从股票历史数据量化回测看交易

从股票量化回测数据看交易

从数据看市场交易特征

一般的量化思路都是从历史数据入手，因为纵使你有很好的交易模型，也需要验证才能有把握。
而验证交易模型的最快方式就是从历史数据入手，因为实盘验证以天为最小单位，耗时成本极高。

可能大家会觉得历史数据已是过去式，与未来可能并无关联，但是历史并非简单的重复，但确是惊人的相似。

因为就算大环境可能千差万别，由于市场机制的约束，交易在不自知中反复印拓了自己，这就是规律。

而今日和明日的未知未定的未来，也会成为未来的历史。所以，从历史数据中提炼对数据的感知是很重要的。

这里不做具体的量化策略分析，因为赚钱的策略肯定是不会扩散分享的，正因为如此，这些策略才会有持久的有效期。

所以，自己研究琢磨属于自己的策略才是最靠谱的，别轻易复制他人的量化因子和参数。一定要明白这样的策略为何能从市场上刮一杯羹，才算是真正明白了交易。并且切记，自己的模型不要分享，不要分享！

认识市场单从龙虎榜单，南北向资金流向，或者是单纯的从缩量放量，亦或是板块市场情绪是很难建立起总体认识的。人和机器最大的劣势是感性决策，模糊记忆，从而导致对数据的认识不稳定，容易变动。

当然，灵活和难以总结的直觉也是人类大脑的优势，但是就如期望值一样，乘以胜率得到的收益很可能为负。

所以在这个数字时代，借以计算机这个工具，我们可以很容易的实现对海量数据的量化分析，描边出这个市场真正的模样。

比如，在A股市场中，可能大家的直觉都知道，早盘集合进价之后，交易十分活跃，但是具体随时间变化的交易活跃度曲线是什么样的呢？为什么会出现这样的曲线？

如果没有数据分析，你可能很难得到这些关于市场大盘中奇怪的交易现象，也就不会察觉背后到底有哪些力量导致这样的曲线出现，如果这样的曲线只是偶尔出现，并不会形成规律的曲线。

但如果这样的曲线无论是长周期还是短周期，或者在也特定的区间相似出现，这背后往往意味着某种机制约束或者激发着这样的行情存在。这就是比较可靠的套利机会。

与其说这是市场不成文的约定也好，默契也罢，总体来说，在合适的时候参与交易，概率论上你可能会更有胜率。

例如下图是2015(大股灾之后)~至今的整体市场价格曲线图

image.png

2015~至今 股票行情历史数据统计汇总

得出的信息，因人而异，这里不做表明。

如果没有计算机的辅助，人眼每天翻3000只股，可能脑海里也形成不了这样对市场的认识，甚至很可能因为自己的偏好和既有认知导致得出错误的认识。

人脑对海量数据的学习效率，大概率是比不过计算机的。

上图只是恰好在自己电脑里找到的一张图，之前还做过很多角度归总的统计图，估计清理文件删除了，因为代码和数据还在，稍事修改就可以复原很多信息。这里只是简单举个例子。

获取股票的历史数据，可以从一般的财经网站抓取，一般k线是开放的。

但是作为日内交易，用k线回归数据粒度还是太粗，无法得知某一日内的交易明细，比如开盘后走势，午盘后走势等等。所以如果你做量化，一定要注意从现在开始积累数据，每一分数据都是不可重复获得的。

我每天都会分两个机器接收level1和level2的数据推送，一是注入策略做交易，二来保存文件入库，这也是价值最大化利用。

每天全市场5000多只票，全实盘压缩保存下来，几百兆每天，这都是市场的印记，未来回归时我就有了别人没有的数据，这也是你跟别人的策略结论拉开差别的原因。

所以，做回归回测，历史数据的质量很重要，最好是level2，事无具细，统统记录在案，留着后面由你决定模型回测的粒度。

level2和level1行情实盘交易差异_FuckTheWindows的博客-CSDN博客

websocket level2行情推送接口 行情实盘记录 历史数据包下载_FuckTheWindows的博客-CSDN博客

原文链接：https://blog.csdn.net/FuckTheWindows/article/details/132482097