【 在 wizard (void) 的大作中提到: 】 : Hypothesis space 不存在？ What does that mean? : I have a Ph.D. in machine learning. 也作过一些这方面的研究。最大的问题是：: stationarity. 这是任何统计模型最基本的假定（最起码到目前为止），然而这个假定 : 在股市里基本无法满足。
【 在 wizard (void) 的大作中提到: 】 : Hypothesis space 不存在？ What does that mean? : I have a Ph.D. in machine learning. 也作过一些这方面的研究。最大的问题是：: stationarity. 这是任何统计模型最基本的假定（最起码到目前为止），然而这个假定 : 在股市里基本无法满足。
偶尔有胜率80%~95%的，基本上annual return都在5%左右或者以下，而这其中偶尔有一些return 30%~50%的，一看就是outlier的，over-fit
找不到胜率高且稳定的原因，也许是原始数据不好，也许是程序有bug，不过更大的原
因应该是人的原因。凡是我能想到的，都是被无数机构和个人试验过的。
之前认识一两个在高频交易公司工作的朋友，其中就提到调参数是一回事儿，辛苦但是效果不大。很多时候往往是根据个人经验和长时间的交易和研究积累后灵光乍现蹦出的新idea和model至关重要。
但是话又说回来，如果有必胜策略，那每个人都可能有，于是大家就都在盈利，而这是不太现实的，就没有了必胜策略。那反过来，如果没有必胜策略，那每个人都可能没有，于是大家很多都在损失，似乎这也不太真实。
现在能从股市拿钱的大头有: 大统领的亲朋好友群, 美联储, 华尔街
现在连老巴都不能从股市拿钱了
楼主悟性比老邢强。
arbitrage交易的胜率可以维持在70%以上
赢面大不能保证挣钱，输了的话怎么控制风险？怎么保持稳定赢面？交易手法有很多很多。
【 在 macaronsalt (马卡龙加盐) 的大作中提到: 】
: 偶尔有胜率80%~95%的，基本上annual return都在5%左右或者以下，而这其中偶尔有一
: 些return 30%~50%的，一看就是outlier的，over-fit
: 找不到胜率高且稳定的原因，也许是原始数据不好，也许是程序有bug，不过更大的原
: 因应该是人的原因。凡是我能想到的，都是被无数机构和个人试验过的。
: 之前认识一两个在高频交易公司工作的朋友，其中就提到调参数是一回事儿，辛苦但是
: 效果不大。很多时候往往是根据个人经验和长时间的交易和研究积累后灵光乍现蹦出的
: 新idea和model至关重要。
: 但是话又说回来，如果有必胜策略，那每个人都可能有，于是大家就都在盈利，而这是
: 不太现实的，就没有了必胜策略。那反过来，如果没有必胜策略，那每个人都可能没有
: ，于是大家很多都在损失，似乎这也不太真实。
没错，赢面大的确也有可能长期来看依然亏钱，在不少算例里面出现过。风险控制我是根据仓位控制
来保持。保持赢面很难，我能想到的唯一办法是避免重大失误。
【 在 heli007 (随大流) 的大作中提到: 】
: arbitrage交易的胜率可以维持在70%以上
: 赢面大不能保证挣钱，输了的话怎么控制风险？怎么保持稳定赢面？交易手法有很多很
: 多。
看见这位仁兄发的几个帖子， 还是很有干货的， 纯技术流， 想和你一起交流下。
我也试过用各种策略， 对市值1M以上的股票做了back testing， 就如同你说的， 各
种策略， 盈利都在+- 10%， 甚至都不如买大盘， buy and hold。 然后我自己悟出了一个道理，不知道对不对，就在这里提一句。
之所以在2000 到2020之内都找不到一个稳定赚钱的策略， 有一个可能，就是从机器学习的角度来讲， 这样的 hypothesis space 不存在， 也就是你要找的H(x) 去拟合你
认为存在的f(x), 但是这个f(x) 除了overfitting以外， 大部分时候， 就是有随机
的。 类似于马尔科夫模型， 你最多从前一个时刻的状态推出下一个状态， 前一个时刻也许是一天， 也许是一分钟。 所以， 股市在一定程度上可以预测， 取决于当前时刻的市场情绪， 但是长期稳定的盈利根本不存在。 换而言之， 如果你不断的更换你
的参数， 你的模型， 只能在一段时间里， 可以beat 大盘， 但是下面一个时间， 就需要换另外的模型， 彻底重来。
如果用这个思路的话，回测的话， 越做越像是overfitting， 因为你找的是一个时间
内， 一个股票的预测， 不是长期稳定的盈利。
就连livermore， 也是赶上了几个大行情。 换到最近20年， 3月放空， 4月做多，成
就了很多人， 当然也有很多人输的很惨， 但是这些， 都不能重复。 特别是先放空，在做多， 可能一辈子有这一次， 就可以收工了。 久赌必输。
我也还在摸索， 胡言乱语几句。
【 在 macaronsalt (马卡龙加盐) 的大作中提到: 】
: 偶尔有胜率80%~95%的，基本上annual return都在5%左右或者以下，而这其中偶尔有一
: 些return 30%~50%的，一看就是outlier的，over-fit
: 找不到胜率高且稳定的原因，也许是原始数据不好，也许是程序有bug，不过更大的原
: 因应该是人的原因。凡是我能想到的，都是被无数机构和个人试验过的。
: 之前认识一两个在高频交易公司工作的朋友，其中就提到调参数是一回事儿，辛苦但是
: 效果不大。很多时候往往是根据个人经验和长时间的交易和研究积累后灵光乍现蹦出的
: 新idea和model至关重要。
: 但是话又说回来，如果有必胜策略，那每个人都可能有，于是大家就都在盈利，而这是
: 不太现实的，就没有了必胜策略。那反过来，如果没有必胜策略，那每个人都可能没有
: ，于是大家很多都在损失，似乎这也不太真实。
门外汉来几条意见：
1. 市值1M这个门限值不对，市值要搞到1B或者10B以上才有意义，甚至再加限制条件，例如股价不低于5块，不高于2千的。先去除一些outlier股票再说做拟合。
2. 对市场交易数据做分析的意义没有那么大，可能HFT或者DT交易采用这种数据分析才有意思。
3. 场外新闻和event，要能实时提取并能做出量化分析是关键。例如中国银行的原油宝客户爆仓事件，怎么转化为为做多石油的信号？
4. 很多参数的权重是不一样的，例如bobobobo那个帖子，啥也不用多说，直接来一句
VIX在80以上不可能持续很久，所以就抄底hold就可以了。K线形态上，有些形态的权重也可以到这个级别。
不懂数据或者quant，跟风随便扯几句。
【 在 ersatz (平風造雨-四無君) 的大作中提到: 】
: 看见这位仁兄发的几个帖子， 还是很有干货的， 纯技术流， 想和你一起交流下。 : 我也试过用各种策略， 对市值1M以上的股票做了back testing， 就如同你说的， 各
: 种策略， 盈利都在+- 10%， 甚至都不如买大盘， buy and hold。 然后我自己悟出了
: 一个道理，不知道对不对，就在这里提一句。
: 之所以在2000 到2020之内都找不到一个稳定赚钱的策略， 有一个可能，就是从机器学
: 习的角度来讲， 这样的 hypothesis space 不存在， 也就是你要找的H(x) 去拟合你
: 认为存在的f(x), 但是这个f(x) 除了overfitting以外， 大部分时候， 就是有随机
: 的。 类似于马尔科夫模型， 你最多从前一个时刻的状态推出下一个状态， 前一个时
: 刻也许是一天， 也许是一分钟。 所以， 股市在一定程度上可以预测， 取决于当前时
: 刻的市场情绪， 但是长期稳定的盈利根本不存在。 换而言之， 如果你不断的更换你
: ...................
做空tvix，按年计win rate 100%
话说90%的策略都跑不过最简单的定投...
挑几个白马定投就完事了
Hypothesis space 不存在？ What does that mean?
I have a Ph.D. in machine learning. 也作过一些这方面的研究。最大的问题是：
stationarity. 这是任何统计模型最基本的假定（最起码到目前为止），然而这个假定在股市里基本无法满足。
【 在 ersatz (平風造雨-四無君) 的大作中提到: 】
: 看见这位仁兄发的几个帖子， 还是很有干货的， 纯技术流， 想和你一起交流下。 : 我也试过用各种策略， 对市值1M以上的股票做了back testing， 就如同你说的， 各
: 种策略， 盈利都在+- 10%， 甚至都不如买大盘， buy and hold。 然后我自己悟出了
: 一个道理，不知道对不对，就在这里提一句。
: 之所以在2000 到2020之内都找不到一个稳定赚钱的策略， 有一个可能，就是从机器学
: 习的角度来讲， 这样的 hypothesis space 不存在， 也就是你要找的H(x) 去拟合你
: 认为存在的f(x), 但是这个f(x) 除了overfitting以外， 大部分时候， 就是有随机
: 的。 类似于马尔科夫模型， 你最多从前一个时刻的状态推出下一个状态， 前一个时
: 刻也许是一天， 也许是一分钟。 所以， 股市在一定程度上可以预测， 取决于当前时
: 刻的市场情绪， 但是长期稳定的盈利根本不存在。 换而言之， 如果你不断的更换你
: ...................
所以门外汉一问问题，都没法回答，无论是、否都不对，解释清楚问题也不对，陷入一个巨大而错误的问题空间里绕不出来。
【 在 wizard (void) 的大作中提到: 】
: Hypothesis space 不存在？ What does that mean?
: I have a Ph.D. in machine learning. 也作过一些这方面的研究。最大的问题是：: stationarity. 这是任何统计模型最基本的假定（最起码到目前为止），然而这个假定
: 在股市里基本无法满足。
是否可以认为在短时间内是stationary的，然后regularly update model
【 在 wizard (void) 的大作中提到: 】
: Hypothesis space 不存在？ What does that mean?
: I have a Ph.D. in machine learning. 也作过一些这方面的研究。最大的问题是：: stationarity. 这是任何统计模型最基本的假定（最起码到目前为止），然而这个假定
: 在股市里基本无法满足。
顶这个，最有效，其他都是 over engineering
最好的算法就是最简单的算法，最好的 code 就是最少的 code
【 在 cocoon757 (Cindi) 的大作中提到: 】
: 话说90%的策略都跑不过最简单的定投...
: 挑几个白马定投就完事了
tvix 800的时候做空过，亏了一些，后来降下来了继续做空，基本上损失回来了。但感觉这个策略不是长久之计。
【 在 mahonil (mahonil) 的大作中提到: 】
: 做空tvix，按年计win rate 100%
是的，没找到靠谱的策略以前，主要持仓是大盘ETF
【 在 cocoon757 (Cindi) 的大作中提到: 】
: 话说90%的策略都跑不过最简单的定投...
: 挑几个白马定投就完事了
谢谢分享。有同感，就是目前简单的策略（简单模型，简单函数，简单交易方式）不可能有全天候的较好表现，有较好表现的一般都是overfitting。
第一是因为策略不够复杂或者不够general，本身就不可能fit所有情形
第二是有peer competition，一旦大家都找到，也就部分失效或者表现降低了，比如
risk parity
第三是找不到较好模型的情况下，只能退而求其次，针对不同情况，得到不同的策略。这就有经验的因素，也有玄学的感觉。
盘感对了，可以盈利。可是，盘感这个事情，不是那么真实抓得住。但话说回来，愿意深究，总能找到模型去fit。然而，希望从统计意义上找到fit的模型，成功概率不大，因为需要极大地扩大探索空间，有算力和数据的苛刻要求。根本上还是要靠个人经验去找对方向，个人意见，统计方式主要是浅层的探索，以及找对方向后的验证。
【 在 ersatz (平風造雨-四無君) 的大作中提到: 】
: 看见这位仁兄发的几个帖子， 还是很有干货的， 纯技术流， 想和你一起交流下。 : 我也试过用各种策略， 对市值1M以上的股票做了back testing， 就如同你说的， 各
: 种策略， 盈利都在+- 10%， 甚至都不如买大盘， buy and hold。 然后我自己悟出了
: 一个道理，不知道对不对，就在这里提一句。
: 之所以在2000 到2020之内都找不到一个稳定赚钱的策略， 有一个可能，就是从机器学
: 习的角度来讲， 这样的 hypothesis space 不存在， 也就是你要找的H(x) 去拟合你
: 认为存在的f(x), 但是这个f(x) 除了overfitting以外， 大部分时候， 就是有随机
: 的。 类似于马尔科夫模型， 你最多从前一个时刻的状态推出下一个状态， 前一个时
: 刻也许是一天， 也许是一分钟。 所以， 股市在一定程度上可以预测， 取决于当前时
: 刻的市场情绪， 但是长期稳定的盈利根本不存在。 换而言之， 如果你不断的更换你
: ...................
为什么不敢一直空？我看有些人大心脏一年空到头，确实赚不少。
【 在 macaronsalt (马卡龙加盐) 的大作中提到: 】
: tvix 800的时候做空过，亏了一些，后来降下来了继续做空，基本上损失回来了。但感
: 觉这个策略不是长久之计。