关于量化路线的选择


- 量化的周期

在整体量化语言的选择上之前有说过选择了解释型的语言python,python的优点跟缺点一样明确,就是由于python好上手,语法上面又通俗易懂,导致它要花大量精力来编译整个代码,我个人觉得python是不适合做高频量化的一种语言。
故整个的量化切入的周期是相对稳定低频的比如说5分钟的K线周期,以及4小时的K线周期为主。

这个周期一旦确定下来,基本上在止损和止盈的策略上就会更加明确,按照长线的策略来走会更加合适,于是乎就在量化的策略种类上我选择了超级趋势策略。

网格套利都是对于周期和价格特别敏感的策略类型,容错的空间比较小,在前期量化资金有限,且经验更有限的前提下,更适合我的莫过于趋势策略本身了。

- 量化的切入点

避开前期特别大量的策略种类和策略挑选以及标的筛选的过程。这样可以让精力花在建立整个量化体系上。后续等有精力了再回来搞精英级别的策略。这是一个漫长的过程,前期我不想在这里浪费宝贵时间。
通过Tradingview的信号,传输到自有的量化框架里。(整个tradingview就是一部人类量化精英进步历史,够喝一壶了已经,个人觉得tradingview比国内的任何一个量化社区要牛逼)
拿到交易信号做对应的信号筛选,筛选规则要不断优化
拿到合适的交易信号,打通自动下单的通道去走自动下单。
自动下单的规则要不断优化,其中包括仓位的粗略管理,下单重试,撤单,跟随止盈单,跟随止损单等基本策略的控制和实现。
当然下单的本身的规则和初始化的规则,仓位管理都是要不断打磨的,前期的目标是从信号到下单自动化。后面再慢慢琢磨整体的细节策略点。
回测暂时不动。
本地数据和机器学习的框架是后面的重中之重,在没有找到一个关键K策略且自动量化没有实现盈利之前,我回避整个本地数据收集,本地数据回测,本地AI框架搭建的事宜。
饭要一口一口吃。

总的来说。今年的目标是初步实现量化交易的自动化。 其次第二阶段是各个环节的不断打磨,让一个策略实现盈利。 再次是搭建本地化数据分析的框架,包括AI机器学习的框架运行。

日子还长,还有时间。 只要还在市场上,我就慢慢来。成不成功,会不会变成胖子不要紧。要紧的是这一路应该会很好玩。