清华博士生的交易成长记——专访 FXTM 富拓组优秀选手@THU_Quant

业余量化交易爱好者很多，但拥有博士学位的量化交易者却很少！来自顶级学府——清华大学的在读博士@THU_Quant ，其#3 账户凭借自研的订单流风控+半自动EA的算法交易策略，于10月中旬以来就以超75分的综合得分成绩，稳定在本次大赛的轻量组前十！同时经过4个月的实盘测试，账面数据表现为胜率66.6%，盈亏比1.2，正收益值达0.8，赢得了146位交易人的认可和订阅！

本期大赛专访，我们将会与你一起走近这位博士生的交易世界，看看他对量化交易的理解与我们有什么不同，社区中又有哪些他敬佩的交易员！

 

交易经历

Q：您交易多少年了？当时因为什么样的机缘巧合而投身于投资市场呢？

外汇按金交易两年。觉得20多岁还拿家里的钱很没面子，而且发现我想做的事业需要很多资金支持，恰好疫情在家看了个外汇的网课，因此进入外汇市场。

Q：请问您是什么专业？您的专业知识，对您后来做量化交易有哪些帮助？

电子科学与技术。量化投资这个行业里本身很多就是清华电子系出来的师兄师姐，我们学校有专门的量化投资协会和面向全校公选的量化投资课程（虽然我没参加/狗头），有一定的氛围。本身做的科研也涉及一些时序信号处理和算法工作，在科研项目没有很明确的任务的时候我就拿量化投资练手，可以说我的python就是在学量化投资的过程中熟练起来的。

Q：在开发量化交易策略中，您觉得最难的点在哪里？

工程量，最好还是有一个团队做事情，单打独斗没多少空余的时间弄。

 

投资理念

Q：风控是一个策略的核心部分，在你们现在的这套策略中，你们是如何管理风险的？

我认为这个市场黑白分明，只有赢家和输者，对一笔订单而言只有胜or败两种结果，赢家不需要风控。那么首先开单的位置就需要在一个胜率较高的位置，当然我不想也不能有十足的胜率把握，当市场并未向想要的方向运行时，加仓是不可避免的，但是加仓的间距和大小是我们能够掌控的因素。得益于首发优势，有限的加仓使得风险可控。为了以防万一，净值保护也是必需的。

Q：您的策略是绝大部分品种都交易的，而有些程序化交易者可能会专门针对某个品种去开发策略。请问您对于程序化策略的普适性怎么看？

首先不同的品种确实是有不同的特点，贵金属、大宗商品与股指期货这些品种的波动和方向令人捉摸不透，受到基本面和交易者的情绪影响较大，对这些品种而言就甭提预测了，各种指标也都是对过去行为的描述，不要去尝试预测市场，做好风控就盈利了一大半。货币对在我看来更加合适，因为我是从不同的品种里挑选合适的点位介入，如果只有一个品种那么进场几率会小很多，在这个24小时的市场里我希望程序能够不断的运行。当然，针对一个品种做精的模型也很不错，不过最大的担忧来自于过拟合的风险。

Q：订单流风控+半自动EA算法是你们团队现在的策略方向，当初为什么选择这个方向呢？

此问题不予回答，不是现在的方向。订单流技术是我比较认可的一种量化技术，据我所知，传统的CTA策略基金都躲避不了爆仓的结果。目前order flow在国外使用比较多，在国内投资者里值得推广。

Q：可以跟我们简单地介绍一下你们之后要开发的“时间卷积网络+强化学习”的策略吗？

时间卷积网络（TCN）在近两年的论文中提出，在市场里收获了不错的效果。传统的神经网络能够很好的识别某一时刻的特征，但是交易者的参与时滞使得市场行为也具有时域特征，像Markov链模型已经老生常谈了，近年来深度学习的发展使得递归神经网络在时序信号处理上具有较大的优势，尤其是具有记忆的特性；此外卷积核能够提取出数据集的细微特征。他们二者的结合即为TCN。

强化学习相信大家也有所耳闻，在围棋（AlphaGo）、星际争霸（DeepMind）等博弈游戏中完胜了人类。在这里，环境特征（refers to the market）的感知由TCN提供输入，训练的是一个会执行开仓平仓的Agent（可以认为是一个机器操盘师）。算法对于规律的记忆能力在我看来是远强于人类的，就比如说K线的形态，记不住，在做短线时也反应不过来。因此，我认为TCN+reinforcement learning才是食物链的顶端。

 

大赛经历

Q：这次参赛希望获得什么样的名次呢，你觉得自己能拿奖吗？

我不追求名次，第一次参加这个比赛觉得好玩报了个名，没想到现在排名已经是轻量组第三了。不过社区大佬那么多，前三名风水轮流转，可能随时会被大佬们比下去。在这里也祝愿大家取得理想的成绩，汇市长虹。

Q：参加社区的交易大赛，会根据比赛规则调整交易策略吗？

看过比赛规则的定义，我有信心能够做的更好，但是没有必要。交易本身就是业余爱好，大赛的重要性更在后边，名次不如实质的盈利重要，我不希望增加未知的风险来换取一个更好的名次。

Q：会不会关注其他参赛者，有没有看好哪位交易员？

会的，我关注了歃血为盟和autratec，盟主是人类交易员的巅峰，此前对他的手法不甚了解，最近开了眼界；autratec是使用神经网络训练的加仓策略，尽管由于前段时间镑系货币的大单边，目前战绩还不是很理想，但是我相信未来会有进一步的发展空间。