又有哪些程序化的策略？
一、量化交易都是什么 量化交易、程序化交易、量化投资，听起来很高大上的名词。随着市场的成熟化，去散户化，量化交易慢慢成为机构投资的主要手段之一，但它真的如同印钞机一样，躺着赚钱，还是不过是把“手动亏钱”变成了“自动亏钱”，本文说说。 成熟市场，散户的占比是很少的，比如美股，不到10%的散户比例，其他都是机构，再比如外汇交易市场，就没几个散户，因为散户早就死光了。有些外汇黑平台，你只要去它哪里炒外汇，给你送100美金，各种赠送，因为它心里太清楚不过，来一个死一个，几乎不会有例外。 既然当散户，就是被收割的命，那就不要人为炒了，用计算机来搞，计算机没有情绪，严格执行指令，如果稳定盈利，岂不是日进斗金。是不是想象很美好？ 量化交易在外汇市场最为流行，因为外汇是高杠杆，而且24小时交易，作为一个交易者，如果按照日常作息去炒，只怕你在睡梦中，就爆仓了。外汇市场主要的量化工具是MT4（metatrader4），在MT4，MT5平台上，量化策略几万个，如过江之鲫。什么策略都有，只有你想不到，没有策略做不到的。 量化策略有几个大的方向，趋势、网格、趋势+网格、还有目前最为流行的机器学习。最简单的策略比如MA20策略，价格在20日均线以上就买，在20日均线以下就卖，别看这么简单，已经比大多数策略都强了。 机器学习就更是一个大开脑洞的地方，什么隐马尔科夫链、卷积、循环、蒙特卡洛树搜索，因为机器学习的决策特别像人，有些模糊化随机化，给人感觉机器给的指令，那就是深不可测，啥也别说的，听机器的就对了。于是掀起了一轮新的装X高潮。 趋势策略，一般是吃大势，在震荡过程中，不断承受小的亏损，最后通过盈亏比达标，获得利润。趋势策略基于人对于股市的认知，即所谓“截断损失，让利润奔跑”（loss cut，profit run）。趋势策略没有什么数学基础，都是靠感觉。认为虽然大部分时间市场哪儿都不去，就在那儿震，但一旦形成趋势，就可以获得超常回报。这就有一个问题了，“趋势”是真的存在吗？市场的“趋势”还是“震荡”是人想象出来的，还是真有？ 网格策略，跌了买，涨了卖，这个倒是有一定数学基础，也就是马丁格尔网格，俗称“翻倍加注法”，如果输了，下次赌注加倍，只要赢了一把，就能回本并盈利。条件是本金要无限多。 以上无论是什么方法，其实都是人凭借想象，对股市一种感觉，落实到策略上，最后通过回测，证明了这个方法的可靠。 二、当前量化方法的有效性数据测试的误区 现在测试量化方法的有效性，就是通过“回测”，回测是将历史数据，带入到自己的策略中，模拟过去时段策略的表现，但“回测”的作用，估计大多数都误会了，它基本上毫无用处。 然后对回测的结果，进行调整（调参），妄图达成一条稳定向上的曲线。奔着这个目标，耗尽心血，浪费了大把时间。 1、回测方法不科学，造成新手的第一大坑 经常有量化新手，学习量化没三天，跑出来的收益曲线惊天地泣鬼神，什么几倍都是小菜，什么几百倍，甚至几千万倍都有，按照这收益曲线，巴菲特直接被秒杀。可这些新手也不想想，你哪里来的自信，开几个脑洞，就赚这么多，这世界上还有人需要辛苦工作挣钱吗？ 新手犯错可能有几种： 1）程序根本就写错了，呵呵 2）未来函数，这是个比较隐秘的坑，需要好好找找原因，什么让你穿越了时间？ 3）大大低估了手续费与滑点的影响，其实，在交易中，手续费（或者说所有中间费用的总合）是决定性的。我看很多人回测A股，如果是趋势交易，设置交易费用千一，滑点千三，那就是太小看滑点了。（至于滑点是什么，可自行百度） 4）无法成交的情况，比如涨跌停，你根本买卖不到，如何交易？ 5）因为低估手续费，就造成低估了频繁交易手续费的影响，容易使得交易策略高频化，收益曲线看上去非常惊人。 2、回测是对历史的归纳，与未来是否有相关性？相关性大坑 这方面有几个案例，通常前几年表现好的基金，后几年就差；业绩差的基金经理，开除后业绩反而变好，这不是随口说说，有这方面研究论文。 换个市场，换个品种，换个时段，同样的策略，回测结果千差万别。 就算你避开了新手的坑，你同样可能掉进一个无穷回测的坑。 举个例子，你回测两个品种，一个回测结果好，一个回测结果差，请问你接下来打算应用该策略到哪个品种上？ 如果你说肯定是用在回测结果好的品种上，否则我要回测干什么，不就是寻找好的结果吗？ 恭喜你，你接下来，更大概率是会输给哪个回测结果差的。 3、调参的大坑 调参可能发生在所有策略中，特别是现在的机器学习最流行。想调个天昏地暗，又怕过拟合。 参数越多，得出的结果可能会越荒谬。这个就像你面对一个复杂系统，每多一个复杂度，系统就会更加混沌。你判断的最终结果大概率就是个错的。还不如家里的一条狗，来选股。 热衷于调参的人，都是一根筋，沉浸在虚拟的快感当中。可是结局早就注定是徒劳的。 量化圈经典的几个笑点： 1）回测吊上天，实盘不如狗 2）炒股穷三代，量化毁一生 以上，回测的意义是完全没有吗？其实是有的，比如你在程序中犯了一个低级错误，然后回测结果几万倍，你就知道，肯定是写错代码了。 回测的作用也就是这个了。 三、量化交易的根本问题 量化交易，通过建模，回测，然后通过程序化自动交易，取代了人工的买卖，效率上自然不必说，还是有进步的。 但量化交易的根本数学逻辑是什么，那就没那么明显了。 对市场价格进行数学变换，几乎所有市场，从加密货币，外汇，到美股、港股、A股，其实都一样，遵循完全相同的概率密度曲线，说个结论，比如外汇的EUR/USD,数学计算出来的结果是1.0006，随机过程是1，两者仅相差0.又有哪些程序化的策略？ 0006，也就是说，EUR/USD无限接近于随机过程，如果算上手续费、点差等因素，已经远低于1.0000了，你长期炒，只会通向死亡的终点。这一点也和外汇市场散户炒家近100%死亡率吻合。 当然市场有好有差，但空间都很小，手续费算进去，就没有哪个市场是很容易的，随着市场的成熟，空间会持续减少，直到变成外汇市场。外汇市场是最难的市场，是无敌的存在。 大致的市场空间排序为 加密货币>A股>美股>港股>外汇。 四、总结 量化交易，很多新手都有误解，以为就靠几个想法，就可以从市场上赚取大笔的钱，躺着赚钱是多么的令人神往。 但往往时间一长，就不再狂妄，知道市场是多么强悍。区别只在于，是被市场教训的早，还是教训的晚。 量化交易搞得比较大的平台，像Botvs,vnpy，聚宽，米宽等等，虽然掌握那么多量化的知识，积累了那么多量化的资源。最后还是靠给别人提供量化服务，教别人如何量化来赚钱了。你理解到底是为什么吗？ 而你，既不是智商高达150，也不是数学天才，更是连一个IMO奥数题都做不出，就你那点脑洞，真以为市场是病猫，也是你可以随意蹂躏的？ 你的所谓量化交易，其实就是些“自动亏钱机”，“云亏钱”，“碎钞机”罢了。
陈世彬：程序化交易就是“没有假设”和“不选择”
陈世彬： 2002年-2007年在香港一家地产公司工作，那是主要负责地产投资和美股港股的投资，期货也涉猎，但是主要还是地产和美股港股的投资！2007年开始就辞掉地产公司工作，专心做投资，一开始也是地产以及股票的投资，07年的大牛市收益很丰厚，但是到了08年金融危机，股市和地产都不行，07年的获利也会吐了很大一部分，不过还好整体还是盈利的！这个时候会有担心，如果熊市持续更长时间，未来的投资周期里面还会有这样的熊市怎么办？因为已经是专职投资者，家庭的生活都要靠投资回报来支撑，如果这样的市况更长那就没米下锅啦！这时候就想起来期货这个工具，期货可以在牛熊市都能有盈利机会，这个工具在我看来比地产和股票更具可持续的机会。
资管网：您又是从什么时候开始走上量化交易这条路的？
陈世彬： 期货的做法和股票还是有比较大的区别，如果要用期货这个工具获取持续稳定的盈利，那么需要有个持续的盈利核心才可以！更重要的是规避人性的弱点——贪婪和恐惧！所以从08年开始做期货开始，就已经是以量化交易的思路在做了！
资管网：您在期货上从什么时候走向盈利的？这之间又有什么感悟！
陈世彬： 其实08年做期货开始就已经是有比较稳定的盈利了！因为在真正开始以期货为主业之前，已经进行了大量的数据分析，然后有一套基础的交易系统了，才开始做期货，那时我主要做恒生指数期货！稳定盈利是我们的出发点，也是我们一直追求的目标！一开始在开发交易系统的时候，就 以风险可控，盈利可持续为目标，不盲目的追求高利润！ 所以稳定的盈利需要有一套完善的、风险可控的、盈利的可持续的交易系统！ 还有更重要的是有一颗“淡定”的心，不被市场左右的心！
资管网：谈一谈您设计量化策略系统所基于的理念及原理？
陈世彬： 我们从一开始就有一个想法：不论碰到什么样的年份，都能合理的投资回报！ 我们认为基于长周期的真实交易数据统计可以获得比较准确的概率！我们的核心是——概率！ 通过对恒生指数03年到现在每一笔交易数据的统计，得到了核心的概率，然后通过系统的构架来平衡收益和风险！ 我们认为长时间的真实数据的统计寻找出的概率（或者叫做数字跳动的规律），那么它就具有足够的稳定性和适用性 ！ 因此我们将交易系统测试了S&P500、TWSI、HSI都有不错的结果，其中以沪深300指数期货的结果最好！
资管网：您目前的交易策略是如何配置？以多长时间为周期？
陈世彬： 现在有7组策略，交易周期从几分钟，到一个小时以上都有！我们的交易系统有几个核心的算法，通过长短周期的来对冲风险！
资管网：请问在趋势和盘整两个不同时期，您的策略各有什么侧重？
陈世彬： 策略没有不同，都是一个完善的交易系统在做交易！上面提到了，我们的交易系统的核心是基于统计的概率，统计的时间从2003年到现在，涵盖了“非典”的突发情况、08年的金融危机，当然还有07年的大牛市！我们的概率经历了波动剧烈的市况，也有平淡的市况，都能取得其合理的收益！并且 策略的有效性也在不同的市况里得到了验证，因此我们的交易系统不会针对不同市况进行调整！
资管网：对于策略的优化您是怎么看待？如何评判策略是暂时的利润回撤还是已经失效？
陈世彬： 我们的交易系统不存在策略更新频率一说！不过关于交易系统的优化工作一直在进行中！所谓的 优化并不是定期去修改指标，我们的优化工作的目标就是测试十年来的数据和其他市场的数据，所展示出来的结果是否整体比优化前更好！优化不是单纯的适应目前的行情而进行的调整！！！ 既然交易系统是基于统计的概率，那么 概率的长期有效性就应该能支撑交易系统长时间有效地获利！
资管网：我了解到你们自己设计了一个叫“动力指标”的东西，跟大家介绍一下？
陈世彬： 我们设计了一个指标—— “ 动力指标”用来衡量一个周期内的市场活跃程度，理论上活跃程度高，我们的盈利就会高 ， 反之，就会出现盈利低或者亏损的情况！这个动力指标和盈利能力呈正相关关系，但是没有严格的系数！目前我们对“动力指标”也在做一些优化的尝试，希望动力指标能更准确的反应交易系统的盈利情况！
资管网：对于一套策略的优劣，您会如何评估？在程序化策略开发中你会回避怎样的主观的陷阱？
陈世彬： 我们设计交易系统的最初设想就是有一套完善的交易系统可以应对不同是市场情况，在不同的市场情况下我们都能有机会获得合理的稳定回报！所以我们选择了用大量的数据统计，用概率来设计系统，就为了达到“风险可控，盈利可持续”的目的！同时我们也在规避人性的弱点，这点很重要！我们交易系统与一些交易系统有一个很大的区别就是： 我们的交易系统没有“假设”！比如，假设未来行情怎么样，我应该用什么样的策略。我们不做假设，因为假设就涉及了人的主观判断，主观判断不是我们的强项！我们就是坚持用自己的交易系统持续的长时间做交易，那么该来的概率就会出现，我们也能获得合理的收益！ 就像2014年的4月到10月份，我们有较长时间的回撤，但是都在合理范围内，这时候的“动力指标”也表现得比以往低很多，那么我们认为这段时间的回撤是合理的！到了11月开始市场突然火爆，我们有两个月的集中应力，这样将一整年的盈利水平拉到了一个合理的范围内！
资管网：您早些时候的策略主要是针对恒生指数期货，相比于国内的沪深300指数期货和即将新上市新指数期货您在策略上会有哪些异同？
陈世彬： 我们关心的交易品种是，成交活跃度怎么样，是否容易受微观因素而产生很大影响！因为 成交活跃，不易受微观因素影响的品种，它的价格跳动就会呈现随机状态，这样的形态的统计才有意义，才能找出真正的概率！ 沪深300指数期货的成交比现在的恒生指数期货大非常多，市场更活跃，有更大的盈利机会！即将上市的品种我们也很期待，特别是中证500指数期货，它代表着中小企业指数，在国外中小企业指数期货的波动往往比大盘指数期货的波动大！具体情况需要等上市了才会知道，拭目以待！
资管网：您现在交易的品种除了在指数期货外还有没有兼顾商品期货，在不同品种上其量化策略理念会不会有很大的不同？
陈世彬： 就像刚才所说做什么品种，我们要看它成交活跃度怎么样，是否容易受微观因素而产生很大影响，价格跳动是否够随机！只要价格跳动一直都够随机，那么我们的交易系统就可以获得稳定的回报！目前开来国内的铜、橡胶、白银是不错的标的！
资管网：请您介绍一下您对组合投资上的看法，及您在交易系统中是如何实践您的这些想法？
陈世彬： 我们有核心的概率，有核心的算法，通过“又有哪些程序化的策略？ 时间”来构架交易系统！如果说我们的交易系统也是一种投资组合的话，那么我们应该属于周期组合！因为我们将核心的概率以及一些算法通过不同的“时间”周期来构架成系统，通过长短周期来实现交易系统内的风险对冲！之所以选择时间这个要素，在于“时间”是不变的，一天有24小时，股指期货的交易时间每天都是4.5小时（除非交易所改规则），通过这个不变的“时间”要素搭配确定的概率，让交易系统更稳固！
资管网：介绍一下您的资金管理原则？您的程序化是如何设置加仓、减仓策略？
陈世彬： 资金管理是基于客户对风险承受能力而设计的！目前市场上可接受的风险水平是20%的亏损，我们依据这个水平设计交易杠杆为33%左右！以11%的保证金比例算仓位大概是33%的仓位！关于加减仓也是我们的核心算法，但是已经包含在总仓位里面了！
资管网：您觉得量化交易者是否仍然需要关心基本面资讯？您是否尝试过将基本面资讯量化为指标的策略？
陈世彬： 我们认为基本面的资讯直接影响到市场上的投资者，市场上的价格变化是投资者对基本面资讯的直接反应，价格包含了基本面资讯在市场反应的信息！所以我们并没有针对基本面资讯有特别的策略！
资管网：您是如何平衡“收益”和“风险”的？您可接受的最大收益回撤是多少？
陈世彬： 风险永远是我们首要考虑的要素！整个交易系统就是以“风险可控，盈利可持续”的目标来设计！我们统计了那么长周期的数据，设计的交易系统也回测了那么长周期的数据，就是确保任何时间周期内，我们的风险都是在合理的可控的范围内！至于收益，要看市场给的机会，波动平淡的年份收益可能只有百分十几、二十几，碰到大牛市和大熊市，收益会到一倍甚至两倍以上！我们的交易系统以最大20%回撤来设计（如果客户对资金利用率或者风险度有特殊要求，我们会通过仓位来调整）！
资管网：请陈总介绍一下您团队以及对未来公司发展的规划？
陈世彬： 目前我们团队的核心人员主要就两个，我负责交易系统的运作，陈世杰负责整个公司的运营！公司的重要决策和关于公司的发展等事由我们兄弟共同商讨！
品牌程序化广告投放流程
在程序化广告中，基本是以DSP为中心进行开展的。DSP负责对接资源进行竞价投放，并协助广告主/4A广告代理进行第三方技术服务的对接工作等，因此本文的项目执行会以DSP为例进行介绍。
DSP在项目执行过程中，主要涉及的部门有五个：客户服务（account）、广告运营（operation）、媒介（media）、产品技术（product technology）、算法（algorithm）。客户服务部门是对外服务的接口人，代表着客户需求，因此整个项目执行过程中，是以客户服务为中心的，其它四个部门围绕业务需求进行配合。
客户服务：负责与品牌广告主/4A广告代理沟通协调，统筹客户服务工作。
广告运营：负责广告主投放需求的具体执行工作。
4）设计师：品牌广告主有自己严格的VI（Visual Identity, 即企业VI视觉设计）规范，广告创意一般是由品牌广告主或者第三方创意公司提供。因此，DSP方的设计师一般只负责修改创意尺寸（resize）的需求。
媒介：负责媒体流量的拓展、谈判和对接工作。在品牌程序化广告中，除了RTB投放模式外，对PMP尤其是PDB模式的需求也很大。因此媒介的工作主要是与各大交易平台AdX/SSP洽谈流量对接，以及PMP和PDB投放订单的价格、流量等商务谈判工作。
产品技术：一般由项目经理统筹管理所有与业务相关的产品及技术开发工作，并由产品经理/产品策划人员负责广告投放系统相关的设计工作，由开发人员进行系统开发及维护、对接媒体流量、对接广告主指定的各种第三方技术服务等工作。
算法：算法是程序化广告中的“大脑”（自动化策略）部门，需要对广告投放投放全流程进行数据分析与挖掘，协助客户服务部门及广告运营部门进行广告投放前的数据预估、自动优化广告投放策略等工作。
网站、APP广告，程序化广告到底是怎么卖掉的
那么问题来了，网站广告程序化广告到底是怎么卖掉的呢？
网站、APP卖个广告很容易吗？
- 直接销售（Direct Sales）
- 程序化保质保量（Programmatic Guaranteed）
- Exchange和Header竞价（Exchange Bidding and Header Bidding）
- 公开竞价（Open Auction）
- 私有市场（Private Marketplace/PMP）
- 首选交易（Preferred Deal）
数字广告直销
媒体的直销广告资源由于常常伴随着人工协商、人工销售成本，价格会比程序化广告要高很多。不过有些程序化平台（如谷歌的Google Ad Manager，旧称DoubleClick for Publisher，即DFP）也支持广告发布商和广告主通过平台来进行直销的议价以此降低成本。
程序化保质保量
如果量不能保证又不能补或退那就尴尬了
这种方式通常以CPM的方式来进行售卖。其价格较高，相应地，投放的效果也比其他程序化方式要好。在下单前广告发布商需要对现有媒体的人群进行分析，用广告主要求的人群条件进行估算。举个简单的例子，广告主要求的是 在上海+用iPhone+女性 的群体，那么广告主可以查看历史人群并估算该人群每日的PV数量以此来估算某个广告位相对于该特定人群每天可以展示的次数。
如果实际的展示数未能满足广告主约定的数量，那么可以延期或者按实际的展示数和CPM（千次展现成本）结算。
Exchange竞价和Header竞价
Waterfall Auction（左）与Header Auction（右）对比
我们再来复习一下。媒体可以通过SSP接入的多个Ad Exchange（广告交易平台）扩大参加竞价的广告主集合数。但是传统的瀑布流模式是先设个底价，然后通过“一个个先后询问”的方式选择第一个高于等于底价的Ad Exchange来出售。头部模式会同时询问多个Ad Exchange来选择最高出价者。显然后者的收益对媒体、广告发布者来说会大很多。因此自2016年头部竞价问世以来，瀑布模式就逐渐消亡。
- 参与竞价的Ad Exchange必须部署了Ads.txt。
- 参与竞价的Ad Exchange不超过十家。
- 参与竞价的各家出价由DFP收集，略失透明度。
公开竞价往往被用于一些“尴尬”位置的广告位