张忠辉 程序交易策略 解析

一、交易经历和业绩

程序员、长沙人士，专业是机器学习和自然语言处理，主要做智能对话系统开发。

2016年开始交易期货，兼职做期货量化模型。目前运作天健一号和天健二号。

天健一号，2015年12月至2018年底，净值2.55，最大回撤13.8%

天健二号，2016年07月至2018年底，净值2.27，最大回撤14.4%

 

张忠辉 先生

二、程序交易与策略研发

1、量化交易

期货量化很需要实际经验的，自己体会是搭积木。复杂模型在测试时效果好，但是实盘就不一定靠谱，一般较简单的模型效果更好。

但是简单模型往往风报比不够理想，为了获得更好的资金曲线，可以独立研发较多的简单模型，然后将多个简单模型组合起来，获得较为理想的效果。

2、智能对话系统与期货量化

智能对话也是需要统计建模的，跟期货量化有一些共同的学术背景。数据建模的一个目标就是要基于历史数据对未来做预测。期货量化也是这样的。最简单的就是基于交易行情数据来做预测。

期货量化并不简单。不是把工业模型拿过来用就可以。首先要对交易模型进行分解，分解出很多小模型，让每个小模型足够简单。

做法是从4个方面来划分模型：周期、开仓、平仓、下单。

周期就是分钟级别、小时级别、日线级别。对不同级别的周期，要训练不同的模型。对下单要专门训练下单模型。

3、下单模型

下单模型，其目标专门是为了降低滑点。下单模型是独立训练的，不考虑开仓和平仓，一般也不考虑周期。下单模型就是算法交易，就是根据排队价下限价单。如果价格变化，立刻撤单，重新按新的排队价下限价单。下单延迟是很重要的，离交易所越近越好。

4、搭积木

积木意味着不同子模型之间是独立的。可以先限定周期、平仓条件，然后专门训练模型来寻找最优的开仓条件。这时就是训练一个开仓模型。如果限定周期、开仓条件，然后专门训练模型来寻找最优的平仓条件，这时就是训练一个平仓模型。一般要训练比较多的子模型。

5、训练

训练相当于自动优化。每个模型都有很多因子，训练就是选择因子，以及确定因子的权重。因子要多借鉴前人的经验，比如海龟因子。比如多头排列、突破、斜率、品种，都是很重要的因子。一般不搞很复杂的模型，每个子模型都要足够简单，线性模型就好。

6、优化目标

每个子模型可以直接以收益风险比作为优化目标。单个子模型以收益风险比可能不是很理想，但是多个模型组合后曲线就好看了。

比如限定一个周期，假定是2个小时，就是这个单持仓不超过2个小时。然后寻找最优的平仓条件，多头排列多单，空头排列空单。这个是典型的海龟因子、趋势模型。当然周期要配套，这里的空头和多头排列也是小时级别的。然后，子模型就是专门寻找最优的止盈和止损点，就是要界定止盈和止损目标。这个目标是由模型在历史数据上训练得出，通过止损止盈找到了平仓模型。

7、子模型组合

可以不停地往里面加子模型。现在已经融合了上百个子模型，18年又加了几十个。子模型越多，实际订单也就越分散了，天健二号有10万次的开仓平仓。订单越分散，其实有利于降低滑点，降低对市场的短期冲击。

8、模型检查

模型检查首先要避免低级错误，比如涨跌停买不进的情况要去掉。然后要做参数稳定性检查，参数就是因子的权重。如果稍微调整权重，效果变化大，参数就不稳定。

9、因子的重要性排序

重要性排序是模型训练所得权重决定的，这就是机器学习了，机器学习的主要任务就是学习权重。

斜率因子挺重要的。持仓量和成交量因子的参数权重不是很高，看起来没有那么重要。还有时间因子这些其实也重要。

三、趋势与振荡

1、趋势模型与振荡模型

振荡模型的普适性反而更好，对于品种没有偏好。

趋势模型则有品种依赖，一般农产品不适用短线的趋势模型，黑色系最适合短线趋势模型。

振荡行情如果有波动就可以，如果没有波动，还是挣不到钱的。重要的不是趋势或震荡，重要的是波动。不同时点触发主要是来自开仓条件。

振荡模型、其实就是开仓方向与趋势模型开仓方向相反的模型。如果趋势模型认为开多，而振荡模型则开空。自己的振荡模型含义可能与各位理解不一致。振荡模型虽然可以盈利，但是总比例不如趋势模型。估计在总利润中占三分之一。

反趋势模型对品种不如趋势模型敏感，几乎所有品种都适合。反趋势模型其实是择时的。

无论趋势还是反趋势，都在波动率大时容易盈利。市场没有波动，一潭死水，什么模型都没用。

2、周期

周期同时有2个方面，一是开仓之前用于计算开仓条件的周期。二是用于平仓的，就是最长持仓周期。一般两者是同一个量级的。不同的子模型往往是在不同的周期级别的。

四、开仓条件与加仓条件

所有开仓都是单次开仓，没有加仓。如果总仓位很高了，会把所有子模型的开仓比例下调。2016年11月11日黑色星期五，不过自己的模型那天赚钱了，主要是开盘就大多数子模型止盈了。要是用现在的模型，那天会赚得更多。2016年的子模型还很少。

五、资金与仓位管理

1、资金管理

资金管理有2个方面：一是在品种上的分配，二是时间上的分配。品种是活跃度高的品种配得多些。时间是不同时间点触发的子模型数量是不一样的，所以仓位自然也变化了。一般子模型是等比例的。但是不同时间点触发的子模型数量不同的。主要利润还是趋势。每个子模型有自己的开仓条件，所以在时间上会错开。

2、各品种最大持仓

日成交额30亿以上都配了，单品种不超过30%的仓位。资金利用率估计是30%多，较大回撤风险还是有的。虽然子模型多，但是很多子模型之间还是有相关性，不能完全打散风险。

3、盈利与手续费

从大数定律来看，交易次数较多，统计上更靠谱。从2016年以来，累计利润127万，手续费78万。2018年60%的利润，40%来自趋势，20%来自反趋势。

效费比较差，需要跟各位高手学习。都是亲戚朋友的资金，不求多赚，求安心，所以求稳。优化是要持续做的。过去的子模型可能要用新数据重新训练。比如2017年训练的模型，到2018年又有新行情数据了，可以重新训练因子的权重。

自己写c++，调用ctp接口。因为自己写c++可以用上以前积累的经验。用软件平台的话总有很多想法不太好实现。自己写还是比较费劲，也出过不少bug，交过些学费。

六、交易心得

自己专业方向是机器学习和自然语言处理。程序交易的体会就是搭积木。从数据建模的角度看，金融市场的数据信噪比比较低。在数据不够充分的情况下，复杂的模型往往在测试的时候效果好，但是实盘就不一定靠谱，一般用比较简单的模型效果更好。但是简单的模型往往风报比不够理想，所以就独立研发很多的简单模型，然后再将多个简单的模型组合起来，获得较为理想的效果。

 

更多阅读：点击>>https://www.fof-mom.com/article/691-1.html