|
|
大家好,我是一名从互联网行业转型量化交易的宝妈程序员。今天想和大家分享一下这两年来我对国内量化行业的一些观察和思考,希望能给同样想转型的朋友一些参考。
1. 技术栈差异
传统程序员转量化最大的挑战不是编程能力,而是数学和金融知识的缺失。Python只是工具,真正的门槛在于如何将统计学、时间序列分析等知识应用到策略开发中。我花了整整半年时间补完了《主动投资组合管理》和《量化交易如何构建自己的算法交易业务》这些经典教材。
2. 数据质量困境
国内量化市场的数据问题比想象中严重。同样的策略在模拟盘表现很好,但实盘经常因为tick数据质量问题出现滑点。建议新手一定要自己写数据清洗模块,交易所的原始数据往往包含很多异常值。
3. 因子挖掘的误区
刚开始做量化时最容易陷入"因子越多越好"的误区。实际上经过严格测试,我目前实盘的7个核心因子中,有5个是经过3次迭代保留下来的,其余十几个早期开发的因子都被证明是过拟合产物。
4. 育儿与交易的平衡
作为宝妈,最大的挑战是如何在照顾孩子的同时保持策略的持续迭代。我的经验是建立自动化监控体系,把需要人工干预的时间控制在每天2-3个固定时段。
最近在尝试将NLP技术应用到新闻情绪分析中,但发现中文金融文本的噪声比英文大很多。欢迎有类似经验的朋友一起探讨。 |
|