温馨提示:文本由机器自动转译,部分词句存在误差,以视频为准
00:00
Hello,大家好,我是飞图科技的shell,那距离我们上次校园宣讲已经过去了一段时间了啊,我们发现在我们各大视频官媒的下方,很多同学都有积极的进行留言,那我们今天挑选了一些重点问题集中在这里回答。嗯,在理想的情况下,如果一个策略的换手率很高,可以将换手率作为你的损失函数的一部分去进行学习。在实际交易的时候,高换手率可能对市场的冲击以及交易成本都会变高,那我们将这部分的参数可以放在机器学习的策略中,只在学习的时候作为一个惩罚项也不失为一种办法。比较常见的办法就是我们在继续学习,学出的一个情况下,他换手率很高的时候做一些匹配,另外还有一些别的稀释办法,比如说我们在多个策略中,呃,互相中和,通过当日买卖进行抵消,最后换手率也就自然下降了,呃,这个是时间层面上的操作。我们会用尽量可行的一些方案去做模拟,比如用全天的均价,而不是用开盘价,那基于大数定理做下来,你就会跟全天的模型均价差别不会特别大。另外是你们可能要考虑高频交易的一些细节,因为交易行为是会影响市场的。
01:10
如果你买卖一只股票占当天交易量的1%以内,呃,对市场造成的冲击是不会很大的,不会有太大的推动,那我们在这个时候就要做一些尽量严格的假设去限制策略,再比如说你收到行情的时候,嗯,比如说在十点,那么从计算传达到交易所呢,延时可能是在十毫秒到100毫秒左右,所以我们总用十点钟的这个价格去成交,其实不太现实,也不太准确的,因此我们在这个模拟盘回测的时候会做一些呃,一定延时的安全范围,我们对延时其实不需要太担心,因为如果我们做的好,大概率是存在这个收益的。当然在在此的同时,我们还是有许多细节需要钻研克服的,这个也是,呃,我们飞突投研团队日常需要不断攻克优化的工作之一。量化投资虽然是比较崭新的行业,但其实选择性还是蛮多的,就比如说我们在飞凸啊,可以做这种浮点技术类的这样非常硬核的工程师,那也可以去做研究,如何更好的了解市场,或者偏应用型的工程师啊,再或者是我们偏纯研究一点的,比如我们预测市场将会发生什么变化,提出非常多的假设,然后很多验证,呃,通过大量的数据分析啊,这个方面就是我们不同的种类的职业发展道路,最重要的事情其实也不是工作本身,是你们有没有将你们自己的兴趣作为未来发展的支点,在就业过程中不断的通过呃学习,努力去提升自己的量化相关的能力,写程序也好,你做研究也好,都是一些比较特别实在的事情。
02:39
晋升背后其实它真实的意义不在于你这个薪资提升啊,你的职级提升其实在于你有没有能力去突破自己的一个瓶颈,每家公司其实他们发展的都不同,我们要根据每个公司的不同情况去学习,去努力,那我觉得最重要的就是结合你当前的实际工作场景,逐步的去做出规划,不要停止学习,多向前辈请教。
我来说两句