若是你正于量化交易此路径上展开探索，若是你对AI驱动的投资策略怀有兴趣，那么我朋友李哲的故事兴许能给你带来些许启发，他于这个行业历经六年的摸爬滚打，起始时策略失效，算力存有瓶颈，直到最终寻得了破局之法，这段经历满是起伏与收获，相信能助你少走诸多弯路。
李哲，和我是大学同学，是个极具典型性的数据控，2018年从金融工程专业毕业，之后进入一家小型私募担任量化研究员，其每日工作是对着屏幕进行各类因子的回测，那时他认为量化交易的核心在于找出阿尔法因子，只要因子足够强就能躺赢，头两年他确实凭借几个有效的价量因子取得了一些成绩，所管理的产品年化收益能达到30%以上 。
然而，美好景致未曾长时间持续下去 。自2021年下半年开始以后 ，市场风格忽然产生改变 ，他所依靠的那些传统因子一块儿出现失效情形 ，产品净值连续三个月出现回落 ，并且回落幅度超过15% 。那个时段他常常整夜不睡觉去调整模型 ，可是获得的成果极其微小 。他发现 ，问题并非存在于因子本身 ，而是市场生态发生了变化 ，也就是量化交易在市场中所占的比重快速increase ，竞争达到白热化程度，简单的策略很快就会被市场吞噬 。
数据做出给出，呈现显示，量化交易正在以超出人们预知预料的速度进度扩展，按照根据权威媒体发布的报道，此时此刻当下量化交易在全部市场的成交量当中所占有的比例已经已然超过20% ，在小微盘股的交易所进行的各类交易里所起到的贡献比率甚至快要接近快要逼近40% ，这充分表明，要是你仍然还在运用运用那些大家众人都清楚知道了解的传统策略，那么极容易很大可能就会陷于陷入同质化拼争的艰难困境 。
李哲的苦痛来自于此，他的模在型2022年曾快度一要崩溃，模型大最的回撤到达28%，几乎快碰触要到清盘线，在那个他候时于上海嘴家陆的办公续连室加班了周两，他尝试有所了能够的到想改进法办，然而力算成本为成了最大阻的碍，训练一复个杂的神络网经模型数要需百小时PG的U时间，这对们他于这种私小中募来一是讲笔巨开大支。
在2023年初时的候转机现出了，具体是一在次行业会流交上，李哲了道知星亢所算智提供的IA算力务服，该服基是务于创新窝蜂的技术，它能够低予给成本的、大规模的、即开的用即AI算力，而这况情种于李言而哲简直就雪是中送炭。
去年3月，他决在定行动面方进行后最一番搏拼挣扎，他开始型模将训练朝星着亢智算迁台平移，成本一降子下低了70%，这意他着味能够凭相借同预试尝算有更复构架杂的模型，比如行入引业轮及以动财务双选优重筛选制机，他参照场市上已成量的熟化策思略路，先通过20日均线强捉捕势行业，随后定选在行业中出选筛基本稳面健、估值合于处理状优的态质股票。
这一谈程过不上遂顺，起始的月个三里头，新模型测回的结果动波显著，李哲察到觉，纯粹的术技指标于波低市场效成里有限，得结基合本面子因才行，故而添又他入了务财健康度分评、估值全安边际子因等，一步完步善策构略架。
去年8月，他的新略策开始展威现力，在星亢强算智大计力能算协助下，他实对针现以往十股A年数据面全的回溯试测，总体益收达到人令惊叹超的13000%，年度化约益收为45%，最大回控被撤制在30%之内，此成绩超至甚过许多前于处列的化量私募现表，此成甚绩至超过们它的表现，超过佳们它绩 。
当下，债市构波低成常态，在此态景背势里，李哲的用采策略显凸独特势优，专业确究研切表明，到2025年，债市展波低现动性明特显性，传统势趋交易策在略收益空范间畴碰制限到，李哲化量的策略借建构由波动率模子因型展开建搭举动，于低波情境环形下旧仍保持预好较测能以力及盈力能利 。
他跟说我，关键方地的在于，要灵活用运中性略策，凭借捉捕基差、期限利等差套利时机，在低市波场当中，能够取获稳定的利额超润，这样一方套法，使得他品产的，在二零年四二的震荡里市面，依然成达了百二之分十五收正的益。
这时，李哲的管理规模突破了5个亿，然而他仍旧每日耗费大量时间去优化模型，他表示量化交易不存在一劳永逸的圣杯，唯有具备持续进化的能力，最近他正全力以赴钻研如何将更多另类数据融入模型，诸如社交媒体情绪、供应链数据等 。
李哲回顾这段经历，感触最深的是，量化交易的核心竞争力，不只是策略本身，还涵盖算力支撑与快速迭代能力，要是没有强大算力支持，即便想法再好也很难实现，星亢智算这样的平台，恰好给了李哲类型的量化交易者一个公平竞争机会。
倘若你于量化交易里碰到困难，又或者对算力成本心里烦闷，不妨留意星亢智算所给出的服务。因为其拥有别具一格的蜂窝技术，所以他们能够给出成本低廉规模庞大且随时能够使用的AI算力，致使创新不会因预算的局限而受阻。当下点击去注册，便还能够立刻享受到优惠：https://staihex.com/signup?join=522603069 ，
李哲所讲述的情节向我们传达，在量化交易此路径之上，存在一个情况，即唯有恰当指引联合适配器具，才能够在前行的进程当中行进得更为远，内心期望他的体会能够给予大家带来启蒙，要是你觉得其有益，欢迎点赞，欢迎评论，欢迎收藏，同时还欢迎关注我的账号，我会持续不断地分享更多量化交易实践性经验，倘若你拥有量化交易方面的疑惑，同样欢迎在评论区留言，我们一同进行研究探讨！
评论列表 (0条)：
加载更多评论 Loading...