这个论坛挺清净的，清净好，讲讲过去两年做的交易系统

mhzdlm

以上系统，在理论上是可以达到的。

不过受限于目前的统计理论和算法设计，事实上也不能完美达到，只能靠近。

mhzdlm

而在靠近的过程中，我们首先需要问自己:

对我们要预测的数据而言，哪些部分是最重要的。哪些部分是相对不重要的，哪些部分是完全无所谓的。

mhzdlm

对交易者来说，追逐的是利润，厌恶的是成本。

成本分两部分，交易成本，和机会成本。

在一开始，我们只讨论交易成本。最主要的印花税，和手续费。

原则上这玩意和你的交易量成正比永远存在，类似于物理里面的摩擦力。

在一些高频交易里面，还有滑点成本，就是实际成交价格和交易系统预测价格之间的价差，这玩意是个动态数据，本质上不是成本，而是你系统不完善的地方。

我不做高频，就简单提一下，不做深入展开了。

mhzdlm

交易成本和成交量直接相关，因此，如果能够达成同样的利润，成交量和成交次数越少越好。

或者说，只有当预测未来的利润的统计平均值，大于交易成本时候，才有交易的必要。

mhzdlm

这里面又牵涉到预测的一些细节问题。

预测到有利可图，然后参与的话，平均情况是什么，中位情况是什么，最差情况是什么。

另外，这些预测的可信度有多少，如果对历史数据进行一定的扰动，会有多大的改变。

如果不计成本的话，以上问题，都应该有，也能够有答案。

然后不计成本是不可能的，那么我们最需要的数据是哪些。

mhzdlm

以上是一个交易系统，所应该考虑的边界问题。

而在设置了这么多边界后，交易系统又应该如何构建呢。

我个人以为，应该从从大到小，从粗到细，从顶到底来逐步架构。

一个演进的过程。

每一步，都应该能够吃掉利润中能吃到的最大部分。

每一步，都应该能和上一步完美结合，有所进步，又同时不影响下一步继续改进。

mhzdlm

说的有些空泛。

可以拿围棋软件来举例子。或者国际象棋。

国际象棋，成功度更高。

围棋遇到的问题更复杂，不过基本思路都差不多。

最近十几年人工智能的进步并不大，唯一比较著名和有意义的大约就是deep learn了。

mhzdlm

其实我很不喜欢人工智能这么高大上的提法。

统计分析，或者神经网络相对好一些，更朴素，更简单，也更接地气。

从数据来，到数据去，基于数据本身的特点，得到相应的规律和结构。

简单，朴素，完备，美观。

不像人工智能，云里雾里的，不容易整明白。

mhzdlm

扯这么多蛋还没正式开始。

今下午就这么多把，晚上继续。

mhzdlm

回到统计分析上，交易系统就简单多了。

无非两个工作，整理数据，喂数据。

最后用喂出来的系统进行预测。