雪球工程师1号

讨论

Hi，各位球友们~
经过一周的雪球12.0版本内测，我们收集到了大量内测用户的反馈，其中既有角度精准的bug发现，也有对于12.0版本的优质建议和无限期待，随着12.0版本进入公测阶段，对于积极参与的内测用户，我们打算用雪球官方周边作为感谢：
感谢@miged @huangjinlong617 两位及时反馈了不...

讨论

我来了～欢迎大家加入内测，请大家注意下私信哟//@linan:还有其他球友吗，明天我们同事 @雪球工程师1号 会来关注我并留言的同学发邀请。

讨论

欢迎大家加入内测club~
我在这儿等着你

讨论

老板一早上把俺叫到小黑屋，语（晴）重（天）心（霹）长（雳）的说，“你们啊，别动不动就想搞个大规模，兔漾兔森跑”。默默两行泪，没规模，怎么招客服妹子啊？骗纸！5.22之前最后约了。
网页链接

【发奖】你有量化策略？活动中奖名单公布了！

对，5月3日，我们发起了“全球征集，你有量化策略？我有工程师啊”的活动，评论里涌现出相当多对量化感兴趣的球友。
还记得吗？我们准备了10件「雪球百万量化大赛」纪念T恤，送给在本帖下留言的球友。
就是这个：限量版雪球HackDay量化T恤
中奖者是以下10位：
@仙人冻 @光崽啊 @Oh...

讨论

呵呵，当然不是从公司黑客日的量化比赛学来的。我们是黑客日的主持人，比赛主要是让平时做不同项目的同事们都感受一下自己的码农技能在通宵24小时里能在一个新领域获得什么样的应用。这种活动对一个公司的技术文化和协同精神很有帮助。
我们的策略是长期开发积累的，当然也参考了国内外的主流...

讨论

如果你没有对冲工具的话，必须有好的大市择时策略，然后这个择时策略必须给予下行风险很大的权重（也就是说，以持有现金踏空反弹的代价来换取少亏）。
即使有对冲工具，也很难完全做到对冲风险的，因为工具很少能完全实现你的目的（比如你想对冲掉创业板股票多头的贝塔，但是只有IC期货）。

讨论

我们对左侧交易有一些偏见，所以对于左侧反转型的子策略的采纳会要求比较严（参数阀值会设得比较高）。
所以，在市场极端波动的时期，我们一般是仓位比较轻的（任何方向的仓位都比较轻），在脆弱的市场中尽量不做方向性的下注。
所以，那种让很多人一战成名的大逆转机会我们会错过很多的，...

讨论

大都是计算机专业毕业，算法工程师和后端工程师背景。

讨论

不算运营人员，我们现在有6个投研人员（其中5人全职）。
我们量化投研团队的构建有两个特点：
一是要求投研人员掌握独立完成全流程的技能，也就是码农所谓的全栈工程师（Full Stack Developer)。虽然有分工但是在技能上不能有短板。也就是说，不能只会出点子没能力自己写代码，也不能光懂...

讨论

高质量的数据源，甚至只是基于公开数据的商用数据库，其实都是很贵的。免费数据一般都是有很多错漏，甚至连一些基本的财务指标都会有明显错误，需要很多清洗工作，比想象中的要烦人。
免费数据自己平时看看没问题，但是要系统化的直接调用来做量化投资的话，因为数据错误而导致交易错误就得不...

讨论

答复问题2：量化投资的核心其实不是回测。回测只是借助历史数据发现一些规律，然后试图总结这些规律背后的原因。也就是说，要问自己，问什么这些赚钱的机会会存在，背后的根源在哪里，逻辑是什么。
如果发现很长一段时间里一个策略失效，那你要做判断是不是这个策略存在的基础和逻辑消失了。比...

讨论

答复问题1：震荡市里当然只能靠适合震荡市的子策略来养家糊口了。盈亏同源，趋势策略要想在趋势市赚钱，一定避免不了在震荡市会被收割。 至于怎么判断未来几个星期、一两个月是震荡市还是趋势市，有一些有帮助的指标，但是效果很好的指标很难找。这是千古难题。

讨论

我们认为不少这样的策略是有效的，但是切记不要过度优化参数。不过，无论策略多简单，其实很少人是能够长期严格执行这些策略的，太反人性了。

讨论

回复@赵钟: 你可以写代码抓雅虎财经的免费历史数据//@赵钟:回复@雪球工程师1号:我现在自己开发了全套平台，可惜目前不知道怎么搞到美股历史数据。。。现在只能跑国内数据

讨论

不会有多大影响的。我们觉得智能手机普及化对市场的影响比量化普及化大多了。
智能手机的普及大幅提高了下单的便利程度，可能会造成市场换手率上升。
而量化工具如果普及，市场换手率是变大还是变小其实并不好说。
量化只是工具。一些手痒的人可能因为采用了量化工具而变得更有...

讨论

首先设计者一定要认识到过度拟合是一个致命问题，不能自我麻醉。切记、切记、切记，重要的事情说三遍。
在这个大前提下减少过度拟合问题对工作的影响。几个大原则：
1、靠策略逻辑赚钱，而不是靠纯统计结果赚钱。
2、主要利用量化投资对纪律性和效率的优势，而不是纯数据挖掘的优势。<...

讨论

这个不由我们决定，听老板的。只要是对服务器资源的调用保证了我们提交任务的优先级，开放冗余计算资源给公众使用对我们来说没有损失的，反正我们工位也不在服务器散热口旁边。

讨论

投资赚钱与否和获利多少的最终瓶颈，其实还是在设计者自己的投资水平。机器学习只能提高纪律性和效率，是一个工具，不可能是制胜的法宝。

讨论

通常的阿尔法狗，比如谷歌下围棋的阿尔法狗，要具有自我学习能力必须满足两个前提条件： 1. 具有大量重复的历史数据。 2. 历史数据和未来数据是独立同分布的； 这两个条件，特别是后一个条件在股票市场上很难成立。 所以除了统计历史数据总结规律，同时还需要人工干预，防止系统产生过度拟合的结果