v*****k
发帖数: 7798 | 1 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
排名不分先后）
喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
从机器学习的角度来说各种TA无非是训练不同的classifier。
0.量价关系是股市公理。否认这个就不用看下去了。
1. No Free lunch theorem
没有永远好用的单一乃至集合指标或者系统
2. occam's razor
指标够用就行。根据本人research经验，多个指标简单voting就“够用”。这个可能各
人有不同标准。
3. 理想状态是有一个系桶不停优化做到对过去data最优,但是
a. 我不是村长，没钱没时间没精力。复杂的classifier好用，但是得花费巨 量金
钱tuning。
b. overfitting 即使不用未来数据也会产生。
4. 至于用什么指标问未眠秋月完少cww虎谷风湿膏 （以上排名不分先后）。
5. 为什么我相信这样可以work？因为有大傻蛋的存在。谁是大傻蛋？问王二吧。呵呵 |
l********g
发帖数: 5070 | |
g********5
发帖数: 10335 | 3 顶出路哈哈
俺青蛙这样有救了
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
g****e
发帖数: 186 | 4 大牛,先解释下什么是TA/FA...另外顺代说下ER/OE....
仙语不太懂还,俺是纯青蛙....
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
v*****k
发帖数: 7798 | 5 technical analysis 看K线图的
fundamental analysis 研究基本面的
Earning report
option expire
【在 g****e 的大作中提到】
: 大牛,先解释下什么是TA/FA...另外顺代说下ER/OE....
: 仙语不太懂还,俺是纯青蛙....
|
g****e
发帖数: 186 | 6 收藏了,多谢!
【在 v*****k 的大作中提到】
: technical analysis 看K线图的
: fundamental analysis 研究基本面的
: Earning report
: option expire
|
s*****n
发帖数: 5488 | 7 俺ATM以后就跟你学了。
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
b********0
发帖数: 339 | 8 不是说“不用未来数据，” 而是说不用“过去未来”的数据。两者有着本质的区别。 |
b********0
发帖数: 339 | 9 其实，无论用不用系统，炒股成功者总是极少数。
我认识一个看图炒股的人，从97年开始学炒股到现在只有一年略损。这样的人极罕见，
也许他的思维方式适合炒股。 |
v*****k
发帖数: 7798 | 10 你别寒碜我了。剑老兄牛b的时候我还没开户呢
【在 s*****n 的大作中提到】
: 俺ATM以后就跟你学了。
|
|
|
v*****k
发帖数: 7798 | 11 overfitting 永远存在
【在 b********0 的大作中提到】
: 不是说“不用未来数据，” 而是说不用“过去未来”的数据。两者有着本质的区别。
|
b********0
发帖数: 339 | 12 你还是先去问问教你统计学的教授吧？
【在 v*****k 的大作中提到】
: overfitting 永远存在
|
v*****k
发帖数: 7798 | 13 也可能定义不一样.统计和machine learning 很多不一致的地方
【在 b********0 的大作中提到】
: 你还是先去问问教你统计学的教授吧？
|
i****e
发帖数: 451 | 14 这个要看overfitting怎么定义了
假设你的数据足够多，signal/noise足够大，那用一个简单的线性模型就不如用个
smoothing spline之类的，因为后者显然比前者空间大，并且你的情况也允许你用。这
个情况很多人叫做underfitting。其实就是approximation error 和 estimation
error的tradeoff
如果你的overfitting的定义是test error 显著大于 training error的话，那只要你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没什么人用
【在 v*****k 的大作中提到】
: 也可能定义不一样.统计和machine learning 很多不一致的地方
|
s****l
发帖数: 10462 | 15
~~~~~~~~~~~~~~~~靠，不要这么损俺啊。我哪能跟C帅比肩；替可乐姐提包包害怕唐突
佳人呢。
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
b********0
发帖数: 339 | 16 不管怎么说，讨论是有益的。我如有时间可以用具体模型的结果来说明问题。
填充本身是优化理论中的概念，其对统计意义造成的影响属于统计的课题。
因为优化发生在样内空间，填充是发生在样内空间的。
在样外空间本来就没有填充的概念。所以步进式优化方法，不看样内结果，只看样外结
果，所以能避免填充（不仅仅是避免过分填充）。我今天没有时间做真实的计算，但以
下的虚拟结果应该能在一定程度上澄清问题。
仍以多年前那个投行的方法为例。对近十年3000股票中的每一只做优化找出最佳移动均
线对周期。总体十年回报为10000%，这就是有严重填充的样内结果。很多年前，华尔街
很多人认为要看今后的结果才能辨认系统的真伪。道理很简单，今后的结果是样外结果
。而步进式的方法在过去十年，就已经能够看到样外结果。以步进式优化移动均线周期
，我们看到的不会是10000%的回报，而可能是 -30% 的回报，因为这一结果是样外结果
。我们由此便可否定之一交易策略。 |
b********0
发帖数: 339 | 17 记得有人说过，如果你过分努力，即使采用步进式方法，仍会造成过分填充现象。
这一说法层次较深，作交易系统的人往往不理解这一说法，我想大致解释一下：
在我们的例子中，确定了一个交易策略，不需担心以上的说法。
但如果“你过分努力，”将步进式方法同时应用到50个交易策略中，选择结果最好的一
个，填充现象就已经发生。问题正好出现在最后的选择。这一选择在无意中已将样外空
间变成了样内空间，因为我们最后这一选择是发生在“过去未来”时态中的。
对于做单一产品系统的人来说，对以上问题的理解更为重要，因为单一产品系统的统计
意义本来就低。以上的最后选择可能已严重危害到你的系统的可靠性。 |
c***1
发帖数: 3281 | 18 好专业啊。
里面有好几个词不懂。
你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没
什么人用
【在 i****e 的大作中提到】
: 这个要看overfitting怎么定义了
: 假设你的数据足够多，signal/noise足够大，那用一个简单的线性模型就不如用个
: smoothing spline之类的，因为后者显然比前者空间大，并且你的情况也允许你用。这
: 个情况很多人叫做underfitting。其实就是approximation error 和 estimation
: error的tradeoff
: 如果你的overfitting的定义是test error 显著大于 training error的话，那只要你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没什么人用
|
s***e
发帖数: 267 | 19 理工科WSN班门弄斧三脚猫而已，和可乐美女渊博的功底你不能相提并论的
【在 c***1 的大作中提到】
: 好专业啊。
: 里面有好几个词不懂。
:
: 你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没
: 什么人用
|
f**********r
发帖数: 2137 | |
|
|
c***1
发帖数: 3281 | 21 不会。这好几个machine learning/statistics的专用名称，不懂。
板凳学习。
【在 s***e 的大作中提到】
: 理工科WSN班门弄斧三脚猫而已，和可乐美女渊博的功底你不能相提并论的
|
v*****k
发帖数: 7798 | 22 this is what I meant.我不应该用overfitting这个词。更糟糕的是你甚至并不能保证
training和testing的data在一个概率空间内。
【在 b********0 的大作中提到】
: 记得有人说过，如果你过分努力，即使采用步进式方法，仍会造成过分填充现象。
: 这一说法层次较深，作交易系统的人往往不理解这一说法，我想大致解释一下：
: 在我们的例子中，确定了一个交易策略，不需担心以上的说法。
: 但如果“你过分努力，”将步进式方法同时应用到50个交易策略中，选择结果最好的一
: 个，填充现象就已经发生。问题正好出现在最后的选择。这一选择在无意中已将样外空
: 间变成了样内空间，因为我们最后这一选择是发生在“过去未来”时态中的。
: 对于做单一产品系统的人来说，对以上问题的理解更为重要，因为单一产品系统的统计
: 意义本来就低。以上的最后选择可能已严重危害到你的系统的可靠性。
|
v*****k
发帖数: 7798 | 23 就好比说，你考试前不知道试题然后考出来的是你的真实水平。但是做系统的人往往不
自觉的把真题拿来练习，有时候就会考出匪夷所思的高分。我的point 是，有时候你甚
至不知道你的系统复习的是不是明天要考的。当然我不是说系统不如人，我只是说人完全可以胜过系统 （在散户级别上）。
【在 c***1 的大作中提到】
: 不会。这好几个machine learning/statistics的专用名称，不懂。
: 板凳学习。
|
b********0
发帖数: 339 | 24 我所说的那个“过分努力”的问题是仍然可以解决的，不过涉及太深，以后再说吧。
同意你关于散户的说法。其实很多对冲基金经理在这方面同样没有足够的能力。
【在 v*****k 的大作中提到】
: this is what I meant.我不应该用overfitting这个词。更糟糕的是你甚至并不能保证
: training和testing的data在一个概率空间内。
|
s***e
发帖数: 267 | 25 其实这么罗里罗嗦的，你们这些大牛都知道的，只不过被jargon唬住了
无非说了这么几点：
1. 不要mhp，要mqp;
2. 不要放炮太多，放多了总会中的，但那不能代表你水平高
【在 c***1 的大作中提到】
: 不会。这好几个machine learning/statistics的专用名称，不懂。
: 板凳学习。
|
v*****k
发帖数: 7798 | 26 很有兴趣。推荐两篇paper？
【在 b********0 的大作中提到】
: 我所说的那个“过分努力”的问题是仍然可以解决的，不过涉及太深，以后再说吧。
: 同意你关于散户的说法。其实很多对冲基金经理在这方面同样没有足够的能力。
|
w**********l
发帖数: 8501 | 27 哈哈，你真逗。
【在 s***e 的大作中提到】
: 其实这么罗里罗嗦的，你们这些大牛都知道的，只不过被jargon唬住了
: 无非说了这么几点：
: 1. 不要mhp，要mqp;
: 2. 不要放炮太多，放多了总会中的，但那不能代表你水平高
|
b********0
发帖数: 339 | 28 可惜公开的论文基本无用，机构内的研究报告不准外传。我曾对一个朋友说他的文章没
什么实际意义，他回答说他没用的才发表。
06年时某中文论坛上有个ID就曾在某投行做这个。他说他们做了一年多，以失败告终，
整个部门取消了。
我个人运气不错，做得早一些，那时市场效率也低，赚钱真容易。现在竞争越来越激烈
了。
【在 v*****k 的大作中提到】
: 很有兴趣。推荐两篇paper？
|
b********0
发帖数: 339 | 29 有个叫 Ernest Chan 的写过本书：
Quantitative Trading: How to Build Your Own Algorithmic Trading
他以前在一家对冲基金做，后来出来自己做。他提到过逐日步进式方法，他说他以前的
老板称之为无参数法，他认为计算量太大，所以从来没用过。但我们已用了很多年了。
我个人的观点是，宁愿在其他地方做更简单的运算，也要用步进法。否则看到的结果太不真实
。 |
y********r
发帖数: 2836 | 30 省省吧，什么系统，ta，fa的，散户一只，倒腾来倒腾去到头来还是给庄家喂饭的命，
今天折腾系统搞点钱，明天折腾ta就把赚的点买菜钱加上点本赔进去了。散户想赚钱，
就一条，抱几个绩优股，抱个几年，没准还能保证每年大于百分之五的盈利；再不季买
指数，赶着经济好转抱个长线，也没准能赚点小钱。散户折腾，就一下场，血本无归。
是，是有少数散户做大了，但别幼稚了，真当自己是巴菲特股神啊。股版就是虚拟交易
大厅，坐交易大厅里面的大妈大爷，1000个里面999个看着一个能忽悠的，结果全部是
赔的，这个版也不例外。牙齿打掉了还要往肚子里咽，没办法啊，bbs上不能丢脸。自
欺欺人。所以诸位还是省省吧，好容易赚点钱，给庄家送度假礼钱还不如自己留着买好
吃的。
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
|
|
v*****k
发帖数: 7798 | 31 牛。赞。大家注意别把吃饭的钱赔进去了。
【在 y********r 的大作中提到】
: 省省吧，什么系统，ta，fa的，散户一只，倒腾来倒腾去到头来还是给庄家喂饭的命，
: 今天折腾系统搞点钱，明天折腾ta就把赚的点买菜钱加上点本赔进去了。散户想赚钱，
: 就一条，抱几个绩优股，抱个几年，没准还能保证每年大于百分之五的盈利；再不季买
: 指数，赶着经济好转抱个长线，也没准能赚点小钱。散户折腾，就一下场，血本无归。
: 是，是有少数散户做大了，但别幼稚了，真当自己是巴菲特股神啊。股版就是虚拟交易
: 大厅，坐交易大厅里面的大妈大爷，1000个里面999个看着一个能忽悠的，结果全部是
: 赔的，这个版也不例外。牙齿打掉了还要往肚子里咽，没办法啊，bbs上不能丢脸。自
: 欺欺人。所以诸位还是省省吧，好容易赚点钱，给庄家送度假礼钱还不如自己留着买好
: 吃的。
|
j******m
发帖数: 3259 | 32 说出了很多真心话，先占个位，等会儿回来回 :)
【在 y********r 的大作中提到】
: 省省吧，什么系统，ta，fa的，散户一只，倒腾来倒腾去到头来还是给庄家喂饭的命，
: 今天折腾系统搞点钱，明天折腾ta就把赚的点买菜钱加上点本赔进去了。散户想赚钱，
: 就一条，抱几个绩优股，抱个几年，没准还能保证每年大于百分之五的盈利；再不季买
: 指数，赶着经济好转抱个长线，也没准能赚点小钱。散户折腾，就一下场，血本无归。
: 是，是有少数散户做大了，但别幼稚了，真当自己是巴菲特股神啊。股版就是虚拟交易
: 大厅，坐交易大厅里面的大妈大爷，1000个里面999个看着一个能忽悠的，结果全部是
: 赔的，这个版也不例外。牙齿打掉了还要往肚子里咽，没办法啊，bbs上不能丢脸。自
: 欺欺人。所以诸位还是省省吧，好容易赚点钱，给庄家送度假礼钱还不如自己留着买好
: 吃的。
|
i**p
发帖数: 350 | 33 大家用得比较多的就是你所谓"定义太局限"的那个吧？
http://en.wikipedia.org/wiki/Overfitting
你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没
什么人用
【在 i****e 的大作中提到】
: 这个要看overfitting怎么定义了
: 假设你的数据足够多，signal/noise足够大，那用一个简单的线性模型就不如用个
: smoothing spline之类的，因为后者显然比前者空间大，并且你的情况也允许你用。这
: 个情况很多人叫做underfitting。其实就是approximation error 和 estimation
: error的tradeoff
: 如果你的overfitting的定义是test error 显著大于 training error的话，那只要你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没什么人用
|
i****e
发帖数: 451 | 34 No, read it more carefully. Typically they meant if you pass the best
tradeoff between bias-variance.
Training error smaller than test error is almost everywhere.
【在 i**p 的大作中提到】
: 大家用得比较多的就是你所谓"定义太局限"的那个吧？
: http://en.wikipedia.org/wiki/Overfitting
:
: 你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没
: 什么人用
|
p*****d
发帖数: 560 | 35 你就别瞎扯吹牛逼了.靠你的"系统"统计和分析过去的股价和其他数据,能知道某个公司
未来的盈利和增长,基本就是瞎扯蛋.你最多也就是和散户差不多200日50日或其他拟合
均线买卖捂着.
问题是你的统计系统根本不会知道哪个公司会是大牛股,等你的统计系统知道了,也基本
涨完了,不过你又可以马后炮来放臭屁了.
【在 b********0 的大作中提到】
: 可惜公开的论文基本无用，机构内的研究报告不准外传。我曾对一个朋友说他的文章没
: 什么实际意义，他回答说他没用的才发表。
: 06年时某中文论坛上有个ID就曾在某投行做这个。他说他们做了一年多，以失败告终，
: 整个部门取消了。
: 我个人运气不错，做得早一些，那时市场效率也低，赚钱真容易。现在竞争越来越激烈
: 了。
|
P*B
发帖数: 2876 | 36 量价关系是股市公理？操盘的在这点上掩饰不了吗？
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
s****a
发帖数: 260 | 37 散户就不要想这些了，老老实实找到适合自己的路子，然后练熟了能一招毙敌就行。
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
g*****u
发帖数: 14294 | 38 这个可以投征文。
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
c**y
发帖数: 419 | 39 我估计你说的是rolling period regression, 而不是step wise regression
step wise说的是很多变量, 一步步选择的问题
你这个意思, 用rolling period更贴切点
ernst chan也没看出它有多牛, 也就是个mean reverting的long/short方法
太不真实
【在 b********0 的大作中提到】
: 有个叫 Ernest Chan 的写过本书：
: Quantitative Trading: How to Build Your Own Algorithmic Trading
: 他以前在一家对冲基金做，后来出来自己做。他提到过逐日步进式方法，他说他以前的
: 老板称之为无参数法，他认为计算量太大，所以从来没用过。但我们已用了很多年了。
: 我个人的观点是，宁愿在其他地方做更简单的运算，也要用步进法。否则看到的结果太不真实
: 。
|
c**y
发帖数: 419 | 40 您太牛x了,过分填充, 一看就是90年代就出去的老教授
fit不叫填充, 叫拟合
【在 b********0 的大作中提到】
: 记得有人说过，如果你过分努力，即使采用步进式方法，仍会造成过分填充现象。
: 这一说法层次较深，作交易系统的人往往不理解这一说法，我想大致解释一下：
: 在我们的例子中，确定了一个交易策略，不需担心以上的说法。
: 但如果“你过分努力，”将步进式方法同时应用到50个交易策略中，选择结果最好的一
: 个，填充现象就已经发生。问题正好出现在最后的选择。这一选择在无意中已将样外空
: 间变成了样内空间，因为我们最后这一选择是发生在“过去未来”时态中的。
: 对于做单一产品系统的人来说，对以上问题的理解更为重要，因为单一产品系统的统计
: 意义本来就低。以上的最后选择可能已严重危害到你的系统的可靠性。
|
|
|
c**y
发帖数: 419 | 41 你说的没错
没啥实质性的东西
【在 s***e 的大作中提到】
: 理工科WSN班门弄斧三脚猫而已，和可乐美女渊博的功底你不能相提并论的
|
o******o
发帖数: 458 | 42 key point:
抄底抄在无量处，追高追在均线上，止损止在前低下，止盈止在暴量时 |
o******o
发帖数: 458 | 43 make sense
在 vanmark (controlled aggression) 的大作中提到: 】
完全可以胜过系统 （在散户级别上）。 |
b********0
发帖数: 339 | 44 我来美国的时间比你想象的还要早得多，确实不熟悉很多中文术语，有时只能瞎猜了。
我没有读过中文的统计或金融类的书籍，能用中文大致描述出来应该算是不错了：）
【在 c**y 的大作中提到】
: 您太牛x了,过分填充, 一看就是90年代就出去的老教授
: fit不叫填充, 叫拟合
|
S******t
发帖数: 8388 | 45 好人！
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
b********0
发帖数: 339 | 46 我说的是逐日 walk forward 方法，不一定是回归。一般是对历史的每一天重新做之前
的优化或回归。只记录样外结果。
Chan的书中错误不少，猜想他也不可能取得高回报。在资金管理者中，能稳定地取得高
回报的人不会超过1/1000。估计他的水平不会进到1/1000之内。
【在 c**y 的大作中提到】
: 我估计你说的是rolling period regression, 而不是step wise regression
: step wise说的是很多变量, 一步步选择的问题
: 你这个意思, 用rolling period更贴切点
: ernst chan也没看出它有多牛, 也就是个mean reverting的long/short方法
:
: 太不真实
|
r*g
发帖数: 3159 | 47 能不能多讲讲这个竞争越来越激烈？
当你的系统利润降低的时候，你怎么判断是市场的原因，是竞争对手的原因，还是别的？
怎么决定系统需要修理还是需要扔掉？
【在 b********0 的大作中提到】
: 可惜公开的论文基本无用，机构内的研究报告不准外传。我曾对一个朋友说他的文章没
: 什么实际意义，他回答说他没用的才发表。
: 06年时某中文论坛上有个ID就曾在某投行做这个。他说他们做了一年多，以失败告终，
: 整个部门取消了。
: 我个人运气不错，做得早一些，那时市场效率也低，赚钱真容易。现在竞争越来越激烈
: 了。
|
b********0
发帖数: 339 | 48 Overfitting 在交易中可定义为回报分布的蜕化。譬如说仅从结果的统计看年回报大于
50%的概率为97%，但考虑到参数优化后这一概率降低为20%，这可以说是Overfitting了
。有人看Variance，但在交易理论中不如以上的看法。
我个人认为，最好的方法还是通过样外结果从新计算统计意义。步进方法就是想取得更
多的样外数据（不断优化本身未必有利）。步进方法本身不是交易策略，而是交易策略
的一个检测手段，可看成是一个发展平台。一个交易策略的真伪可由它来检测，而它本
身并不增加策略的回报或减少策略的风险。
要想增加单位风险上的回报，仍要从策略上下手。增加统计意义要靠大量的时、空分散
。时间分散带来的就是HFT。统计套利成功要靠每天做大量的交易，程序下单难以避免
。这也许是多数业余炒家难以逾越的障碍！
你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没
什么人用
【在 i****e 的大作中提到】
: 这个要看overfitting怎么定义了
: 假设你的数据足够多，signal/noise足够大，那用一个简单的线性模型就不如用个
: smoothing spline之类的，因为后者显然比前者空间大，并且你的情况也允许你用。这
: 个情况很多人叫做underfitting。其实就是approximation error 和 estimation
: error的tradeoff
: 如果你的overfitting的定义是test error 显著大于 training error的话，那只要你用了什么优化，做了点功的话，一般都overfit了。不过这个定义太局限了，好像没什么人用
|
b********0
发帖数: 339 | 49 这是一个非常值得探讨的问题。以下是我个人的观察与观点。
（1）竞争对手的增加是市场效率增加的主要动力。从长期看市场效率的增加会使几乎
所有交易方法趋于无效。MIT 的 A Lo 的一个极简单的均归模型07年的日回报是97时的
1/8。他以此解释为何很多对冲基金不得不提高杠杆，而在97年造成一次流动性坍塌。
那几天市场变化并不厉害。一般地说，市场效率增加应该是渐进的，有起伏的。我个人
也曾看到过突变。04年我的系统的日回报在某天后突然下降了30%，而此前此后回报稳
定，如同一个明显的阶梯。几乎可以肯定是某机构启动了一个新的交易程序，与我的程
序有较强的关联。系统是要逐渐改进的，只要单位风险上的回报满足你的要求，就应继
续使用。一个优秀的大型组合交易程序可以在几年内持续取得优良的结果。
（2）另一类使系统变坏（或变好）是非竞争性的市场变化造成的。譬如08年的风暴及
以后的政府干预。实际上降低了市场的有效性，对我们有利。这时候是发展系统的最佳
时机。
（3）另有一些方法可用于度量市场的有效性，譬如熵的计算。熵增加时所有方法都会
衰退。从长期看熵是不断增加的，虽然08年后，熵略微逆转。
的？
【在 r*g 的大作中提到】
: 能不能多讲讲这个竞争越来越激烈？
: 当你的系统利润降低的时候，你怎么判断是市场的原因，是竞争对手的原因，还是别的？
: 怎么决定系统需要修理还是需要扔掉？
|
b********0
发帖数: 339 | 50 拿现在一个无用的系统，回到很多年前，可能就有1000%的年回报。如同中国拿现在的
武器，回到二战，自然是战无不胜，攻无不克。这样的想法最多只有科幻级的意义。市
场效率的不断增加是每个抄家最终的噩梦。
关键是在你所在的时代，跟上步伐。 |
|
|
w**********y
发帖数: 1691 | 51 Data in the same probability space. Omg. Could pls stop using stat
terminologies if you really don't understand them.
this is what I meant.我不应该用overfitting这个词。更糟糕的是你甚至并不能保证
training和testing的data在一个概率空间内。
★ Sent from iPhone App: iReader Mitbbs Lite 7.20
【在 v*****k 的大作中提到】
: this is what I meant.我不应该用overfitting这个词。更糟糕的是你甚至并不能保证
: training和testing的data在一个概率空间内。
|
a*****e
发帖数: 1717 | 52 that books is not good,
I finish it in half day, very beginner level
太不真实
【在 b********0 的大作中提到】
: 有个叫 Ernest Chan 的写过本书：
: Quantitative Trading: How to Build Your Own Algorithmic Trading
: 他以前在一家对冲基金做，后来出来自己做。他提到过逐日步进式方法，他说他以前的
: 老板称之为无参数法，他认为计算量太大，所以从来没用过。但我们已用了很多年了。
: 我个人的观点是，宁愿在其他地方做更简单的运算，也要用步进法。否则看到的结果太不真实
: 。
|
V********n
发帖数: 3061 | 53 我觉得只有对类似统计套利、均值回归之类具有“自我消灭”性质的model才会有这个
噩梦吧？
另外，如果你的系统的收益和市场效率有明显的递减关系，那么你应该尽快到越南、中
国等新兴股市去开拓——如果他们有适合你的系统的品种的话，那里的市场效率明显没
有欧美高。
【在 b********0 的大作中提到】
: 拿现在一个无用的系统，回到很多年前，可能就有1000%的年回报。如同中国拿现在的
: 武器，回到二战，自然是战无不胜，攻无不克。这样的想法最多只有科幻级的意义。市
: 场效率的不断增加是每个抄家最终的噩梦。
: 关键是在你所在的时代，跟上步伐。
|
V********n
发帖数: 3061 | 54 逐日forward会有用处吗？我不知道你详细是怎么做的（如果有时间，不妨聊聊），不
过我的理解是逐日forward不会改变你的系统交易的总效果。
举个例子而言：我们知道均值是对一个数据集的一种最简洁的描述，如果你在一列时序
数据里按照一个固定的时间窗计算一个移动平均（比如股市上常用的30日均线Ma30），
它其实就是一种最简单的逐日forward的model，从交易的效果来说，MA30和MA50和用一
个总的均值，应该是一样的随机的。
【在 b********0 的大作中提到】
: 我说的是逐日 walk forward 方法，不一定是回归。一般是对历史的每一天重新做之前
: 的优化或回归。只记录样外结果。
: Chan的书中错误不少，猜想他也不可能取得高回报。在资金管理者中，能稳定地取得高
: 回报的人不会超过1/1000。估计他的水平不会进到1/1000之内。
|
b********0
发帖数: 339 | 55 市场的效率增加将影响所有交易者，不论是做宏观的还是微观的。看看巴菲特这十年的
表现就知道。
你非常正确，新兴市场自然效率低。没实际操作过A股，但作过中长线的系统研究，的
确比美国市场容易。但中国收取印花税，又有T+1及限涨限跌等规则，无法做高频套利。
还有就是万分之五的佣金也太高。
【在 V********n 的大作中提到】
: 我觉得只有对类似统计套利、均值回归之类具有“自我消灭”性质的model才会有这个
: 噩梦吧？
: 另外，如果你的系统的收益和市场效率有明显的递减关系，那么你应该尽快到越南、中
: 国等新兴股市去开拓——如果他们有适合你的系统的品种的话，那里的市场效率明显没
: 有欧美高。
|
w********2
发帖数: 16371 | 56 国内还是又可以做套利的。
而且交易费可以谈下来。
利。
【在 b********0 的大作中提到】
: 市场的效率增加将影响所有交易者，不论是做宏观的还是微观的。看看巴菲特这十年的
: 表现就知道。
: 你非常正确，新兴市场自然效率低。没实际操作过A股，但作过中长线的系统研究，的
: 确比美国市场容易。但中国收取印花税，又有T+1及限涨限跌等规则，无法做高频套利。
: 还有就是万分之五的佣金也太高。
|
b********0
发帖数: 339 | 57 能更具体地说说吗？谢谢！
【在 w********2 的大作中提到】
: 国内还是又可以做套利的。
: 而且交易费可以谈下来。
:
: 利。
|
b********0
发帖数: 339 | 58 我前面说过，步进方法不是交易策略，而是检测交易策略中优化问题的平台。
譬如说如果你的优化有过度拟合的缺陷，采用步进方法检测，可使这一缺陷暴露无遗。
譬如说你优化移动均线周期，历史结果很好，我们以此决定今后的交易，有用吗？我们
并不知道，那个历史结果是样内结果。
但如采用步进式检测，我们看到的是样外结果，应该很容易否定这一交易策略（也可能
肯定这一交易策略）。
我们所说的可能不属于同一概念。
【在 V********n 的大作中提到】
: 逐日forward会有用处吗？我不知道你详细是怎么做的（如果有时间，不妨聊聊），不
: 过我的理解是逐日forward不会改变你的系统交易的总效果。
: 举个例子而言：我们知道均值是对一个数据集的一种最简洁的描述，如果你在一列时序
: 数据里按照一个固定的时间窗计算一个移动平均（比如股市上常用的30日均线Ma30），
: 它其实就是一种最简单的逐日forward的model，从交易的效果来说，MA30和MA50和用一
: 个总的均值，应该是一样的随机的。
|
V********n
发帖数: 3061 | 59 市场效率的增加的确是不可逆的，不过我怀疑它只是收敛于一个小于100%的值，所以我
不是很担心最后大家都没得做。arb也许是没得做了，不过巴菲特这样的投资者，还有
一些类似position trading、market timing类的交易，应该永远有的做吧？
A股市场的情况是：指数期货可以T+0，手续费听说可以谈到万分之三甚至万分之二。不
过我也是道听途说，做不得准。
利。
【在 b********0 的大作中提到】
: 市场的效率增加将影响所有交易者，不论是做宏观的还是微观的。看看巴菲特这十年的
: 表现就知道。
: 你非常正确，新兴市场自然效率低。没实际操作过A股，但作过中长线的系统研究，的
: 确比美国市场容易。但中国收取印花税，又有T+1及限涨限跌等规则，无法做高频套利。
: 还有就是万分之五的佣金也太高。
|
V********n
发帖数: 3061 | 60 可不可以展开来详细说说，或者举个例子，你说用步进方式“可以很容易否定/肯定这
一交易策略”，听起来好像很有用。
比如以我们提到的优化移动均线周期的例子，我们知道对均线周期优化来优化去就是在
对历史数据做fitting而已，肯定可以fit出一个很好的数据出来，但是对于未来的交易
半毛钱用处都没有，按找你说的，用步进方法是怎么去检测它的有效性呢？在training
set上一格一格移动检测一遍？
【在 b********0 的大作中提到】
: 我前面说过，步进方法不是交易策略，而是检测交易策略中优化问题的平台。
: 譬如说如果你的优化有过度拟合的缺陷，采用步进方法检测，可使这一缺陷暴露无遗。
: 譬如说你优化移动均线周期，历史结果很好，我们以此决定今后的交易，有用吗？我们
: 并不知道，那个历史结果是样内结果。
: 但如采用步进式检测，我们看到的是样外结果，应该很容易否定这一交易策略（也可能
: 肯定这一交易策略）。
: 我们所说的可能不属于同一概念。
|
|
|
r******n
发帖数: 4522 | 61 回测、优化的目的是找到将来会大量重复出现的模式，overfitting就是系统盈利多数
来自于偶然事件。所以首先量一定要上去，最好day trading, 什么一年才做几笔的就
别折腾了，不如烧香拜佛管用。另外使用的历史数据得过滤掉特殊时段。还有最后的结
果也得过滤，当天进出，单笔盈利超过ATR多少的都做不得数，这个就是去掉一个最高
分，一个最低分的道理。想长期稳定赚钱得靠市场常态，而不是狗屎运，这点国内媒体
太误导散户了，鼓吹XX股神都是全扑某垃圾股一夜暴富。个股偶然性太大，除非你能同
时买几百个，否则就得选index, ETF, Forex这些80%处于常态的。
Walking forward很多交易工具都已经作为可选的优化办法，但也只能告诉你这么干不
行，而没法知道怎么样才行。
至于FA/TA，我觉得就像中医跟西医，TA好像西医，普通人都能学会，一般毛病都能看
看，不会太离谱但也神不了。FA是中医，得要天分，多数人都是在忽悠自己，极少数能
解决疑难杂症。两个都掌握宏观上FA，技术上TA那才是真牛人。 |
b********0
发帖数: 339 | 62 是的，步进式优化是一个交易策略的检测平台，本身不是交易策略。
我是做个股的，主要是动量型的，指数没有什么动量。我每天要考虑所有流动性足够的
个股，然后从中选择。做大量的交易。
【在 r******n 的大作中提到】
: 回测、优化的目的是找到将来会大量重复出现的模式，overfitting就是系统盈利多数
: 来自于偶然事件。所以首先量一定要上去，最好day trading, 什么一年才做几笔的就
: 别折腾了，不如烧香拜佛管用。另外使用的历史数据得过滤掉特殊时段。还有最后的结
: 果也得过滤，当天进出，单笔盈利超过ATR多少的都做不得数，这个就是去掉一个最高
: 分，一个最低分的道理。想长期稳定赚钱得靠市场常态，而不是狗屎运，这点国内媒体
: 太误导散户了，鼓吹XX股神都是全扑某垃圾股一夜暴富。个股偶然性太大，除非你能同
: 时买几百个，否则就得选index, ETF, Forex这些80%处于常态的。
: Walking forward很多交易工具都已经作为可选的优化办法，但也只能告诉你这么干不
: 行，而没法知道怎么样才行。
: 至于FA/TA，我觉得就像中医跟西医，TA好像西医，普通人都能学会，一般毛病都能看
|
u********e
发帖数: 4950 | 63 很多好文啊, 受益颇深,谢谢.
对于市场效率问题, 我觉得不用太担心. 由于未来事件的不确定性, 市场永远不可能
100%有效, 这不是由做的人的多少来决定的, 真正消失的只可能是没有风险的
arbitrage.
市场总是要惩罚一批人,奖励一批人. 说到底, TA/FA 都是在预测, TA 通过各种技术
手段来直接预测将来股价变化, TA 通过其他的分析手段来间接预测股价的变化. 所以
只要有市场,总会有一批人成功和一批人失败,呵呵.
|
b********0
发帖数: 339 | 64 假设我们的交易策略是以优化双均线对（方法）的周期来决定未来的交易。考虑所有S&
P500中的股票。对其中每只股票找到相应的一对周期使得其交易在过去十年表现最佳（
可以有不同的含义）。由于拟合效应，总体结果一定很漂亮，但现在的炒家不可能接受
这一结果。总要对这一策略进行某种检测。以下是不同的检测方案：
（1）观察一两年，看看结果如何？问题是观察期短了则缺乏统计意义，太长了浪费时
间，而且市场本身可能已发生了实质性的变化。
（2）鉴于以上的缺陷，我们将1/1/2010之前的数据称为样内数据，之后的称为样外数
据。我们用样内数据取得优化的周期，然后观察系统在样外数据中的表现，与第一法类
似，但不用等了。
（3）方法（2）仍不能提供足够的数据结果。我们可以用以前每年1/1日之前的数据做
优化，然后观察以后一年的结果，一直到下一年的1/1日，再用之前的所有数据（不止
是一年的）重新优化，然后再观察一年。这样做所有观察期的交易都只用了样外数据。
这就是所谓步进法，总体上我们得到的样外结果较方法（2）多得多。
以上是逐年步进，做炒短线交易的可选择逐日步进。
training
【在 V********n 的大作中提到】
: 可不可以展开来详细说说，或者举个例子，你说用步进方式“可以很容易否定/肯定这
: 一交易策略”，听起来好像很有用。
: 比如以我们提到的优化移动均线周期的例子，我们知道对均线周期优化来优化去就是在
: 对历史数据做fitting而已，肯定可以fit出一个很好的数据出来，但是对于未来的交易
: 半毛钱用处都没有，按找你说的，用步进方法是怎么去检测它的有效性呢？在training
: set上一格一格移动检测一遍？
|
V********n
发帖数: 3061 | 65 嗯，多谢bobcat解释，听起来很清楚了，听起来很像cross validation的一种变形。
S&
【在 b********0 的大作中提到】
: 假设我们的交易策略是以优化双均线对（方法）的周期来决定未来的交易。考虑所有S&
: P500中的股票。对其中每只股票找到相应的一对周期使得其交易在过去十年表现最佳（
: 可以有不同的含义）。由于拟合效应，总体结果一定很漂亮，但现在的炒家不可能接受
: 这一结果。总要对这一策略进行某种检测。以下是不同的检测方案：
: （1）观察一两年，看看结果如何？问题是观察期短了则缺乏统计意义，太长了浪费时
: 间，而且市场本身可能已发生了实质性的变化。
: （2）鉴于以上的缺陷，我们将1/1/2010之前的数据称为样内数据，之后的称为样外数
: 据。我们用样内数据取得优化的周期，然后观察系统在样外数据中的表现，与第一法类
: 似，但不用等了。
: （3）方法（2）仍不能提供足够的数据结果。我们可以用以前每年1/1日之前的数据做
|
V********n
发帖数: 3061 | 66 Arbitrage本身也是市场效率的一部分，它具有“自我消灭”特质。
【在 u********e 的大作中提到】
: 很多好文啊, 受益颇深,谢谢.
: 对于市场效率问题, 我觉得不用太担心. 由于未来事件的不确定性, 市场永远不可能
: 100%有效, 这不是由做的人的多少来决定的, 真正消失的只可能是没有风险的
: arbitrage.
: 市场总是要惩罚一批人,奖励一批人. 说到底, TA/FA 都是在预测, TA 通过各种技术
: 手段来直接预测将来股价变化, TA 通过其他的分析手段来间接预测股价的变化. 所以
: 只要有市场,总会有一批人成功和一批人失败,呵呵.
:
|
u********e
发帖数: 4950 | 67 解释得很好。 但好像这个方法还是只对HFT 交易方法有效。
举例说， 如果你的优化均线比较长，比如说200天， 那你就需要至少3年(756天)的样
本内数据来形成你的统计结论， 那也需要至少3年(756天)的样本外数据来进行检测。
市场的变动性会给你的检测产生很大的问题：比如说2005 到2008年的检测结果很好(50
% for example),但2006年到2009年的结果又很差(-20% for example), 那就很难形成
对系统performance的准确的统计学估计.
所以统计分析方法一般都需要用在高频交易. 频率一低,那就必然要回到传统的投资分
析方法,从长线分析投资收益,呵呵.
S&
【在 b********0 的大作中提到】
: 假设我们的交易策略是以优化双均线对（方法）的周期来决定未来的交易。考虑所有S&
: P500中的股票。对其中每只股票找到相应的一对周期使得其交易在过去十年表现最佳（
: 可以有不同的含义）。由于拟合效应，总体结果一定很漂亮，但现在的炒家不可能接受
: 这一结果。总要对这一策略进行某种检测。以下是不同的检测方案：
: （1）观察一两年，看看结果如何？问题是观察期短了则缺乏统计意义，太长了浪费时
: 间，而且市场本身可能已发生了实质性的变化。
: （2）鉴于以上的缺陷，我们将1/1/2010之前的数据称为样内数据，之后的称为样外数
: 据。我们用样内数据取得优化的周期，然后观察系统在样外数据中的表现，与第一法类
: 似，但不用等了。
: （3）方法（2）仍不能提供足够的数据结果。我们可以用以前每年1/1日之前的数据做
|
u********e
发帖数: 4950 | 68 对, 理想情况下, Arbitrage 是一个和市场流通成本直接挂钩的。 市场竞争的结果是
Arbitrage收益和流通成本的spread 越来越小。 由于市场流通成本的存在，
ARBITRAGE 永远存在。 流通成本越低， Arbitrage的收益也越低，这也是为什么新兴
市场中的Arbitrage的收益要比成熟市场高的原因。
【在 V********n 的大作中提到】
: Arbitrage本身也是市场效率的一部分，它具有“自我消灭”特质。
|
b********0
发帖数: 339 | 69 这类统计方法的确只适用于短线交易，线一拉长可靠性则明显降低。
大钱难做得多。巴菲特也曾说过他若做小钱回报率要高得多。超级资金因为流动性的缘
故做长线是不得已的。统计方法感觉上如同做生意，超级资金的长线运作感觉上如同战
争。“乃知兵者是凶器，圣人不得已而用之。”
。
50
【在 u********e 的大作中提到】
: 解释得很好。 但好像这个方法还是只对HFT 交易方法有效。
: 举例说， 如果你的优化均线比较长，比如说200天， 那你就需要至少3年(756天)的样
: 本内数据来形成你的统计结论， 那也需要至少3年(756天)的样本外数据来进行检测。
: 市场的变动性会给你的检测产生很大的问题：比如说2005 到2008年的检测结果很好(50
: % for example),但2006年到2009年的结果又很差(-20% for example), 那就很难形成
: 对系统performance的准确的统计学估计.
: 所以统计分析方法一般都需要用在高频交易. 频率一低,那就必然要回到传统的投资分
: 析方法,从长线分析投资收益,呵呵.
:
: S&
|
t******y
发帖数: 6206 | 70 刚才忘了顶一下了，呵呵
写的很好
【在 v*****k 的大作中提到】
: 不要灰心，学习提高自己的TA/FA水平是有出路的。当然要注意控制风险！！
: 两个都不信的请出门右转去投资版找indexer们或找捂帮主。（以上排名不分先后）
: 相信系统的同学请出门直走找zijing 金娃 村长 丽丽 副所 PJZH bobcat2010 （以上
: 排名不分先后）
: 喜欢FA的同学请出门左转找chinook 可乐 stlstl （以上排名不分先后）。
: 留下来的同学们请坐好，我来阐述一点我自己粗浅的关于TA的看法。欢迎拍砖
: 从机器学习的角度来说各种TA无非是训练不同的classifier。
: 0.量价关系是股市公理。否认这个就不用看下去了。
: 1. No Free lunch theorem
: 没有永远好用的单一乃至集合指标或者系统
|
|
|
b********0
发帖数: 339 | 71 像我这种动量型套利者是从市场中攫取流动性的，所以要付出流动成本，spread 越低
对我越有利。攫取流动性的操作者持股时间显然不能太短，所以我并不关心一毫秒级的
操作。
持有时间短的话就只有去提供流动性，对这类套利者来说，流动成本越高越好。美国的
注册的MM（中国没有）就属于这类套利者，而现在那些一毫秒级的高频交易者在与他们
抢庄,成了非注册的MM，增加了流动性，引起了MM的不满，与媒体一起制造了大量的谎
言。
MM的理由是，他们的特权来自他们的所谓 affirmative obligation，即在需要时有义
务提供流动性。其实去年闪电崩盘原因之一就是MM没有履行他们的义务。而且事后交易
所为了挽救MM，取消了大量的交易。流动性的提高对大多数散户有利，而CNBC却一直为
MM说话，企图减低流动性。
是
【在 u********e 的大作中提到】
: 对, 理想情况下, Arbitrage 是一个和市场流通成本直接挂钩的。 市场竞争的结果是
: Arbitrage收益和流通成本的spread 越来越小。 由于市场流通成本的存在，
: ARBITRAGE 永远存在。 流通成本越低， Arbitrage的收益也越低，这也是为什么新兴
: 市场中的Arbitrage的收益要比成熟市场高的原因。
|
r******n
发帖数: 4522 | 72 我是做Forex，MM更黑，因为没有centralized market，MM可以做虚拟镜像交易against
散户，不但赚spread, 还赚散户的亏损，就真的成了赌场老板。
现在HFT那么多，流动性大必然导致市场周期缩短，所以很多长线策略不见得像以前大
家都手工传统交易时那么管用，或至少不能像以前“那么长“了。可金融界还是不停地
拿巴菲特为例给散户洗脑，他们自己跑HFT的当然希望普通大众都把钱放市场里“价值
投资“别动，等他们慢慢剥皮。 |
V********n
发帖数: 3061 | 73 bob老兄，冒昧请问：你是自己做，还是在prop. trading公司里做？还有，动量性套利
是什么strategy，能解释一下吗？谢谢！
【在 b********0 的大作中提到】
: 像我这种动量型套利者是从市场中攫取流动性的，所以要付出流动成本，spread 越低
: 对我越有利。攫取流动性的操作者持股时间显然不能太短，所以我并不关心一毫秒级的
: 操作。
: 持有时间短的话就只有去提供流动性，对这类套利者来说，流动成本越高越好。美国的
: 注册的MM（中国没有）就属于这类套利者，而现在那些一毫秒级的高频交易者在与他们
: 抢庄,成了非注册的MM，增加了流动性，引起了MM的不满，与媒体一起制造了大量的谎
: 言。
: MM的理由是，他们的特权来自他们的所谓 affirmative obligation，即在需要时有义
: 务提供流动性。其实去年闪电崩盘原因之一就是MM没有履行他们的义务。而且事后交易
: 所为了挽救MM，取消了大量的交易。流动性的提高对大多数散户有利，而CNBC却一直为
|
b********0
发帖数: 339 | 74 很抱歉，用网名瞎聊，就是不愿暴露自己的身份。动量与均归交易是这类交易的两大类
别，我以做动量为主。我受一定的约束，不能披露细节。
【在 V********n 的大作中提到】
: bob老兄，冒昧请问：你是自己做，还是在prop. trading公司里做？还有，动量性套利
: 是什么strategy，能解释一下吗？谢谢！
|
V********n
发帖数: 3061 | 75 不方便回答没关系，我就是好奇问一下，想了解一下整个行业的状况。
【在 b********0 的大作中提到】
: 很抱歉，用网名瞎聊，就是不愿暴露自己的身份。动量与均归交易是这类交易的两大类
: 别，我以做动量为主。我受一定的约束，不能披露细节。
|
V********n
发帖数: 3061 | 76 不方便回答没关系，我就是好奇问一下，想了解一下整个行业的状况。
【在 b********0 的大作中提到】
: 很抱歉，用网名瞎聊，就是不愿暴露自己的身份。动量与均归交易是这类交易的两大类
: 别，我以做动量为主。我受一定的约束，不能披露细节。
|
