1.3 量化交易需要哪些準(zhǔn)備工作

完整的量化交易生命周期，不僅僅是交易策略本身，它至少由5個環(huán)節(jié)構(gòu)成，包括策略構(gòu)思、建立模型、回測調(diào)優(yōu)、仿真交易、實(shí)盤交易，如圖1.4所示。

1.3.1 安裝SDK

在進(jìn)行策略構(gòu)思前，首先安裝發(fā)明者量化提供的免費(fèi)SDK，它是一套基于Python的量化交易回測框架，由發(fā)明者量化發(fā)起并貢獻(xiàn)主要代碼，內(nèi)置近百個技術(shù)指標(biāo)及相應(yīng)的源碼，可以用少量代碼構(gòu)建各種交易策略，并且提供歷史數(shù)據(jù)回測功能。在命令行中輸入安裝SDK的命令，如圖1.5所示。

注意：在安裝SDK前，需要先在計算機(jī)上安裝Python 3。此外，在Mac操作系統(tǒng)中安裝SDK時，如果有安全限制，則需要在pip命令前添加sudo命令，在執(zhí)行安裝命令前，會要求輸入系統(tǒng)密碼。如果有需要，則可以手動安裝與金融量化交易有關(guān)的第三方庫，如talib、numpy、pandas等。

在SDK安裝完成后，在代碼的第1行輸入“from fmz import*”，即可使用SDK。在下面的代碼中，首先設(shè)置回測配置（包括數(shù)據(jù)起止時間、數(shù)據(jù)周期、回測品種等），再導(dǎo)入SDK，接著使用VCtx()函數(shù)對task對象進(jìn)行初始化，然后調(diào)用SDK中的GetAccount()函數(shù)和GetTicker()函數(shù)分別獲取賬戶信息和Tick數(shù)據(jù)，最后調(diào)用初始化后的task對象獲取回測結(jié)果。

上述代碼的運(yùn)行結(jié)果如圖1.6所示。

免費(fèi)開源的SDK不僅可以輸出最終的回測結(jié)果，還可以以圖表的形式輸出各種績效曲線，包括賬戶權(quán)益、周期盈虧、資金占比。例如，雙均線策略使用SDK中的Show()函數(shù)繪制回測圖表，代碼如下：

上述代碼是一個完整的雙均線交易策略。在使用發(fā)明者量化SDK運(yùn)行上述代碼后，會顯示Python本地回測圖表，包括賬戶權(quán)益、周期盈虧、資金占比等的回測績效曲線，如圖1.7所示。

發(fā)明者量化SDK可以與發(fā)明者量化交易平臺配合使用，從而提供更加完善的量化交易功能及開放的量化交易社區(qū)。

1.3.2 策略構(gòu)思

進(jìn)行量化交易必須先回到交易市場，要在市場中多觀察價格，理解市場波動的規(guī)律，并且嘗試推斷每一個交易邏輯，從而總結(jié)出交易策略。這里沒有捷徑，閱讀經(jīng)典的投資書籍或許有幫助，或者不斷地堅持做交易，在失敗中總結(jié)經(jīng)驗(yàn)。

對初學(xué)者來說，開發(fā)交易策略最好的方式是模仿。直接利用現(xiàn)成的技術(shù)分析指標(biāo)構(gòu)建策略邏輯，寫入交易規(guī)則，可以得到一個簡單的交易策略。例如，單均線的策略邏輯為，如果價格高于最近10天的平均價格，就開倉買入；如果價格低于最近10天的平均價格，就開倉賣出。

隨著市場經(jīng)驗(yàn)的積累，在形成自己的交易方式后，策略邏輯的選擇會越來越多樣化，會進(jìn)階到更加系統(tǒng)的量化交易。無論是在股票市場上，還是在期貨市場上，做一個有量化思維的交易者都是一件值得慶幸的事。

1.3.3 建立模型

交易者需要掌握一個量化交易工具，用于編寫交易策略，實(shí)現(xiàn)其交易想法。如果你想成為一名高端的量化交易者，就需要學(xué)會一門計算機(jī)語言，這里推薦使用Python編程語言，因?yàn)樗强茖W(xué)計算的權(quán)威語言，并且可以提供各種開源的分析包、文件處理工具、網(wǎng)絡(luò)、數(shù)據(jù)庫等。Python策略默認(rèn)代碼如下：

1.3.4 回測調(diào)優(yōu)

在編寫完策略后，對策略進(jìn)行回測，對參數(shù)進(jìn)行篩選和優(yōu)化?？梢岳貌煌膮?shù)對策略進(jìn)行回測，觀察該策略的夏普比率、最大回撤率、年化收益率等。通過對策略的不斷調(diào)試和修改，最終得到一個完善的量化交易策略。例如，可以將2010—2015年的歷史數(shù)據(jù)作為樣本內(nèi)數(shù)據(jù)，將2016—2020年的歷史數(shù)據(jù)作為樣本外數(shù)據(jù)。先用樣本內(nèi)數(shù)據(jù)優(yōu)化出幾組表現(xiàn)好的參數(shù)，再用這些參數(shù)對樣本外數(shù)據(jù)進(jìn)行回測。

在一般情況下，樣本外數(shù)據(jù)的回測結(jié)果沒有樣本內(nèi)數(shù)據(jù)的回測結(jié)果好，但如果樣本外數(shù)據(jù)與樣本內(nèi)數(shù)據(jù)的結(jié)果大相徑庭，那么這個策略可能是無效的，需要觀察分析，判斷策略失效的原因。

如果發(fā)現(xiàn)策略失效是因?yàn)樵跇颖就鈹?shù)據(jù)中出現(xiàn)極端行情導(dǎo)致的大幅虧損，那么可以增加一個固定止損條件，用于規(guī)避這種風(fēng)險；如果發(fā)現(xiàn)策略失效是因?yàn)榻灰状螖?shù)過多，那么可以將交易邏輯收緊，降低交易頻率。

如果一開始交易邏輯就是錯誤的，那么再怎么修改也很難得到一個賺錢的策略，這時需要重新審視自己的策略思路。此外，在參數(shù)優(yōu)化中，可用的參數(shù)組越多越好，說明策略的適用性廣泛。

策略的核心參數(shù)越少越好，如果參數(shù)過多，則容易造成數(shù)據(jù)過擬合。在回測時，對于交易次數(shù)過少的策略，其回測結(jié)果可能存在幸存者偏差。如果回測結(jié)果是一個超級賺錢的資金曲線，那么通常是策略邏輯寫錯了。

注意：本地SDK回測不支持回測調(diào)優(yōu)，如果需要回測調(diào)優(yōu)功能，則可以在發(fā)明者量化終端進(jìn)行線上回測。

1.3.5 仿真交易

當(dāng)交易邏輯正確，樣本內(nèi)、外數(shù)據(jù)回測都賺錢時，先不要急著在真實(shí)賬戶上交易，尤其對初學(xué)者來說，一定要先用仿真賬戶運(yùn)行至少3個月，如果是中低頻隔夜策略，則需要更長的仿真交易時間。在未來一段完全未知的仿真行情中，觀察策略在仿真交易中的表現(xiàn)，仔細(xì)核對回測信號與仿真交易信號是否吻合，下單時的價格與成交時的價格是否有偏差，如果表現(xiàn)與預(yù)期相符，那么說明策略有效。

1.3.6 實(shí)盤交易

在經(jīng)過一段時間的仿真交易檢驗(yàn)后，就可以將策略放入實(shí)戰(zhàn)中進(jìn)行交易了。不過在量化交易過程中也要保持警惕，防范極端行情。在實(shí)盤交易中，策略的期望一般要打折扣，很難達(dá)到回測時的水平。