日期：
来源：量化金融学习收集编辑：南山宽客
首先在开发层面，高频策略研究系统是相对来说很难搞的，就拿基础数据来说，在保证数据质量的情况下，高频策略研究需要用到的数据一般是以tick获取的方式，这种数据每年的成本都是讲数万计的，针对高频数据还要加上预处理，清洗，存储的工程。毕竟如果数据频繁出错是不能有效保证策略的鲁棒性的。而且这样的系统维护起来，也不是一个人的能力所能够触及的。高频在量化领域是出了名的难做，尤其对上规模的大资金不友好。因为大资金需要的是结构性对冲风险后再进行风险溢出获利的，而不是来市场进行搏杀。我之前就遇到这样的问题，前几年我收到一高净值资方的高频策略的开发需求，资金方的要求也很简单，就是期望我这边能帮帮忙复现其发现的一高速盘口流抢筹的策略构想，想要进行建模摸清其思路的有效性，再上大资金。而且其前期是愿意拿出百万资金进行尝试。开发完成后，测试期我们就发现他选择的交易市场，以及他这种高频类型的策略，撑死百万资金上下的容量规模，再大的资金将再无利可图。无利可图的原因，他的策略有点类似晃骗策略。对他数千万的期望架构来说，单一市场下，这种类型策略的交易很容易被对手盘盯哨，以及引起监管层的注意。以那名资方自己嘴里说出的原话说，更像是拿出少量资金在市场刀口舔血式的博弈，得不偿失。我们做量化的要理解越是高频能尝试的市场，市场的容量是相对有限的。而且个人层面，在初期是有没有稳定可靠的交易策略的，更多的是“试错型”的交易开发需求。整个试错的过程一般都是数年来计算的。我自己也是糊涂了数年，不停地重复踩坑+换方向+亏损的循环。最可怕的是信心的丧失，这里是交易心理学了，属于别的领域范畴，就不多说。开发初期你还要面对的问题，你的硬件软件投入实力如何，包括不限于高性能计算存储设备的购买能力，低延时，高并发交易系统的架构设计能力，对所交易市场、品种的理解能力，还有，人性的那部份也无法避免。。。无论哪一个层面也都是针对个人不友好的。我认为不友好的原因，更多是因为高频量化系统的设计与建立，是一个规模庞大、学科知识跨度大、投入产出充满不确定性的繁复工程。需要多年的沉浸发展。我以前经常反问自己，回到最初，在做量化建模之前，你是否已经是一名成熟合格的交易员，因为只有成熟合格的交易员，行为上才能做到实时+逐日+连续盯盘，而且做为交易人，自己心理建设是否过关，高频量化尤其是如此。个人做高频，会把自己在市场一定会踩到的坑以加倍速的方式面对。因为自己以“个人”的方式做过高频，所以才感触。还有不死心的小伙伴想以个人方式去尝试这个领域，我觉得需要注意的方向：1、如果是自动化的高频交易的系统，策略有没有经过充分的样本内外测试2、做高频最怕行情数据等环境抽风，你的行情数据系统是不是准确可靠，3、如果在极端行情、系统异常等情况、包括硬件错误、网络卡顿延时情况下，你策略的“鲁棒性”如何？做量化的都知道，有效因子是需要发掘的（最要是因子长期阶段性必然失效的原因）。发掘，指的是新的领域、方式，一定不要去卷。当市场饱和到要去卷的程度了，那就证明你的策略同质化已经很严重了。其实我是很推荐个人做量化找一些比较特别，容量较小的alpha方向去做，因为个人层面相对来说比较灵活，针对市场上忽现这种“小容量alpha”的规律的发掘，更容易针对性的搭建好实用的策略模型，比极速的去执行。如果打一个不恰当的比喻，执行交易人是渔民，策略模型是他的渔网，那这种类型的“小容量alpha”，可能就是去捕捉比较容易出现的小鱼。一艘小船，一副小渔网，一副钓竿，在合适的天气出海就行，多少是有些收获的。而在初期就花费大量精力跟风去卷，购买搭建“大型捕捞设备”的行为，对个人来说，就是愚蠢行为，一定是要找到自己的生态定位的。讲一个我比较缺失的技术环节，但这一定是发掘alpha因子的未来，以前我们传统买方量化人的做法是利用人工，大量复现验证金融证券市场的技术研究方向，比如券商金工组研报课题，程序自动化流派可能还涉及到写个什么打板策略的需求。做法也比较简单，就是利用市场交易人已经确定有效的规律，我们量化人再进行建模、复现，然后观测验证，上实盘测试，规模化生产。但这样的策略都是存在有效周期的，失效后，这类型策略就扔库里了。所以以往我们每天大量重复的就是此类工作。但次世代以来，以机器学习、深度学习为代表的前沿计算科学，已经开始进入量化交易从业人员的视界，比如的遗传算法挖掘因子引入量化投资的方式，就聚集了大量的爱好者人群，尤其是一些线性因子策略，很容易就通过遗传算法给挖掘出来。这种做法比起我们传统做法，从效率上来说，我的理解就是降维打击，高效得太多。但这一切都得有一个前提，市场的是线性的，如果不是线性的，那么可能在算法开发层面，还需要升级，这又涉及到前沿计算科学的相关技术的发展领域了。总的来说量化投资的每个做法流派，都是需要不断进步与学习的。一定不要固步自封，以为“三板斧”打了天下，还能再以“三板斧”守下这个天下？我愿意和你一起交流，一起聊金融证券、聊量化交易，共勉前行。来源：转载自CQF量化金融分析师，作者南山宽客，一位“野生量化交易员”，内容已获得授权使用，如有疑虑请联系处理。