizer 做交易回测。 作为 pm 来讲，你还做可以用做 attribute 使用 operator 什么意思？假设这么一个场景啊，年底你的一个矿来找你聊天说，哎，老板，我今年搞了一个策略， 搞了一 part for you， 全年回报百分之八，那你是不是应该给我相应的分红？那好，我退一步啊，我知道百分之八肯定不都是由于我策略，比如说其中有百分之五标普五百大盘 是他哪来的？那百分之八加百分之五百分之三，那好，退一步，百分之三是我的策略的贡献，你是不是应该相应的给我一些 bonus？ 所以 老板你，你需要想想想一定的理由给他反驳回去，不能给他发这么多是吧？ 有一个办法就是 optimizer， 你 算一下他的 portfolio 里边哪些收益，其实是因为对因子风险的暴露。前面说了那 barlow 因子，那几十个因子，根据你不同的市场和策略， 你发现其实你的跑跑这么多钱，是因为有一定的风险暴露因子，让你运气特别好。这些市场风险因子啊，比如说 value， momentum 或者 industry， 都是挣的，所以顺便挣了百分之一， 实际上把它都减去以后啊，他的策略，这个人的聪明才智只贡献了百分之二。所以呢，你可以反驳回去说，我应该按照百分之二的收益给你发 bonus， 而不是百分之三的收益， 这是作为 pm， 用 optimizer 可以 做一个事情。但是啊，还是奉劝各位 pm 对 手下不要那么斤斤计较，你花一部分钱买来你手下的努力给你干活，这个你怎么着对你来说都是赚的。 最后来复习一下全流程啊，怎样用 res model 和 optimizer 就是 首先搞一个因子，搞一个策略，然后上 res model。 常用的做法是买一些商业模型，比如说 barra x u 嘛，这 fast 我 没有用过，还有很多开源模型我也没有用过，我基本用过，都是那种自买的，还蛮贵的。然后 operator 你 可以自己写，也可以买一些这个这个这个应用附带其实 bug 可以 送你一个， 然后调整尺仓。呃， weight 以后就做 backtest 啊，做 execution， 最后做一 pm， 你 要算算到底跑去 risk factor 以后 quant 它们的贡献有多少。 那这时候有人问了我，我就想搞个人交易，业余家庭作坊式的，我也没钱买 barra， 一 年好几万一个模型全买全了，那不知道多少钱。我有没有办法搞一些 open source 替代品？甚至说我如果拿到相应数据， 能不能自己搞一个 race model， 甚至自己搞一个 optimizer？ 答案是可以的，我们后面找时间再出一期相关的课程，谢谢大家。
1229峨眉峰还独照
00:33查看AI文稿AI文稿你把那个龙虎榜打开，能把你吓死，全是这样的，这样的就是恨不得从买一到买五，从卖一到卖五全是量化。你说，你说我们怎么赚钱？怎么赚钱吗？ 你说我一个小小的散户跟一群专业的团队，而且是拥有先进的工具和通道的，这样的团队在近身肉搏呢，你说怎么搞？这怎么搞？你们有没有什么想说的？
2325哎呦，是小龙吖
08:17查看AI文稿AI文稿我是炒股亏十八万，今天我要分享的主题是如何构建交易系统。我的交易我的交易系统由五个部分组成， 其中包括，交易模式、仓位管理、复盘总结计划、交易、盘中应变。 首先，构建交易系统的核心是明确自己的交易模式，我个人是选择打版作为交易模式，其中连版接力是我做的最多的，但我一般是放量回风的时候排版介入，因为量化工具的普及， 对于二版以下我做的比较少，三版以上的个股，我排版的成功率会大幅提高。 其次，关于排版垫单，我主要观察有三点，上版时间、盘口强度、实际换手率。但更多的还是看个人盘感以及对当下情绪的判断，因为扫版和排版都是一瞬间的决策，扫版更考验理解力， 容错率低，但不会错过上车机会。排版可以最大限度观察市场的反应，情况，不对可以随时撤单，虽然提高了封版率，但也会因此错过一些机会。 还有就是为什么要固定买点？首先我不需要在什么价考虑，在什么价格去介入目标股，只有到了板上才会触发我的下单条件，因为在打板这个领域，我能拥有属于自己的赚钱效应，做其他的我很难赚到钱， 那固定买点就能规避掉这部分无效交易，因为大多数人是管不住手的，只有在单一模式的条件下去约束自己，用不断正确的交易，坚定自己的信心，才能做到真正的知行合一， 这是新手蜕变为合格交易员的必经之路。不过对于大成的交易者来说，能顺应市场阶段性的风格切换，做到买入即赚钱的精准操作，这种与市场同频共振的交易节奏，也是我在新的一年里追寻的目标方向。 哎，这个按不动啊。 第二部分是仓位管理， 这里给大家放两个对比图，左边是我二三年六到八月满仓操作时的收益曲线，右边是二四年六到八月半仓操作的收益曲线。从最大回测来看， 一个是百分之二十六，一个是百分之六，但整体的收益是相差不大的。 我认为分仓主要是控制回撤，并且下单的时候全仓和分仓不是一个心态， 有时候全仓犹豫一下就会错过，但是分仓去介入想要的标的会更加从容。如果是做两板的小资金，我个人是不建议超过三个仓，因为分仓太多很容易降低审美，随便交易。 另外还有为什么要空仓，我认为这也是仓位管理的一部分，做连办如果每天都有买点， 说明审美需要提高了。空仓对我来说是为了看清市场，踏准节奏，也是为了避免亏损后的报复性买入和盈利后的得意性买入。 第三部分是复盘总结，主要围绕赚钱效应、亏钱效应来展开复盘。 首先我会把每天的涨停板和炸板股看一遍，了解涨停原因和炸板原因，这样才能对目前资金的风险编号有一个判断。 如果你在资金抱团打高度的时候去做高低切换，是很难形成市场合力的，所以在没有出现明显的信号时，不要主观去做切换。 在高位出现负反馈的时候，也不要轻易去博弈各股穿越，因为高位的情绪是一体的，如果一定要去博弈穿越，一般我会隔日再看向高位，出现和按钮的情况下， 资金大概率会选择做高低切换，因为资金总是会向阻力最小的方向进攻。 再就是择时和择股，我认为买入的时机是远比个比个股的本身重要的。一种是左侧买点，博弈盘中或者隔日 情绪冰点转修复的预期，性价比高，但确定性不足。另一种就是确定性更高的右侧买点，在情绪修复的节点开仓。 第四部分是计划交易，我认为最重要的就是做好预期管理，从买入这个角度来说，就是想清楚第二天你要卖给谁。 如果当天复盘有隔日想买的标的，先把他的竞争对手和同板块的队友加入次选。当天晚上复盘就要做好盘前推演，比如今天是一个缩量版， 呃，隔日我就会想等放量回风再考虑要不要买强更强的加速版我个人是做的比较少的，不过主要还是看情绪够不够亢奋。大部分时候 节预期是很容易大面的，从卖出的角度来说，那就更重要了，因为打板赚的就是隔日的钱。对于持仓股，第二天的进价和分时要有一个基本的预期， 这个预期更多的是一种经验，需要你不断的观察盘面和反思总结，这是一个长期且复杂的过程，也是作为短线交易员必备的技能之一。第五部分就是盘中应变， 开盘先看集合进价，像持仓和目标个股，计盘前的预期有没有超预期或者不及预期的个股，观察相关个股的正负反馈。我一般是优先处理持仓股的， 因为我手里的品种如果出现不及预期的情况，开盘的时候大概率情绪会在一个分析的状态下，就不用着急开仓，等持仓股兑现以后，再观察有没有符合买点的个股，如果没有也不能着着 急，特别是当天卖出的这一笔是亏损的情况下， 更容易降低审美，出现随手单导致再次亏损。那接下来的几天，你的交易节奏可能都会踏错，想再次看清市场，踏准节奏，很可能需要一周或者更久的时间。 最后这段话送给还没有稳定盈利的朋友们，他人观点只能借鉴，可以多看前辈们的语录以及各路实盘选手的观点，但一定要养成自己独立思考的能力，才能真正拥有自己对股市的理解。 交易之路，唯有自渡，这从来不是一场跟随的游戏，而是一段独自行走的修行。
138左手摛牛
04:13查看AI文稿AI文稿聊了几期量化相关的问题啊，大家都挺感兴趣的，那很多朋友也说呀，现在这量化交易也是越来越普及，那很多的券商呢，也开始给个人投资者提供量化工具 啊。另外呢，像比如说 portray 啊， qmt 啊， bigcunt 等等等等，那这一类的平台呢，也都在给个人投资者提供量化环境， 那个人投资者做量化到底靠不靠谱呢？有没有意义呢？咱还是先说结论啊，作为辅助交易来说，有一定的意义，但是呢，可能和你想的不一样，那因为个人量化相比机构量化，依然存在竞争的劣势。 那咱从四个角度客观的聊聊这个问题啊。那第一，个人量化的速度问题啊，本地部署和云端部署。 那很多人会担心一个问题啊，如果我在自己的电脑跑量化啊，也就是本地部署，那是不是速度太慢了？那这个问题其实要分情况来看， 那如果做的是高频交易，那确实对速度要求非常高，那机构的量化往往会你看使用专线啊，使用这种低延迟的服务，甚至呢，之前说的把服务器放到交易所的附近，那这种级别的技术设施呢，你对于个人来说很难达到， 但是对于绝大多数个人量化来说的话，其实啊，并不是做高品。那很多策略其实是啊，日品，周品，甚至是月品，那在这种情况下，那本地部署还是云端部署，其实差别没有想象那么大 啊。那当然，如果说你使用云端服务器，那确实是有两个优势的，那第一个就是整体的运行环境更稳定。那第二啊，可以长期自动运行，但是这并不会让个人量化啊，突然拥有了 机构级的速度。那第二个啊，个人量化的门槛，那会编程还是不会编程，那这是很多人关心的，那做量化啊，一定要会编程吗？答案当然是不一定。 那现在的量化平台呢，基本上分成了两种模式。那第一种啊，就是编程型的平台啊，那你比如说啊， python 写代码策略，然后 api 调用接口，然后啊自己写模型等等，那这种方式适合有编程基础的人，或者你本身就是做技术的人，那他们可以自由的设计策略。 那当然，第二种，对于不会编程的啊，叫做封装型的量化平台啊，也就是说券商啊，或者量化平台已经把策略的模块做好了，那对于投资者，你只需要啊，选择策略，然后设置参数，然后让他自动运行，那这种方式对于普通投资者来说，肯定是更容易上手的 啊。所以从门槛上来看啊，量化不再只是程序员的工具，但是这里面你要注意一点，那工具是降低了门槛，但是就不等于说它降低了风险，因为策略本身仍然需要理解。 那第三呢，就是 ai 和大模型啊，会不会让个人量化更强？那这是最近非常热门的一个话题，那随着 ai 的 发展，很多人也在开始尝试 机器学习啊，因子挖掘啊，自动的这种策略优化，那理论上 ai 确实可以提高数据处理能力啊，包括模型搜索效率啊，策略迭代的速度。 但是咱也得非常客观的看一个现实， ai 并不会自动创造稳定的超额收益啊，因为市场数据本身噪音很多，规律不稳定，很容易过你河，所以 ai 更像是一个工具，它不是一个赚钱的机器，它可以提高你的研究效率，但是不能代替投资逻辑。 那最后一个就是啊，个人量化的超额收益到底来自于哪？那这个我认为是最重要的一点。那很多人以为个人量化的对手就是机构量化，我跟机构 pk， 但实际上根本不是。对于绝大多数个人投资者来说， 真正的竞争对手依然是那些没有使用量化的散户投资者，或者说是没有交易纪律的散户投资者啊。因为量化最大的优势其实不是速度，而是纪律， 那他可以做到不情绪化，不追涨杀跌，然后严格的执行策略。所以个人量化产生的稍有收益，很大一部分其实是来自于 比传统散户更稳定的交易行为啊。所以最后总结一句话，个人量化确实和机构量化存在一定差距，但是他依然可以成为一种有价值的工具，因为量化最大的作用其实不是用来打败机构的，而是帮助投资者，用机器去约束人性的。你觉得我说的有道理吗？
24柒明东东财经
01:12查看AI文稿AI文稿都说量化交易能躺赚，但我劝你先看完这三本书，不然怎么亏的都不知道。第一本，量化交易策略与算法。这本书讲的是量化最核心的东西，策略怎么写，就像修仙，要有功法。 这本书就是量化人的练气期，入门，不教你吹牛，只教你干活。书里把指标原理讲得明明白白，看完你就知道 m a c d 不是 圣杯，没那么神，但也没那么费。第二本， p a t 金融大数据分析，量化离了 p a t 就像修仙，离了灵气，你连剑都御不了。这本书不用你会编程，手把手教你用 python 处理数据，做回策，跑策略，照着敲代码就能跑起来，别被代码吓到，这东西和搭积木一样，一块一块往上垒就会了。第三本，量化交易风险指南， 这本书是保命的，多少人一夜暴富又一夜反覆。这本书告诉你怎么设置损，怎么配仓位，怎么不被市场一波带走， 在市场里活着比赚多少钱都重要。这三本书按顺序看，从理念到工具到风控，基本够你入门了。觉得有用，点个赞，关注一下，下期讲讲量化指标。
00:22查看AI文稿AI文稿完了，兄弟们，我好像发现了量化画图的秘密了，你快看这张图，这张图像不像一个直角三角形？然后你再看大盘，大盘像不像这个圆规量化？他是不懂这些三角形跟圆规的，但是发明量化的梁老 板，他可是天才，数学很厉害的，他是不是背后就直接植入了这些小学时候用的那些圆规跟支持啊？笑死我了。
140别笑话我了
