前言

最近在学习量化，突然思潮涌动，有感而发，总想写点什么东西，记录一下我在学习过程中碰到的一些问题，以及通过学习量化，总结我之前投资，或者炒币过程中某些错误的操作。也相当于做一个总结。

何为量化

打一个比方，假设你开了一家饭馆，你作为饭店的老板，每天需要买菜。而究竟买多少菜，你应该根据什么来进行判断。如下图:

 由此可见，在传统的思维下，我要采购多少，更多的是由我这个老板的主观意志来决定的，很有可能会因为个人的主观感觉导致采购超量或者采购不足。

而量化思维，是统计了一段时间内，不同因子影响导致的客户上座率等影响，然后得到一套基于数据的规则，然后使用这套规则来代替人员进行判断。

这就是一个简单的类比，其实就是用数据形成规则，代替人的主观思想，替你执行。

为何要用量化

 为什么要用量化，就是用客观的数据和规则，来取代人性的贪婪和盲从。是的，在投资领域，无论是A股，美股也好，币圈也好。散户都是最容易被割韭菜的，为什么被割韭菜，核心原因就是你在你进行投资的时候，你对你投资的资产并没有系统的进行过研究，只是盲目地看着这个资产价格不断上涨，从而让你感觉再不上车就晚了。然后等你稀里糊涂买了这个资产之后。通常等这一阵风过去了，随后而来的资产价格猛烈回调，立马会让你在风中凌乱。

  我们投资最难的其实是对抗自己的情绪（或者说是人性），为什么机构能挣钱，散户只能被割韭菜。核心原因就是，我们是否真的能够维持较好的交易纪律。而一个合格的交易员，必须也一定要遵循严格的交易纪律。我相信很多人，包括我自己都做不到，很多人其实都有赌徒思维，当资产下跌时，第一时间不会想着割肉，而是会考虑死扛，等着这个资产涨回来，涨回来了还想再等等，想赚的更多。这个其实是投资大忌，因为死扛意味着你被资产进行了绑架。在未来的一段时间内，这笔资产无法给你带来任何收益，并且也有很大概率，你将继续承受资产价格下跌带来的情绪影响。

 上涨时贪婪让你追高，下跌时不甘让你死扛/亦或者错过最佳的割肉时机，反弹时你已经离场后悔。每一步都合乎人性，但每一步都错了。

不用想，小编就是这样反复被割韭菜的。但是被割韭菜不怕，重要的是要知道我们为什么会被割，如何才能让自己被少割一点，亦或者在被收割之前能逃出去。而量化，就是一种工具，是一种利用统计学，利用严格规则，来对抗人性的一种工具。如果学好了量化，即便我们无法获取到大型机构那种信息的收集广度，那至少，在市场整体向下，恐慌的时候，我们可以以一个相对较小的代价抽身而退。

 甚至有的时候，即便你的资产缩水，但是你也赢了，比如说大盘整体跌了20%，有些基金甚至跌了30%，而我们自己只损失5%。那我们其实就赚到了Alpha的钱（至于什么是Alpha钱，我下面会提及）。我们就可以以更低的价格来收购筹码。总之量化是一个工具，它不一定能让你赚钱，甚至在大盘总体上涨的情况下，你使用量化策略，可能没有那些无脑买的散户玩家赚的多。但是它在股灾，或者突发事件影响下，它可以让你跑得比别人更快。

 量化最大的价值是，让代码锁定规则，在你最想违反规则的时候，替你执行规则。

我们到底能赚什么钱

量化的策略非常非常多。但是想把所有的量化策略都研究透，没有个3~5年那想都不用想。但是，我觉得我们压根没有必要去学习那么多的策略，通常情况下，最经典的策略用好了，我们也能在资本市场里面赚到不错的收益。

在学习量化之前，先建立正确的世界观，然后才确立使用何种方法论。

首先，我们需要思考，资本市场里面可以赚的钱有多种，我们需要赚的是哪种？不同的用户受 资金量|时间|技术水平|平台  等多因素影响，可以赚的钱也不一样。我大致罗列了几种。

Alpha 本事的钱:

 在潮水不动(大盘横盘)甚至退潮(大盘下跌)时，你通过挖掘别人看不到的因子（新闻情绪，分析微观资金流），找到币大盘跑的更好的资产，多出来的收益，就是Alpha钱

Beta 趋势：

 趋势收益的核心逻辑是市场一段时间内沿着特定的方向运动，你不需要买在最低点，你只要确认趋势形成了就上车，趋势坏了就下车。比如2023年的AI股，2024年的红利股，还有24年开始到现在的黄金。

 但是在趋势下，很多人其实也会陷入恐高不敢追，或者贪婪不肯卖的情况。量化在这里就没有那么多心理活动，它只看规则，突破了就买，跌破了就卖，绝不拖沓。

震荡 均值回归：

 震荡收益的核心逻辑就是资产的价格会围绕着价值中枢上下波动，像一跟弹簧，通过网格交易，跌下来分批买，涨上去分批卖，哪怕价格没变，你账户里面的余额变多了。

 震荡行情有的时候震动的幅度比较小，我们一直盯着这个K线，价格。时间长了会累，而量化无所谓，它可以24小时不停地帮你盯盘，帮你收租。

套利 无风险/低风险:

 套利的核心逻辑是同一商品在不同市场价格不同。比如ETF折溢价套利。某个跨境ETF，场内价格涨停了(溢价)，但是它的净值没有动，可以在场外申购，场内卖出。

这种套利稍纵即逝，靠人眼看是来不及的，需要程序瞬间捕捉差价。它不依赖市场涨跌，而是依赖同一资产再不同维度的价格差（如期现套利，跨期套利等等）

 这种套利方式，在期货市场里面比较常见。比如在交割日，价格的突然波动。都是套利的机会。

高频 网速:

 核心逻辑: 微妙级的速度优势，赚取买卖差价。

 打个比方，大家都抢周杰伦的演唱会门票，大家正要冲过去抢票，结果高频这小子一下子把售票口的票都吃下了，然后当一个二道贩子加价卖给你。你可以理解为资本市场里面的黄牛。但是，这个高频是只有一些大体量级别的玩家才能玩得起的。他们有专门的专线网络，特征的硬件设备。普通人抢不到。

在量化领域，AI可以帮到我们什么

 我们每个人的精力往往是有限的，但是投资，我们需要关注的指标往往又非常多，如果把所有的新闻，政策，宏观经济因素都收集起来，整理一遍。再对照了K线数据，盯盘，在决定要不要出手。切不说这中间消耗的精力成本，是普通的上班族完全做不到的，另外，即便是能够去收集数据，我们收集到的数据如何进行清洗，是否是正相关因子，还是无关因子，这些都需要人为主观进行判断。而人的主观判断又往往跟随情绪，最终等我们得到结果，往往跟数据的反馈很难进行挂钩。

结合着目前的AI，我们可以创建创建多个Agent来协助我们一起工作，由他们得到一个结果，告诉量化程序，最终应该是买入，卖出，还是割肉离场。

Agent1: 数据清洗和处理：

 它是系统的输入端(Input)。负责对接交易所数据源，提供高质量的行情数据
 具体任务: 
    采集: 对接QMT/Tushare/Akshare接口，24小时抓取股票，期货的实时价格和公告。同时捞取东方财富，同花顺等各个机构的投研报告。以及按照时间，每月捞取一次宏观经济数据，如LPR，十年期美债收益....
   清洗: 剔除错误数据(乱码)，处理除息除权（复权）。并且将各机构的投研报告让大模型进行学习，分析，然后进行格式化处理，存储到指定的库中。
   交付: 将得到的数据包，进行标准化后喂给分析Agent

Agent2: 策略计算:

 它是系统的大脑。只负责计算信号，不负责管钱。
 具体任务:
    计算指标: 根据上一步得到的数据，实时计算MACD，均线，RSI，ATR，ADX等值。判断应该买入什么股票，该采用什么策略，什么时候入场等等信号

Agent3: 资金和风险管理:

 它是系统的风控官，拥有 一票否决权
 具体任务: 
     审核资金:  如果分析策略得出结论需要买10万，但是该Agent检查账户不足，那就会直接拦截
     仓位控制:  限制单只股票仓位不超过20%， 防止单点暴雷
     强制止损:  一旦亏损触及预警线(10%),直接触发强平策略

Agent4: 交易执行:

它是系统的输入端。 负责直接与券商交互
 具体任务:
      报单: 接收第二步的信号，转换为券商能识别的API交易发送出去。
  算法拆弹: 如果是大额订单，自动拆分成小单分批买入卖出，避免冲击盘口

架构图