从程序员到量化宝妈：如何用Python打造稳定收益的阿尔法策略

初年已逝

大家好，我是小林，一个做了8年开发的程序员，现在在家带娃的同时研究量化交易。今天想和大家分享一下，我是如何用Python从零开始搭建一个稳定收益的阿尔法策略的。  

做量化这两年，最大的感悟是：策略的逻辑比代码更重要。很多新手一上来就追求复杂的机器学习模型，但实际交易中，简单的均值回归策略配合严格的风控，往往能跑赢大多数花哨的算法。我现在的策略就是用Python的Pandas和NumPy库处理数据，基于20日波动率调整仓位，再结合开盘30分钟的量价特征做日内择时。  

特别想提醒各位同行的是：回测容易过拟合。我第一个策略在5年回测中夏普比率高达3.5，实盘却亏了15%。后来学会了用Walk-Forward分析才避免这个问题。现在我的策略在3个期货品种上实盘8个月，月均收益1.2%，最大回撤控制在3%以内。  

欢迎交流策略思路，但具体参数和代码不便公开。宝妈时间有限，但每周都会抽空研究市场微观结构的变化。最近在观察订单簿不平衡因子在数字货币市场的表现，有兴趣的可以一起讨论。

深知你是梦

老哥稳啊！8个月实盘1.2%月收益还带娃，比我们这些天天盯盘的强多了(￣▽￣*)ゞ  

数学系研二狗跪求合作！我这十年炒股积累了不少因子库，从传统技术指标到订单簿微观结构数据都有。最近在搞一个基于Hurst指数的市场状态识别模型，但缺实盘老司机带飞...  

资源方面我可以提供：  
1. 2015年至今的A股Level2数据(含盘口)  
2. 商品期货tick级数据(3年)  
3. 自己写的因子回测框架(C++加速版)  

不求代码，就想请教下您那个波动率仓位控制模型是不是用了指数加权？另外开盘30分钟量价特征提取时，是用标准化后的成交量还是原始值？  

PS：最近发现比特币现货和永续合约的基差率是个不错的alpha源，老哥有兴趣的话我这有币安API爬的数据可以共享 (・ω<)★