一部分老粉知道，我买的绝大多数股票是我自己的量化系统推荐的。但我很少在雪球谈量化，发帖一般只聊市场面。原因比较简单：我谈量化应该没人看，有些内容也不好说。
不过试试吧，写点。首先要强调的是，我聊的量化只限定于依据算法对股票未来走势进行预测，不涉及融券、反复挂撤单等手段。
将机器学习、深度学习应用于特定领域，要点在数据清理、数据表示、模型和标签构建等。在自然语言、图像领域，我们掌握至少一门语言、能识图，也就是说，我们对数据有一定程度的理解，我们知道可以根据一句话画出一幅图，此类任务是合理的，但在股市中，某些量到底能不能被预测是不一定的。我们甚至对数据本身的意义都不太理解，更别提设计任务了。
这里说的股市数据，更多指市场面数据，特别是量价数据。相比市场面数据，基本面数据是意义较明确、较好理解的。但基本面数据在量化中不太会占核心主导地位。我的观点是，如果一个量化系统主要用基本面数据，这个系统大概率平庸，因为它利用不好量化速度、频度上的优势。
市场面下，数据和标签的噪声特别大（消息刺激、情绪影响，或主力迷惑），数据不一定独立（同一截面，同一板块内或一个大题材下几个板块内的数据往往相互关联）同分布（同样爆量，高位爆量和低位爆量不同；不同板块、属性的票逻辑可能很不同，导致数据分布不同），存在概念漂移（p(Y|X)变化）（市场好强者恒强，市场差高低切明显）。对股市现象的产生，对股票量价波动有一定深度的理解，才能筛选、清洗、整理得到好的数据。
设计学习任务、选择模型等也需要对股市、对数据有理解。很多任务，难以达到想要的效果可能不是模型训练得不够好，是当前的输入本就得不到想要的输出的缘故（一部分股票一段时间内的走势能被较好地预测，但一部分股票（暴涨、阴跌的票）一段时间内的走势很难被预测）。输入或特征构建、标签构建、甚至超参数选取等都依赖于对股市数据的理解。在策略解释、归因和迭代方面，也需要有对数据的理解。
关于数据表示，我有一个比较有意思的观点：股票价格序列最小的有意义的单元不该是单个价格，而应该是由若干相邻价格构成的小结构。就像中文语句中承载语义的最小单位不是字，而是词。这个观点可能会给量价数据分析提供新的角度。单个价格的信息可能全被噪声埋没，但据我观察，很多小结构是有强信息的，比如小“w”型表示价格稳固。如果能有一个结构库，其中每个结构都有特定意义，而每个序列都能被划分成一系列结构，这样序列的意义就好解读了。偏数学一点，一个个结构就是一个个基底，一个序列用基底表示，后续分析上会容易很多。
有些观点不知道放哪好，记录在这至少不会忘。