欢迎回来~
学习量化策略研发,首先要选择合适的工具。工具的选择涉及两点:编写语言的选择与量化研发平台的选择。
上一节课,我们为大家讲解了如何选择策略编写语言。这一节课,我们接着来讲解如何选择量化策略研发平台。
市面上有许多量化策略研发的平台,如何才能挑选到适合自己的?在选择之前,先认识量化策略研发的过程分解,如下图:
认识了量化策略研发的过程,我们将按照节点顺序,和大家分享应从哪些方面来挑选量化研发平台。
我们上节课说过,每种策略编写语言各有特长,也各有局限。根据不同的应用场景,选择恰当的编写语言才是明智之举。因此,选择编写平台时,要注意它是否真正支持多语言。如果平台支持多语言,可以根据不同的场景和需求,灵活采用不同的语言,提高研发策略的效率。
△支持多语言策略编写的平台(Python与金语言)策略编写时,函数是很重要的“原料”。如果”原料”缺失,则会给策略研发带来很大困难。轻则降低效率,重则无法实现策略思想。挑选平台时,要注意它的函数是否齐全,或者是特殊的函数需求,开发团队能否积极配合开发?
△策略的研发需要使用到很多函数,如果函数不齐全会降低研发效率。编写平台的使用体验,对策略研发的效率有很大影响。事实上,国外的许多研发平台,因与中国用户存在习惯差异,在使用体验上,往往都不尽如人意。而一些新开发的平台,缺乏足够的打磨时间,难免出现未知的坑坑洼洼,在使用流畅度上也可能存在问题。一个好的策略编写平台,需要具备足够的专业素养和鞠躬为客户的服务心态。同时经过长期专业打磨,才能达到快、准、稳的使用体验。
△一个提高编写效率的例子:智能输入提示,输入开头字母,自动提示相关变量、函数,提高编写速度、减少编写错误。
策略回测需要数据,因此数据质量至关重要。考察一个平台的数据质量,要考察数据来源是否合法、权威;是否具备生产数据的能力;是否能保证数据来源及时、准确;是否能根据用户需求,快速研发用户需要的特殊的结构化数据。
策略研发,需要耗费大量时间和精力用于回测。一个策略研发,所需进行的回测次数往往是成千上万,甚至是百万。因此,回测平台的速度,是考评一个研发平台的重要指标。值得注意的是,回测速度是由多个因素组成的,例如响应时间、策略载入时间、回测运行时间等。考察回测速度时,我们需要综合计算这些时间。
我们随机抽样了市面上的几家平台,回测速度评测的结果如下:
注1:所列平台为抽样调查,非完全统计,仅供参考。因每个平台使用语言/语法不同,选用相似策略进行测试。
注2:B平台的回测用时很短,但是它的策略加载时间却需约20~40秒,因此其实际回测速度不尽如人意。
注3:C平台无内置策略回测功能,需从外部将回测结果导入,无准确回测用时数据。
由此可见,不同平台的回测速度会有较大差距,需要我们仔细甄别。
并非收益率越高的策略就越好,实际交易中,其它测评指标也非常重要。比如,风报比,回撤过大会触发资金警戒线,导致基金被清盘。测评指标越丰富,越有利于我们多方面考察策略,越能使策略在实际交易中获得较好的效果。
△在线平台的测评指标,一般较为简单△客户端的测评指标,更丰富、齐全测评结果是一些复杂的数据,如果只是简单罗列,不利于阅读。测评报告的呈现是否清晰、直观,直接影响对测评结果的理解。
△图表化的测评报告有利于阅读和展示参数优化是策略优化中一个重要的环节,不同的市场或微观结构需要不同的参数。观测优化空间还可以评判策略的普适性和健壮性。但是手动优化效率低、耗时长。例如,当需要对3个参数进行遍历时,每个参数假设有100个取值点,则3个参数的组合将高达一百万种,难以靠人工完成。一个平台能否提高参数优化效率也是很重要的。
△三维形式的参数优化,有利于快速找到稳健性更高的参数组合。有时候,我们研发的策略回测表现很好,但实战却不如人意。这是因为策略的回测表现只是说明了该策略符合历史数据的行情,不代表也会符合将来的行情,这种“符合”很可能是我们过度拟合历史数据造成的。因此,除了进行历史数据的“样本内”测试,还需要进行“样本外”的数据测试。
最佳的“样本外”数据莫过于真实的行情,使用真实行情进行模拟交易可以让我们最真实地评估策略的效果。因此,一个好的量化交易平台,应该提供对模拟交易的良好支持。虽然模拟交易采用了真实的行情数据,但并非真实的下单交易,仍然会与实际交易存在一定的差异。量化平台需要做的,就是将这个差异尽可能的缩小,如此才能更准确地评估策略。
策略投入实战的过程中,如果平台的功能无法满足策略的需要,就无法最大限度的发挥策略的预设效果;如果平台存在设计缺陷,可能还会造成资金损失。因此,还需要一个稳定、安全、高效的实盘交易系统。
传统的量化研发,专业人士使用的是功能强大的客户端软件,例如MetaStock、TradeStation等。这些客户端软件可以高效地实现复杂的策略,并对策略进行回测和优化。但这些软件也比较复杂,新手学习较为困难。同时,早期的量化投资人士(他们一般被称为宽客)往往自行其事,很少与外界交流。
随着众包(Crowdsourcing)概念的出现,在线量化投资平台应运而生。量化研发走下神坛,逐渐开始“大众化”。
2011年,Quantopian(QT)成立,这是一个面向初学者而非专业人士的众包型在线量化投资社区。此后,国内外也陆续出现了在线量化平台,他们大多使用或参考了QT的技术框架。这些平台提供了一些简易集成的功能模块,让初学者可以较为方便快捷地在网页上进行量化策略的研发和回测。同时,其在线社区有利于使用者进行学习和研发的交流。它们打破了量化投资的神秘感,降低了量化投资的进入门槛。
一般来说,在线平台的优势在于简易方便。而客户端的优势在于强大高效。
在线平台提供丰富的教程、互动社区、策略商城等服务,对量化策略研发的学习有很大的帮助。但它受到网络带宽和服务器性能限制,很多复杂功能无法实现。与客户端比较,需要更长的加载时间和回测时间,可能影响研发效率。
△Quantopian的策略编写与回测界面,方便快捷。但需要较长的加载时间,回测速度较慢。
△客户端能实现更多复杂功能,回测速度比在线平台更快。(以中量为例)在线平台与客户端对比总结如下:
在线平台与客户端软件是相辅相成的工具,可以根据实际需求灵活使用。
你们平时惯用的平台是什么呢?有觉得很值得推荐的平台吗?欢迎给我们留言,一起探讨~
到这里,关于如何选择量化策略研发工具的两节课都讲解完了。每种工具都各有优缺点,我们应该根据自己的情况和应用场景,加以理性选择。
风险提示
股市有风险,入市须谨慎。任何技术指标和策略都只是辅助决策的工具,不是绝对准确;示例与结果仅供研习参考,不构成任何投资建议。同时,文中所提及的任何方法和工具,在实际使用中,均需结合其他工具、根据自身以及具体情况进行综合判断。
· end ·
总指导 | 徐小明 主编 | 海菱
编辑 | Winder、潘潘、晓璇
联系客服