量化交易（二）建立量化模型的步骤

 世上唯一不变，是人都善变。金融里你不是在找永远对的答案，而是在判断：这个模型是不是正在过气

量化模型的建立 

1. data loading，爬虫可以爬取之前的数据，或者yahoo finance数据获取

2. training

3. evaluation

4. Reproducible: 别人跑你的模型是否能得到相同的结论

量化模型检测的指标：

1.数据健康检测模型（Data Quality）

（1）异常值检测（Z-score / Robust）

 （2）缺失率 / 延迟率

 

（3）跨源一致性（价格校验）

 2. 分布 / 漂移检测模型（Covariate Drift）现在的数据还像不像训练时那个世界

（1）KS Test（单变量）

 （2）Population Stability Index（PSI，金融最常用）

 

（3）多变量漂移（MMD）

（4）KL / JS Divergence

 3. 信号有效性检测模型（Concept Drift / Alpha）信号和收益还有没有关系

（1）Information Coefficient（IC）

 

（2）IC 衰减检测（最工业）

（3）命中率 vs 随机检验（Binomial Test）

 

（4）互信息（最本质）

 （5）Rank Stability（Spearman）

 4. 稳定性 & 压力测试模型（Robustness）模型是不是站在钢丝上

（1）参数扰动敏感度

（2）时间切片一致性

（3）Bootstrap 稳定性

（4）极端情景模拟（Stress）

5. 执行 & 交易成本模型：理论 alpha 能不能落地

（1）冲击成本模型（Almgren–Chriss）

（2）滑点模型

（3）净 Alpha

（4）成交概率模型

 

6.风控 & 生存模型（Survival）会不会一次死掉

 

（1）最大回撤（MDD）

（2）VaR / CVaR

（3）破产概率（Ruin）

（4）仓位约束（Portfolio-level）

 

7. 结果层：钱赚得好不好？ PnL、Sharpe

（1）Sharpe ratio

Sharpe ratio: 它衡量的是“单位风险赚的钱有多少”，也就是收益的风险调整效率

 

A 策略年化收益20%，波动30%，sharpe：0.67。赚得多，但波动大 → 风险大 → Sharpe 低。
B 策略年化收益15%，波动10%，sharpe：1.5。赚得少，但稳 → 风险小 → Sharpe 高。
对投资者来说，B 更“划算”，因为单位风险赚的钱更多

（2）Profit and Loss

PnL=赚的钱−亏的钱。PnL 是一个“混合结果”，模型方向对不对，仓位大小都会影响它。模型可能是对的, 但仓位太小 → PnL 很低

量化模型的反思：模型为什么会失败

1. 数据 drift：你是否知道：实验怎么设计才不骗自己

（1）offline不等于online，外汇的滑点是最明显的例子

（2）成交量 是前一日的2 倍 = 有资金进场，但是美股四巫日成交量明显放大，却不是因为资金看好而进场。

2. 幸存者偏差（非常普遍）

（1）数据集只包含当前仍在交易的股票，没包括：退市股，ST 股，和暴雷股

3. Label 泄漏 / 未来函数

（1）写指标的时候会遇到。if收盘价>5日最高收盘价，then把k线画出黑色。这个永远画不出来

4.流动性假设

（1）小盘股成交量根本吃不下。流动性小的期货，1分钟一般成交500万，结果你有1000万的资金，你的进入直接导致图形改变。

（2）涨停板缩量的是好板，可是你到快收盘了发现是缩量了，也排不到板

5. 指标欺骗

（1）过度看重成功率而忽略了盈亏比。成功率90%，每次只赚0.5%，亏一次亏5%

6. 数据语义错误（你理解错了）

(1)你以为成交量大是很多人看好。实际上很多人在跑路

7. 粒度错配

(1)你用年报数据来决定明天买不买。用日线的数据决定1分钟的买卖（日线的一根阳线波动5%够你赚到钱，1分钟一根阳线0.5%你赚不到钱）

8. 统计层失败（你信错了数学）

（1）你以为昨天跌了，今天跟昨天没关系。但实际上连跌，恐慌踩踏，股价是有记忆的

9. 小样本幻觉

你发现一个策略连赢 10 次。但实际只做了 12 次交易，你只是撞上好运气

10. 欠拟合

（1）大体量基金只看k线，而忽略市场，环境行业，成交结构，周期。

11. 过拟合

（1）你把历史走势“完美复刻”，但是上线后一次都没复刻过

12. 模型偏置错误

（1）你以为一个涨停板，后面应该会有高开3%的平均值（线性模型）。但是如果是连板，则情绪价值会给你更高溢价（指数模型）。

13. Stationarity 失败： 你假设市场是稳定的，但它不是

（1）用过去 10 年的数据回测，这10年有熊市牛市和震荡市，你以为规律可以混在一起用，但是世界对待牛市和熊市本该是不同的。

14. 非平稳失败（Non-stationarity）你学到的“经验”，已经不适用于现在这个市场

（1）过去（低利率年代）公司还没赚钱，但只要增长快，股价就涨。你总结出一个经验：利润不重要，增长最重要。后来（加息环境）：同样是高增长公司，股价却一直跌。因为钱变贵了，大家开始要现金流。

15. Regime 切换失败：

（1）美国2000-2008是震荡市，这个时候高抛低吸可以。可是2008年之后一路上扬，你这时候高抛了就低吸不回来了

16. 反身性失败（Reflexivity）模型被使用 → 改变市场 → 模型失效

（1）最近量化都知道首板盈亏比高，但是大的主力庄家就利用你去买首板，从而首板之后第二天开始往下砸

 

你是否能在噪音数据里给出可信结论

1. 多信号交叉使用。

缠中说禅说的，设计三个独立的系统，成交量，k线，以及别的什么

2. 不求准确，只求统计优势

3. 给结论加上可信区间。

你不能说明天一定会涨 2%”，但可以说：在过去 3 年里，这个信号出现时，平均涨 0.3%，95% 的概率在 -0.1%~0.7%之间。