从lol主播到量化交易：如何制定自己的量化交易学习路线？

network

从lol主播到量化交易：如何制定自己的量化交易学习路线？
01
今天一整天都在动车上，正好有时间写写自己的经历，全文4000多字，包括我转行的经验、找量化工作踩的坑和量化学习路线。我的本硕都是文科，在转行量化之前做过很多工作，做的最久的是lol解说主播。

翻到了当年去上海打炉石比赛的视频：

和花儿乐队、娃娃、各平台网红在北京798录电竞综艺节目：

在电竞圈混了两年，我发现女生混电竞圈子是不太看实力的，走职业选手路线基本不可能（像miss苍姐那样靠实力吃饭的是极少数），更重要的是资源，而电竞圈的混乱程度丝毫不输于金融圈，在快大四毕业时我离开了这个圈子，去了美国读marketing。
去读书的学费一大半是在期货市场赚的，2017年赶上了铁矿做空那波大行情。在美国读书时做了一些小生意：倒买倒卖家具，帮人做作业，不仅足够应付日常开支，还存下了一小笔钱。
读了一年后我发现这tm比我本科还水，不想读了，果断回国考了研究生，考的最简单的mpacc，报的离家最近的学校，以初试第4名上岸川大会计专业。读研期间我在两家小私募实习，都是主观多头的股票私募。在两段实习经历中我萌生了转行量化的想法——交易不是凭“感觉”，每一笔交易决策都是可以用量化的语言表述的，即使最抽象的“盘感”也可以用数学逻辑刻画。我开始从头学起了编程和数学，边学边找量化实习，但是我没有理工背景和从业经验，投了十几家要么卡在简历，要么过不了二面，那时候信心很受挫，难道不是科班出身，就没有进入这行的机会了吗？
碰壁碰多了，脸皮就厚了，开启花式找工作模式，死缠烂打要面试机会：

找工作的小技巧：比如我想找北京的工作机会，就先投上海深圳其他地方的，简历适度修饰，能成功进入面试就行，积累几家的面试经验，再回过来投北京的岗位；没有从业经验，就把复现研报、论文的经历写成项目经验；没有稳定赚钱的策略，就说正在调试很有潜力的策略。找工作这个事，我的经验是一要脸皮厚，二要想尽办法进面试。
02
从小私募跳到头部，又辞职出来自己干，已经过去了三年。看到身边人的起落，我对交易的认识也不断的深入：
有的人一开始亏钱，然后赚小钱，然后积累到一定量级的财富，他们的资金曲线没有让人眼前一亮的陡峭拉升，但就是每一步都走的很踏实。有的人举目四望，哪哪儿都是机会，今天搞t0，明天做商品期权，后天搞价值投资，看似机会实则陷阱，日子也就在大亏小赚中浑浑噩噩的过去了。有的人瞄准一个方向，一直都在一片地耕耘，其他的荒不垦，把脚下的一亩三分地研究的透透彻彻的，几年下来也实现了稳扎稳打的收益。有的人很着急，每天都想要从市场挣点钱，人性的缺点急躁、恐惧、贪婪全都反映在账户上了：挣钱的单子拿不住，亏损的单子舍不得砍，放在一边下蛋，来回换仓，来回后悔。人生是没什么捷径的，交易本身已经算是一种捷径了，如果在捷径中还要去抄近路，那肯定是会上当受骗。慢就是快是交易这行的规律，《天道》中有一句话：“按规律办事的人就是神”。
03
我选择量化交易这条路，并把它作为终生的事业，除了喜爱之外，还有几个原因：
这是一项硬本事，让我能不看人脸色，不受体制、地域等等的束缚，随心所欲自由自在的生活在任何地方。


量化中的数学和编程技能都是底层技能，也是全球性技能，可以轻松迁移到其他领域。量化是一个天花板足够高的行业，盈利的天花板足够高，进步的天花板也足够高。我能从过程中的挑战和困难体会到做事的乐趣。自己喜欢又能赚钱的事业不多，量化算一个。这是一个有长期积累价值的事，年龄的增长带来的是价值，而不是焦虑。
04
如果你初入量化，想把量化作为事业，希望我的建议能给你一些参考。
首先选择一个市场/品种作为你的主战场。这个市场/品种要具备两个特点：流动性好，难度系数低。判断流动性好坏，股票看换手率，期货看成交量/持仓量的比值，另外bid/ask价差也是一个辅助指标。一般而言热门品种成交量活跃，流动性好。一些商品期货的流动性差，比如动力煤，纤板，普麦，豆二，菜籽，棉纱，胶板。值得注意的是，今后股指期货的活跃度会起来，今年股指期货平今手续费降低到了200多元一手，而在15年到23年，股指平今手续费都是300元一手。另外，流动性好的期权市场不多，国内指数期权和热门商品期货期权的流动性不错，但最好的还是SPY标普期权市场，平值期权的bid/ask点差只有0.01：

第二点难度系数低，也就是说在选择品种的时候尽量去找软柿子捏。有些品种是很难赚钱的，比如被戏称为“交易员坟墓”的原油、天然气，因为这类品种受外界事件的冲击很大，我们很难占到信息差的优势，做这类品种往往成为后知后觉的待宰羊羔。还有一些个股也是很难做的，行业、公司的突发事件会对股价造成巨大冲击，我们很难在信息链中占到上游优势，经常成为被动割肉的一方。对期权这个品种来讲，做个股不如做ETF。在由多只股票组成的指数里，股票相互之间的涨跌被对冲掉了，极端事件对价格造成的扰动更小，价格走势更加平滑，因此我们在指数上做期权比在个股上容易许多，尤其是不看方向的组合。总之在品种选择上，你要选择资金体量上去了也能控制风险敞口，受外界突发事件冲击小，逻辑容易理清楚的品种。接下来是架构策略，你要在什么时间，以多大的仓位参与市场，然后在什么时间，以多大仓位离开市场呢？策略要解决的就是这两个问题。量化策略大致分为两类：多因子策略和规则类策略。算法交易也被归为量化交易的一种，但这种交易往往偏高频，对设备和编程要求较高，不适合新人作为切入方向。现在市场上有很多自营做规则策略的，多是半程序半人工；体量级的私募以多因子策略为主。入门量化可以先从规则类策略入手，选择一个商业量化平台，用指标型的策略练手。用商业量化平台作为出发点的原因有两点：一是你不用获取数据，平台上的有现成的数据，甚至有质量不错的tick数据；二是回测和实盘都有现成的框架，上手就能用。在这个过程中，你能感受到几行代码就能取代人工下单，复杂的盯盘环节被省去了，大大节约了时间。你也能发现有一些简单的策略，在控制好仓位的前提下的确是能赚到钱的。除了技术指标策略外，“缠论”也已经有开源代码实现了。在你做了一些策略并且发现能赚钱之后，下一步就要对你的工具升级，欲善其事必先利其器，你要逐步走上多因子的路线。

我们做交易做投资，实际上做的是一个“因果性”和“相关性”，哪些因素会造成价格波动？哪些因素和价格波动有关？多因子做的就是把盈利和亏损抽丝剥茧，分析出最底层的逻辑。我们做交易，要明白利润亏损来自哪里，当然要弄清楚每一笔交易盈亏的原因太难了，但是我们只要能定位其中的一半，就足以在这个市场长期盈利了。那么用基于数学、统计学的因子挖掘就是一条科学的路，正确的路。以前写过一篇多因子入门《[color=var(--weui-LINK)]「量化萌新」多因子入门指南》。要搭建一个完备的多因子框架，需要对基本面和量价有深入理解，这种理解是在实战中日积月累的。你对事件和盘面的认识会融入到基因里，这就是老手和新手的区别。“
“我会雇佣一个有十年期权操作经验的老手，也不会雇佣一个数学系的名牌大学毕业生”。——塔勒布《动态对冲》
”
我用我自己的经验举例，一般挖因子的步骤是这样的：在对个股构建因子时，以从上到下顺序挖掘因子，宏观上可以对PMI、CPI等构建因子，然后到公司的基本面上去，对公司财报中的资金成本、盈利能力等相关指标构建因子，接下来对股票的量价数据构建因子。如果是对期货构建因子，也是遵从同样的步骤，从产供销、库存等基本面数据着手考虑，然后再构建量价方面的因子。
那怎么去找到好用的因子呢？好的因子不用你从0到1生产，研报、书籍论文中就有很多可以直接拿来用的现成因子。非必须不要造轮子，我们站在已有的成果上借鉴和再创造。找到这些因子后，你要做一个因子池，这个因子池就是你的典藏图书馆，你的弹药库。在池子里把因子们分为几个大类：基本面因子、量价因子和另类因子(我是这么分的)，基本面因子通常是一些季频变动或年频变动的低频因子，量价因子和技术分析的本源一样，本质上是对行为金融学中“人的行为模式”进行刻画，这类因子可以用遗传规划辅助挖掘，另类因子是指市场上不常见的、非传统因子，比如刷卡消费数据和消费板块股票截面收益的关系。不同的因子可以合成新的因子，表现弱的因子可以经过改造变成好因子，以前写过一篇《[color=var(--weui-LINK)]因子挖掘中的“PJ塔克效应”》，讲了怎么用好这些"差生"。随着交易的经验增长，你的因子池会越来越丰富，你的后方储备会越来越充足。至于其中要用到的数学知识，我的建议是遇到什么，学什么。不要花大量时间在基础知识的准备上，在干中学，学中干，战争中学习战争。

，一个在我的经验上总结的，切实可行的量化交易学习方案是：商业平台练手—自己写回测轮子(也可以用现成本地框架)，获取数据在本地做回测—多因子框架搭建，挖掘因子。市场上总流传着一些神话，这些神话大部分都是由运气决定的，不可复制。临渊羡鱼，不如退而结网，我们把手上的兵器打造好，把策略打造好，控制住回撤，时间就是你的朋友。
最后，感谢大家一直以来的支持，送上一些自己珍藏的书籍，其中有因子入门和量化策略的书籍，还有我的期权入门书籍《震荡市场中的期权交易》。📚《151个策略》：其中包括了股票、加密货币、期权等等市场的151个策略，每个策略会给出来源出处。公众号后台回复“151个策略”，获取原书PDF版。
📚《因子投资:方法与实践》：石川老师的书，其中包括了因子投资基础、因子投资方法论、主流因子解读、多因子模型等等，虽然涉及必要的数学公式，但是会深入浅出、抽丝剥茧地解释统计方法。是一本新老皆宜的多因子读物。公众号后台回复“因子投资”，获取原书PDF版。

📚《震荡市场中的期权交易》：我的期权入门读物，市场上大部分的期权书籍都是英文，但这本是翻译的很不错的中文版！公众号后台回复“震荡市场中的期权交易”，领取原书PDF版。
📚《financial advances in machine learning》: Lopez大神的书，从金融数据的处理到机器学习一条龙讲透了，书中还给出了很多非传统的采样、打标方法，这本书我也一直在读，打算边读边把其中的精华部分翻译到公众号上。公众号后台回复“lopez”，获取原书PDF版。

network

从lol主播到量化交易：如何制定自己的量化交易学习路线？
原创 puppy 跟puppy玩量化 2023-03-28 15:23 发表于四川

01

今天一整天都在动车上，正好有时间写写自己的经历，全文4000多字，包括我转行的经验、找量化工作踩的坑和量化学习路线。我的本硕都是文科，在转行量化之前做过很多工作，做的最久的是lol解说主播。

图片
翻到了当年去上海打炉石比赛的视频：
图片

和花儿乐队、娃娃、各平台网红在北京798录电竞综艺节目：
图片

在电竞圈混了两年，我发现女生混电竞圈子是不太看实力的，走职业选手路线基本不可能（像miss苍姐那样靠实力吃饭的是极少数），更重要的是资源，而电竞圈的混乱程度丝毫不输于金融圈，在快大四毕业时我离开了这个圈子，去了美国读marketing。
去读书的学费一大半是在期货市场赚的，2017年赶上了铁矿做空那波大行情。在美国读书时做了一些小生意：倒买倒卖家具，帮人做作业，不仅足够应付日常开支，还存下了一小笔钱。
读了一年后我发现这tm比我本科还水，不想读了，果断回国考了研究生，考的最简单的mpacc，报的离家最近的学校，以初试第4名上岸川大会计专业。
读研期间我在两家小私募实习，都是主观多头的股票私募。在两段实习经历中我萌生了转行量化的想法——交易不是凭“感觉”，每一笔交易决策都是可以用量化的语言表述的，即使最抽象的“盘感”也可以用数学逻辑刻画。
我开始从头学起了编程和数学，边学边找量化实习，但是我没有理工背景和从业经验，投了十几家要么卡在简历，要么过不了二面，那时候信心很受挫，难道不是科班出身，就没有进入这行的机会了吗？
碰壁碰多了，脸皮就厚了，开启花式找工作模式，死缠烂打要面试机会：
图片

找工作的小技巧：比如我想找北京的工作机会，就先投上海深圳其他地方的，简历适度修饰，能成功进入面试就行，积累几家的面试经验，再回过来投北京的岗位；没有从业经验，就把复现研报、论文的经历写成项目经验；没有稳定赚钱的策略，就说正在调试很有潜力的策略。
找工作这个事，我的经验是一要脸皮厚，二要想尽办法进面试。

02

从小私募跳到头部，又辞职出来自己干，已经过去了三年。看到身边人的起落，我对交易的认识也不断的深入：
有的人一开始亏钱，然后赚小钱，然后积累到一定量级的财富，他们的资金曲线没有让人眼前一亮的陡峭拉升，但就是每一步都走的很踏实。
有的人举目四望，哪哪儿都是机会，今天搞t0，明天做商品期权，后天搞价值投资，看似机会实则陷阱，日子也就在大亏小赚中浑浑噩噩的过去了。
有的人瞄准一个方向，一直都在一片地耕耘，其他的荒不垦，把脚下的一亩三分地研究的透透彻彻的，几年下来也实现了稳扎稳打的收益。
有的人很着急，每天都想要从市场挣点钱，人性的缺点急躁、恐惧、贪婪全都反映在账户上了：挣钱的单子拿不住，亏损的单子舍不得砍，放在一边下蛋，来回换仓，来回后悔。
人生是没什么捷径的，交易本身已经算是一种捷径了，如果在捷径中还要去抄近路，那肯定是会上当受骗。慢就是快是交易这行的规律，《天道》中有一句话：“按规律办事的人就是神”。

03

我选择量化交易这条路，并把它作为终生的事业，除了喜爱之外，还有几个原因：
这是一项硬本事，让我能不看人脸色，不受体制、地域等等的束缚，随心所欲自由自在的生活在任何地方。
图片
量化中的数学和编程技能都是底层技能，也是全球性技能，可以轻松迁移到其他领域。
量化是一个天花板足够高的行业，盈利的天花板足够高，进步的天花板也足够高。我能从过程中的挑战和困难体会到做事的乐趣。自己喜欢又能赚钱的事业不多，量化算一个。
这是一个有长期积累价值的事，年龄的增长带来的是价值，而不是焦虑。

04

如果你初入量化，想把量化作为事业，希望我的建议能给你一些参考。
首先选择一个市场/品种作为你的主战场。这个市场/品种要具备两个特点：流动性好，难度系数低。
判断流动性好坏，股票看换手率，期货看成交量/持仓量的比值，另外bid/ask价差也是一个辅助指标。
一般而言热门品种成交量活跃，流动性好。一些商品期货的流动性差，比如动力煤，纤板，普麦，豆二，菜籽，棉纱，胶板。值得注意的是，今后股指期货的活跃度会起来，今年股指期货平今手续费降低到了200多元一手，而在15年到23年，股指平今手续费都是300元一手。
另外，流动性好的期权市场不多，国内指数期权和热门商品期货期权的流动性不错，但最好的还是SPY标普期权市场，平值期权的bid/ask点差只有0.01：
图片
第二点难度系数低，也就是说在选择品种的时候尽量去找软柿子捏。有些品种是很难赚钱的，比如被戏称为“交易员坟墓”的原油、天然气，因为这类品种受外界事件的冲击很大，我们很难占到信息差的优势，做这类品种往往成为后知后觉的待宰羊羔。
还有一些个股也是很难做的，行业、公司的突发事件会对股价造成巨大冲击，我们很难在信息链中占到上游优势，经常成为被动割肉的一方。
对期权这个品种来讲，做个股不如做ETF。在由多只股票组成的指数里，股票相互之间的涨跌被对冲掉了，极端事件对价格造成的扰动更小，价格走势更加平滑，因此我们在指数上做期权比在个股上容易许多，尤其是不看方向的组合。
总之在品种选择上，你要选择资金体量上去了也能控制风险敞口，受外界突发事件冲击小，逻辑容易理清楚的品种。
接下来是架构策略，你要在什么时间，以多大的仓位参与市场，然后在什么时间，以多大仓位离开市场呢？策略要解决的就是这两个问题。
量化策略大致分为两类：多因子策略和规则类策略。算法交易也被归为量化交易的一种，但这种交易往往偏高频，对设备和编程要求较高，不适合新人作为切入方向。现在市场上有很多自营做规则策略的，多是半程序半人工；体量级的私募以多因子策略为主。
入门量化可以先从规则类策略入手，选择一个商业量化平台，用指标型的策略练手。用商业量化平台作为出发点的原因有两点：一是你不用获取数据，平台上的有现成的数据，甚至有质量不错的tick数据；二是回测和实盘都有现成的框架，上手就能用。
在这个过程中，你能感受到几行代码就能取代人工下单，复杂的盯盘环节被省去了，大大节约了时间。你也能发现有一些简单的策略，在控制好仓位的前提下的确是能赚到钱的。除了技术指标策略外，“缠论”也已经有开源代码实现了。
在你做了一些策略并且发现能赚钱之后，下一步就要对你的工具升级，欲善其事必先利其器，你要逐步走上多因子的路线。我们做交易做投资，实际上做的是一个“因果性”和“相关性”，哪些因素会造成价格波动？哪些因素和价格波动有关？多因子做的就是把盈利和亏损抽丝剥茧，分析出最底层的逻辑。
我们做交易，要明白利润亏损来自哪里，当然要弄清楚每一笔交易盈亏的原因太难了，但是我们只要能定位其中的一半，就足以在这个市场长期盈利了。那么用基于数学、统计学的因子挖掘就是一条科学的路，正确的路。
以前写过一篇多因子入门《「量化萌新」多因子入门指南》。要搭建一个完备的多因子框架，需要对基本面和量价有深入理解，这种理解是在实战中日积月累的。你对事件和盘面的认识会融入到基因里，这就是老手和新手的区别。
“
“我会雇佣一个有十年期权操作经验的老手，也不会雇佣一个数学系的名牌大学毕业生”。——塔勒布《动态对冲》

”

我用我自己的经验举例，一般挖因子的步骤是这样的：在对个股构建因子时，以从上到下顺序挖掘因子，宏观上可以对PMI、CPI等构建因子，然后到公司的基本面上去，对公司财报中的资金成本、盈利能力等相关指标构建因子，接下来对股票的量价数据构建因子。如果是对期货构建因子，也是遵从同样的步骤，从产供销、库存等基本面数据着手考虑，然后再构建量价方面的因子。
那怎么去找到好用的因子呢？好的因子不用你从0到1生产，研报、书籍论文中就有很多可以直接拿来用的现成因子。非必须不要造轮子，我们站在已有的成果上借鉴和再创造。
找到这些因子后，你要做一个因子池，这个因子池就是你的典藏图书馆，你的弹药库。在池子里把因子们分为几个大类：基本面因子、量价因子和另类因子(我是这么分的)，基本面因子通常是一些季频变动或年频变动的低频因子，量价因子和技术分析的本源一样，本质上是对行为金融学中“人的行为模式”进行刻画，这类因子可以用遗传规划辅助挖掘，另类因子是指市场上不常见的、非传统因子，比如刷卡消费数据和消费板块股票截面收益的关系。
不同的因子可以合成新的因子，表现弱的因子可以经过改造变成好因子，以前写过一篇《因子挖掘中的“PJ塔克效应”》，讲了怎么用好这些"差生"。
随着交易的经验增长，你的因子池会越来越丰富，你的后方储备会越来越充足。至于其中要用到的数学知识，我的建议是遇到什么，学什么。不要花大量时间在基础知识的准备上，在干中学，学中干，战争中学习战争。
总之，一个在我的经验上总结的，切实可行的量化交易学习方案是：商业平台练手—自己写回测轮子(也可以用现成本地框架)，获取数据在本地做回测—多因子框架搭建，挖掘因子。
市场上总流传着一些神话，这些神话大部分都是由运气决定的，不可复制。临渊羡鱼，不如退而结网，我们把手上的兵器打造好，把策略打造好，控制住回撤，时间就是你的朋友。
最后，感谢大家一直以来的支持，送上一些自己珍藏的书籍，其中有因子入门和量化策略的书籍，还有我的期权入门书籍《震荡市场中的期权交易》。
📚《151个策略》：其中包括了股票、加密货币、期权等等市场的151个策略，每个策略会给出来源出处。公众号后台回复“151个策略”，获取原书PDF版。
📚《因子投资:方法与实践》：石川老师的书，其中包括了因子投资基础、因子投资方法论、主流因子解读、多因子模型等等，虽然涉及必要的数学公式，但是会深入浅出、抽丝剥茧地解释统计方法。是一本新老皆宜的多因子读物。公众号后台回复“因子投资”，获取原书PDF版。
📚《震荡市场中的期权交易》：我的期权入门读物，市场上大部分的期权书籍都是英文，但这本是翻译的很不错的中文版！公众号后台回复“震荡市场中的期权交易”，领取原书PDF版。
📚《financial advances in machine learning》: Lopez大神的书，从金融数据的处理到机器学习一条龙讲透了，书中还给出了很多非传统的采样、打标方法，这本书我也一直在读，打算边读边把其中的精华部分翻译到公众号上。公众号后台回复“lopez”，获取原书PDF版。