AI量化投资：面向盈利开发策略

原创文章第83篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。

下一个100天（未来3个月左右），我打算写个专栏或者一本书。

为何想做这件事？——初心是什么？公众号是日常的思考，一些有探索中的东西，比较零碎。知识需要体系化的沉积。

量化投资国外发现数十年，已经比较成熟，有成型的商业模式，有成功的业务模式包括高频交易和智能投顾领域。

国内市场成熟度没有这么高，做空机制有限，ETF品类也不如国外这么丰富，投资者成熟度不够。但量化平台被引入之后，有一些作者在做一些科普类的事情。

但市面上量化的书，多数是纯技术出身，金融基础一般。着重在讲python的量化生态，比如pandas, 统计学，时间序列分析，计量经济学，讲机器学习框架如sklearn/keras或者pytorch的使用，更像是一本编程书。

而用户真正关心的策略和盈利，大多较少提及（多数作者本身也不会）。书中的例子多为均线交叉，布林带，没有任何实战价值。

用户的痛点是“实战“——真正做出可以实盘的策略。

量化不仅要解决投资自动化的问题，AI量化更要解决投资智能化的问题。机器在决策领域的广度，深度与人相比都有其独特的优势，如何有效的发挥出来？

基于此，我希望写一本“面向盈利开发策略”的书。给有技术功底的工程师讲清楚金融投资的逻辑，如何给投资问题建模；给主观交易者讲清楚他的主观策略如何进行量化编程，如何进行参数优化等。在此基础上，讲框架比如backtrader和qlib，最为重要的是，如何开发出真正可用的策略，如何持续对策略进行改进。

也欢迎大家给我留言，提出宝贵的意见。

从金融的角度看量化，先讲“收益”与“风险”。收益最直接就是年化收益，年度收益序列；而风险是“最大回撤”、“夏普比”等。

对投资的两大问题有了认知之后，作为投资认知的起点，我们需要明白，不确定的投资世界，其实是有确定性的。

其实投资理财并不难，长期看市场一定是向上的。资本市场真心不是为了割你韭菜而设立的，而是你可以分享经济成果的。如果不是，一定是你打开的方式不对。另外，分散可能有效降低波动。

构建策略有两大方向，一是追求“绝对收益”的智能投顾。其实资管行业，普遍是这个逻辑。与基金公司有很大区别，基金管理目标是相对收益就是比市场多赚少亏，而资管目标就是追求稳定的收益。二是散户最喜欢的“投机”。其实投机很难，若要做好，需要建立交易体系。所谓“预测”，可能胜率也就50%+，这是个概率问题，这时候，需要做好仓位分配管理，不能all in，必要时如何止盈损。这些加起来才构建一个交易策略。而不是只是出入场信号这么简单。

没有什么圣杯，能让你100%准确，所以，不要all in。果断截断亏损，让利润奔跑即可。