|
我在券商做量化分析研究，不过也是刚起步，从估值模型和财务模型转过来的。
我的体会是，要想做好金融量化，需要三方面的综合知识交叉，一是金融知识；二是统计数学知识；三是编程知识。这三者的关系如何呢？打个比方吧，很多人是从程序员转过来的，最容易做的一种策略就是，灵光一闪，比如看着两条均线，构想出一个策略，什么什么条件买，什么什么条件卖，那就编个程序回测吧，回测出来的结果一看，牛叉啊，3年收益300%，比大盘高出了250%，还想什么呢，发财要趁早啊，干吧——这就是以编程知识为主的量化研究的特点。
如果加上了统计数学的知识，可能研究员会觉得，3年的抽样不具备普遍性，必须延长至10年，涵盖牛市、熊市和震荡市；哪个变量是否是大盘指数的先行指标呢？格兰杰因果检验，协整关系都试一试，终于弄出一个较为显著的统计模型，然后不断改进模型，进行预测——这是编程+统计的量化研究。
如果加上了金融知识，会在建立统计模型的基础上，寻求金融学上的意义。我们同行之间认同一句话：只有统计学上的意义，没有金融学上的意义，等于没有意义。一个好的模型需要从纯抽象的数据上的规律，对应真实世界各个因素之间的因果逻辑，如果有这样的逻辑，这个模型是比较有生命力的，如果没有，可能仅是过度数据挖掘的产物。
这是我自己的一点体会，对不对不重要，希望能够有一些参考意义。
| 
发帖
雷达卡
加好友,备注jr
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
可以互相交流下
