有做交易策略的高手来指点一下吗？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 2551 天前的主题，其中的信息可能已经有所发展或是发生改变。

最近在研究深度学习，目标是明年可以在股市上完成机器选股和股价预测的任务，但是昨天偶然看到所谓“技术分析”的思路，似乎也很有道理，我想请问大佬：这两种方式有何优劣？以及进一步深入研究有什么资料可以看看？

深度学习

优劣

指点

请问

27 条回复 • 2017-12-18 20:09:36 +08:00

regent

2017-12-17 11:08:30 +08:00

你的意思是你准备通过财务数据这样的基本面来选股？

winglight2016

2017-12-17 11:33:14 +08:00

@regent 财务数据没什么用的，技术分析就是只看交易数据，比如，那个 moving average 20 天和 60 天曲线相交就是买入点之类的

oszlso

2017-12-17 11:56:34 +08:00

短线只看技术面，长线基本面+技术面

tlday

2017-12-17 12:29:08 +08:00 via Android

机器学习在量化方面好像作用有限，现在的量化策略倾向于像择时这种有"内在理论"的策略，而不是靠机器学习自己学出来，人类对内在机制根本不明了，无从优化，无从判断过拟合的策略。
具体的就不清楚了，只是从我们公司 quant 的只字片语来看，他们没有用机器学习，事件驱动也没有。似乎还是均线穿越之类的东西。
仅作参考，这方面我可以说连门都没有入，只是因为身处这样的环境了解过一些。

takato

2017-12-17 12:48:48 +08:00 via iPhone

er...拙见
跟不少从业者聊过，很多人连 paper 都不看。
似乎也没有什么迹象表明可以做得好了....所以只能用手工特征去“忽悠”人。

技术分析是有用的，甚至比现在的金融体系更好。

514423564

2017-12-17 13:06:01 +08:00

既然你诚心诚意的问了，那就大发慈悲的告诉你。
既然是技术指标，那么就单纯的谈点技术好了，以下技术策略都是建立在纯技术上，跟基本面消息面毫无任何关系。
理论 1.首先要确定一点，在完美的大趋势（什么是完美大趋势？请把 K 线图无限缩小。）向上，必然 K 线会上穿均线。大趋势向下，必然 K 线会下穿均线。翻译成通俗的话来说，就是 K 线上穿均线，不一定是牛市，但牛市必定会上穿均线。
缺陷：有了理论 1，那么你可以捕捉每次上穿均线的 K 线，但是很不幸的是，每捕捉到一次大牛市，你都得经历 10 次以上的虚假上穿（上穿后又短时间下穿）。那么如何提高捕获真实上穿的成功率呢？请参考理论 2.
理论 2. 理论 2 是赚钱的核心，我不会告诉你的。
缺陷：有了理论 2，那么就可以精准的判断上穿的时机，能够在频繁的 K 线上穿均线中找到准确的进场时机。虽然已经有了进场的时机，但是股价的波动，很难让人握住筹码。问题来了，知道什么时候进场，那什么时候卖呢？请参考理论 3.
理论 3.理论 3 也是赚钱的核心，我也不会告诉你的
缺陷：有了理论 3，那么如何制定一套标准的套利系统呢。恩，这个问题嘛。。。问的很好，不过很遗憾，我也不会告诉你的。

不要打我....另外，想告诉你的是，如果你有 100%的筹码，你可以把股价从 1 拉到 100000，如果你不想套利的话，你甚至可以把它拉到无穷。我觉得这就是比特币为什么价格这么高的深层次原因，因为有一种手段叫做 0 成本倒仓，怎么实现？抱歉，这个也不会告诉你的。至于技术嘛，稍微后知后觉了一点，筹码分布才是核心，技术只是别人动机已经启动而后留下的一点蛛丝马迹。不过可惜，股市是看不到筹码集中在谁手里的，只有筹码最大的那个人自己知道底牌。不过区块链可以查到筹码分布的。

最后，，让我用低沉感性沉闷的声音，道一声：楼主爱你哟。

qdwang

2017-12-17 13:17:25 +08:00 via iPhone

哈哈楼上好耿直

WordTian

2017-12-17 13:36:46 +08:00 via Android

@514423564 倒数第二段，说明是真·老司机，经验不少，资金量不小

guanaco

2017-12-17 13:51:45 +08:00

基本面用于选股，技术面用于择时。

rhwood

2017-12-17 14:06:48 +08:00

机器量化交易用于套利和右侧交易似乎更自然一些，比如跨市场的差价套利，这个用机器执行在交易速度上有优势，根据技术指标的趋势交易，这个用机器执行有助于克服人性的弱点（多数的技术分析派都是追涨杀跌的右侧交易，大部分人的心理素质坚持不下去）

如果是基本面选股，难度在于高质量的数据基础，这个似乎有很多专业的服务商了，比如 wind。

SoulSleep

2017-12-17 14:13:54 +08:00

羡慕你能看下去
上半年我看过一些量化交易相关的资料，然而，以我本科学渣的水平....我感觉有些难，要啃 paper 的。。。

“明年可以在股市上完成机器选股和股价预测的任务”————服！

winglight2016

2017-12-17 14:30:15 +08:00

@oszlso 基本理论就这么回事儿，如果精确划分一下，大概持有时间不超过一年算作短线吧

@tlday 深度学习和量化交易，个人理解的确不是一回事儿

@takato 还是 HIMO，现在深度学习的目标就是让普通人也能实现自己的想法——算法主要目的是提升计算效率，不是改善应用“效能”，所以 paper 我也不会看的，只要会用即可

@514423564 感谢大佬，我也爱你哦，啵一个～～～我觉得您的观点和我很接近，所以我学习深度学习的目的就是能够预测“时机”，至于筹码我显然没有左右市场的实力，只能做一个紧跟庄家吃渣渣的散户，所以有理论 2 和退出策略就够了

@rhwood 量化交易和跨市场这种操作风险略高，规则复杂，我觉得第一步迈得太大容易扯蛋，所以暂时也不考虑

@SoulSleep 还是那句话，量化交易考验的是你的操盘经验和对市场的直觉，机器学习帮不上什么忙，我只是对自己的操盘没有信心，反而更期待深度学习产生的交易策略，以上

china521

2017-12-17 14:35:17 +08:00

很明确的告诉你, 预测是个坑. 谁跳谁知道，早跳出来早超升.

china521

2017-12-17 14:35:40 +08:00

追加一条，套利为王, 我只做套利.

bidongliang

2017-12-17 14:44:39 +08:00

不知道楼主目前是什么状态，在上学还是工作，在哪个城市。有这样的想法和目标，说明你相关算法和编程方面都有不错的基础。我们公司目前就是在做类似的事情——综合各种数据，包括基本面、技术面等结构化数据，也包括新闻、论坛、研究报告等非结构化数据，为金融投研提供快速、有效的参考信息。

如果你有兴趣一起实现自己的想法，请把简历私信给我！

4ever911

2017-12-17 15:16:17 +08:00

楼主要弄清楚两点：

1. 准确率（胜率）
2. 收益损失比

所以，光说胜率，有的策略，胜率只有 30%，但是也能赚钱。同样，有的策略，胜率 80%，也可能亏钱。

think about it

imn1

2017-12-17 15:44:02 +08:00

我只给一个词：均价
至于“均”，当然不是算数平均那么简单，自己想吧

hp3325

2017-12-17 16:25:19 +08:00 via Android

我也是一个词：PA

winglight2016

2017-12-17 17:24:48 +08:00

@bidongliang 我目前家里蹲，坐标珠海，感谢提供机会！！！

@china521 可是你如果去操盘，本质不就是预测吗？只是你选择依靠自己的经验直觉还是算法？

@4ever911 你是说 ROI 的条件概率吧？这种长期的投资风险只能靠组合投资来降低，所以其实需要不同的算法来分别负责预测和风险评估，你是说这个意思吗？

@imn1 均价是说多次购买的成本还是 moving average 啊？

@hp3325 PA 太简略了，我猜也没法猜

forestyuan

2017-12-17 17:37:53 +08:00

现在比较成功的好像就是高频交易了

hp3325

2017-12-17 18:56:51 +08:00 via Android

@winglight2016 基本面数据再好，没有 PA 没有意义。技术图形再漂亮，没有 PA 也没用。特别是中国的股票，你要什么分型就有什么分型，然而并没什么卵用。所有的一切，最终都是看 PA。

takato

2017-12-17 22:25:49 +08:00

@SoulSleep 看交易、金融相关的 Paper 只是最最最最基本的。。后面可能就是各种神奇的东西了。。但是，我想说，it works.

@china521 只做套利啊。。。看来有韭菜给我割了：）

@winglight2016 如果了解策略依托的是市场信息的信噪比，你就会去追求极致了，很多时候就是一点点差距，导致了这个策略是割韭菜的还是韭菜。
纯技术参数也会产生非常好的信息量的，足够赚钱并产生 alpha 收益了。