了解用于研发策略的数据 o 连续合约
连续合约在换月上会有较大跳空，一般会进行复权处理
前复权：保持现有价位不变，将以前的价格缩减
后复权：保持先前的价格不变，而将以后的价格增加 o 期货分笔数据（Tick）的信息
时间、成交额、成交量、最新价、买一价、卖一价、买一量、卖一量 o 期货分钟数据（Bar）的信息
时间、开盘价、最高价、最低价、收盘价、成交量 o 非交易时段数据
一般期货都有既定的交易时段，在交易时段之前可能通过CTP会接受到数据，一部分是CTP的来源服务器在做测试，一部分是回传上个交易日结束的最后一笔数据，以方便客户做单位时间内的成交量计算，而在交易时段后的1分钟内，可能还有部分成交数据，是因为交易服务器在交易时段结束前可能已经接受了部分挂单，在排队成交，所以并不严格在交易时段后就没有任何数据。 o 数据为空值或零值
当期货遇到涨跌停的时候，会遇到买卖价位空值或零值的情况 o 主力合约
找主力合约还是按照成交量变化来提取 o 指数合约
第三方平台很多使用指数合约，避开了换月，也规避了这些换月带来的一切问题，但在实际上是不可取的
了解用于研发策略的变量 o 特征工程
考察一个因子好坏的一个简单方法是看它自身与未来收益的相关性是否稳定
如果一个指标，在不同的合约上，跟未来的收益率都是正相关或者都是负相关，那么这个指标是比较稳定的，反之，则说明指标是不稳定的
研究因子与未来收益的相关性，因子之间的相关性 o 因子类型
基于买卖挂单量的因子
基于成交量的因子
基于价格变化的因子
基于深度行情的因子 o 因变量设计
用价格未来变化的对数收益率作为因变量 o 因子的相关资料
《The encyclopedia of technical market indicators》
《Finding alphas: A quantitative approach to building trading strategies》
《Automated trading with boosting and expert weighting》
《101 Formulaic alphas》
《Empirical asset pricing: the cross section of stock returns》
R: TTR 技术指标库
Python: TALIB
把时间花在收集更多数据上会比构造更复杂的模型更有意义。
了解用于研发策略的模型 o 小波算法
小波算法：小波算法本质上可以理解为滤波，即对信号进行过滤，希望把噪音过滤掉，对于简单的时间序列，或许本身噪音就不多，因此使用小波基过滤之后恢复的序列可以跟原序列一样。对于金融时间序列，噪音比较多，过滤后的序列或许会跟原来不一样。
在极端高波动的情况下，往往跟低波动情况呈现出相反的特征，而波动太高的行情往往难以持续，而且风险也大，需要避免交易，而小波分析很好地考虑到了这点。 o 模型复杂度
金融数据本身的高噪音低信号特性，使得复杂的模型很容易拟合了样本内数据的噪音部分
如果真实模型是稀疏的，我们用稀疏去逼近，这是好的；如果真实模型是稠密的，我们用稀疏去逼近，最多欠拟合，也不会有太大问题，在金融里面表现为交易稀少，但是能赚钱，只是赚的少而已。但如果真实是稀疏的，我们用稠密模型去逼近，那就很容易过度拟合了，在金融里面会更严重，可能导致频繁交易而亏钱；如果现实模型是稠密的，用稠密模型去逼近，由于模型结构复杂，参数较多，也未必能估计准，到时候效果还是可能不好。
波动大的时候往往是同一个方向发生变化，比如价格变化2%，我们只预测出0.2%，但方向没有错，因此并不会亏钱。 o 高维统计问题
参与预测的因子数目远远大于样本内数目，属于高纬统计问题，此时应该选择稀疏性的模型进行求解，如Lasso模型 o 模型拟合问题
预测值转成交易信号，画出资金曲线，然后跟R-Square做对比，才能真实感受到R-Square的意义 o 模型失效
所有模型都是基于市场流动性好的情况下才成立的，如果流动性不好，则模型失效概率比较大
非线性模型逻辑性较差，导致赚钱不知道怎么赚钱，亏钱也不知道怎么亏的
模型预测期货未来的价格变化，本质上也是预测期货未来的价格收益，R-Square很低，可见它是难预测的
了解用于研发策略的类型 o 策略的频率
低频策略：更多需要结合基本面分析，如做多黑色系做空农产品
中频策略：基于分钟K线，持仓N天
高频策略：更多需要交易和运行速度配合，非策略方面的投入较大 o 策略的类型
套利：做多一个品种的同时做空另一个品种，然后通过赚取价差的变化来盈利
跨期套利：构造的价差合约的卖一价，理应是近月合约的卖一价减去远月合约的买一价；价差合约的买一价，理应是近月合约的买一价减去远月合约的卖一价
跨品种套利：各个品种换月的时间不一定相同，跨品种套利需要考虑品种的交易时间
趋势
市商：一般使用限价排队成交的策略被称为做市商策略
预测：基于回归模型，预测价格未来的变化
宏观对冲策略（市场中性策略）：做多强势的，做空若是的
投机：下注，赌博 o 行情波动类型
低位低波动振荡
带趋势高波动
高波动无趋势 o 策略的资料
七禾网，策略侠，真格网
了解用于研发策略的优化 o 策略资金曲线的优化
每次优化出来的策略只用于未来一小段时间，然后再重新优化，这样更接近实盘交易
回撤大的时候，需要对策略进行更细致地检查，看看有没有改进的空间
了解策略的失效原因和使用条件，有些策略用于捕捉高波动来获利，因此过滤掉了之前的低波动行情，这样的策略开仓阈值很高，如果非多即空，则意味着平仓阈值也很高。行情一直保持高波动还好，但万一行情变成低波动，缓慢逆转，则亏损一直增加，并等不到平仓的机会，如果不加止损的话，则潜在亏损会非常严重。
如果策略的资金曲线变化比较多，交易次数多，但对滑点敏感，则策略比较难扩大容量，只适合小资金运作。但如果是交易次数少，平均盈利大，则不用担心滑点问题，可以加大仓位，进行大资金运作。
参数优化的时候，应该是滚动进行的，如果是基于全局优化，则这种资金曲线是自欺欺人的
研发策略很多时候需要主观与客观相结合的方法来研究，先用一些较宽松的规则挑选出部分策略，保证好的策略没有基本遗漏，然后通过人工主观判断剔除表现差的策略
一个CTA组合能否扩大盈利，很大程度上取决于它在活跃品种上的盈利程度
不管是海龟交易法则，还是依靠波动率调整仓位，还是动态止盈止损等，本质上都是没有提高策略的超额收益，最多是减慢曲线下滑的速度，但却无法让曲线回升
很多公开策略存在严重的问题如全样本内优化，交易费用考虑不够
并不是所有品种所有时候都适合交易
如果将行情分为低价位低波动、低价位高波动、高价位低波动、高价位高波动等，那么价位和波动率都具有更好的延续性，不容易突变，特别是价位，受涨跌停限制
如果是在低价位低波动或者高价位高波动的时候，其实获利都比较困难，特别是前者，交易机会非常少，后者择时交易机会太多，应该轻仓交易，避免资金曲线宽幅震荡。如果某个品种的价格处于历史地位，波动比较低，应该尽量避免趋势交易。
规则型的策略，灵感比较松散，策略与策略之间没有形成体系，响了一个策略之后很难去想另一个。
市场原因，策略原因，程序原因，要全方面做好业绩归因，亏损的话也要总结好原因
赚了钱要明白是市场给的还是自己努力获得的，亏了钱也一样。这样才能更好地进步，心态也轻松些 o 策略运行速度的优化
编程语言影响着交易算法的运行速度
模型及参数搜索的空间决定着交易算法的运算时间
多核并行的计算机有助于交易算法的运行
多进程多线程处理能够提高运算速度
FPGA优于GPU优于CPU o 策略运行程序的架构
中国不存在直连市场，所有人必须把单子报给期货公司，期货公司审核保证金等要求合格后，再报给交易所，交易所也只是稽查期货公司的保证金是否充足，不会稽查到个人。 o 高频交易速度的瓶颈
1 机器报单到期货公司（通过托管机房优化）
2 期货公司报单到交易所（通过选择优质期货公司优化）
3机器内部的速度（通过FPGA提高行情速度，高效的程序及算法提供运行速度，优化操作系统
了解用于研发策略的实盘 o 日内平仓
日内平仓规避了隔夜的风险，但同时也放弃了潜在的利润，还存在一定的牺牲：1 平仓带来的手续费，2 为平仓而进行主动平仓带来的滑点损失 o 成交方式：
1 被动成交：不需要立即成交，采取被动成交的方式，以限价挂单
2 主动成交：需要立即成交，采取主动成交的方式，如以市价成交，或以不利的限价成交 o 锁仓对冲
锁仓的交易模式是为了避免高昂的日内平仓手续费，而采取对冲的方式。
如果目前是空仓，则在平仓时，不进行平仓，而选择买多开仓
如果目前是多仓，则在平仓时，不进行不平处，而选择买空开仓 o 人工炒手 VS 机器交易
人工炒手可以主动根据信息进行交易，市场改变带来的调整不利于机器交易，短时间内开发的机器交易策略难以保障没有错误发生，带来极大的隐患 o 涨跌停处理
交易的时候会遇到涨跌停班的特殊情况，此时要进行专门的处理 o 交易接口API
订阅行情，下单交易，账号管理的程序化接口：
上期所的CTP、大商所的飞创、中金所的飞马、郑商所的易盛 o 算法交易
把一个大单分拆下单，从而减少交易成本
拆单评估指标：成交量加权平均价
了解用于研发策略的资产配置
过去的最优配置不代表未来也是最优的
使用动态规划（滚动预测）来优化
手续费的改变也应该实时调整策略的频率 o 风险分散方式
将资金分散，选择期货、股票、债券、货币等投资品种相关性较低进行资产配置
从资金管理的角度来看，是不是应该高波动的时候仓位更低一些，低波动的时候仓位更高一些，这样资金曲线更加平滑，这对股票配置型策略或许有一定道理，但是对期货趋势策略而言，却往往不是这样的。很多趋势追踪系统，一年下来只有两三个月有明显盈利，其余时间资金曲线都是呈现震荡态势，设置持续亏钱。这种情况下，往往更希望有高的盈亏比而不是胜率，因为策略性质决定了胜率不会很高。因此，在震荡低波动亏钱的时候，如果投入更多资金，则会使亏损更为严重；在高波动盈利行情，如果投入更少资金，则赚的也更少，这显然是不利于利润的积累。因此，商品趋势策略有着完全相反的逻辑，一般而言，在低波动是低仓位，在高波动时高仓位。多策略的配置可以自然而然地实现这个功能，比如高波动时期触发交易的策略数目更多，自然交易的仓位就更重。
在挑选策略时也不能仅仅看历史的资金曲线，还要考虑一下各个策略之间的相关性，毕竟策略的盈利能力未来跟过去可能会很不一样，但相关性却比较稳定，交易频率的相对关系也比较稳定
不同品种的波动程度不同，活跃程度不同，合约价值不同，简单的等资金分配意义不大。例如农产品的瓶中，市场持仓量和成交量较低，每个人能交易的手数会很少，量太大的话可能会带来较大的市场冲击。
如果是少资金，不涉及容量问题的，则等资金具有一定道理。因为总体而言，资金粉扫到的品种越多风险越低。如果活跃品种使用了过多资金，那么其他品种就没有多少资金，此时的等资金配比则基本可以保证每个品种都有资金。 o 策略风险的评价
风险评价模型的本质在于衡量各个资产对整体风险的贡献，包括自身的风险以及跟其他资产交叉作用带来的风险，然后优化的目标是最小化各类资产的风险差异，比如风险小的债券赋予更高的权重，风险高的股票赋予更低的权重，从而使投资组合内部各个风险资产的风险度差不多。
整个投资组合的风险，实际上是各个资产的风险总和。
了解用于研发策略的风险 o 实盘交易与模拟交易
模拟交易不会有资金的风险，实盘交易就不一样了。 o 行情风险
实盘程序要针对乌龙指等意外情况进行特殊处理，解决方法可以是要求程序在一定程度上要顺势开仓，这样避免在乌龙指等极端情况下仍然逆势而为。另外，如果确实发生了像乌龙指事件时，策略也应该密切监控实时的买卖价差，设定一定的阈值，大于一定阈值的时候则认为发生了意外事件，从逻辑上说价格会回归，应该等价格回归后再卖出平仓，避免平仓至地板价。 o 硬件风险
网络传输、停电或装修，第三方系统故障，柜台系统崩溃 o 程序风险
编程错误，逻辑错误，运行异常
了解用于研发策略的环境 o 期货历史发展的历程
1 2015年8月 证监会1限制股指每日开仓手数，2增加日内平仓手续费（100倍），3提高保证金比例（降低资金的杠杆）
2 2015年股灾，2016年股民转战期货市场，由于股民延续股票市场做多不做空的惯性，对期货进行做多，期货市场参与者的改变，导致原先的市场结构被破坏，出现散户钻钱大户亏钱的现象 o 关注私募的渠道
私募排排网：https://www.simuwang.com
好买基金网：https://www.howbuy.com/
格上理财：https://www.licai.com/
天天基金网：http://simu.eastmoney.com/data/smranklist.aspx
转播
