浅谈算法交易的演变

---前言---

经常会在社区中被问到算法交易到底是什么，我自己其实一开始也不知道如何去解释清楚，趁着放假做了一些调查总结，顺手写了这么一篇入门科普级别的文章，希望对大家理解有所帮助罢。

---前言---

算法交易的演变

所有人都在寻找投资中的圣杯（holy grail）,但是用什么样的方法可以更准确地找到“圣杯”呢？我们也一起来看看算法交易的演变吧：

读图

算法交易始于读各种市场交易数据图，不出意外不论欧美还是亚太地区市场都是始于这里 - 读图高手们从价格的历史图形中寻找某种规律。这些图形规律总是被冠以“艺术”的名称，像是K线图中的“阳线”、“阴线”、“十字星”、"morning star"、"head and shoulders"(可不是中国特色，欧美这些术语也是很多的)等。读图看起来更像是看手相，而我们总是会质疑 - similarities don't end with appearances。

读曲线图更像是尝试从股票的历史价格中寻求市场上的买、卖的平衡点。从这点来看，读图在也在寻找着预测价格的可能性。读图非常常见，以至于某些事件发生之后会引起市场参与者的反应，可能也是因为很多参与者都从股票价格图中看到了同样的“含义”。

在亚洲，有传闻技术分析是由[Homma Munehisa][3]在18世纪使用蜡烛图开始使用的，而Homma Munehisa本人其实是一位大米商人，而蜡烛图至今也是一个非常常用和出名的技术图表。

可以看到早期的技术分析都是分析图表，这是因为那个时候缺乏计算机对数据进行更深入的分析。

技术分析

伴随着计算机技术的进步，技术分析也越来越复杂，读图也替换成了编程实现的算法。这些算法有着听上去更科学的名字，比如：移动平均(moving average)、成交量加权移动平均（volume weighted moving average）、bollinger bands、相对强弱指标（relative strength indicator）、pearson's correlation coefficient。的确，构建技术分析的算法看上去很像是现代的统计方法。不过，技术分析将算法应用在同样的概念中：从历史的数据中推导出未来行为。除了难度更大外，技术分析可以从历史数据中测试他们的算法。虽然并不完美，但是相比读图这已经是一个不小的进步了。

相当多的人都在质疑使用历史数据来推断出未来行为的技术分析的**正确性**。不过我们更想指出的是，读图和技术分析都有一个局限：都想“孤立地”预测出**单个股票**的走势。这个局限既有好处也有坏处:

一方面来看，对于复杂的统计和机器学习来看，技术分析几乎没有空间改进了：因为你只有一条时间序列的数据线，而你还需要用它来既做信号又要来做你预测的目标。

另一方面，由于技术分析的比较直观，非常易于上手和学习自动化交易。通常来说，从时间序列的数据到如何产生信号买、卖之间存在一条理解上的鸿沟，而用技术分析来上手可以帮助你理解自动化交易，从而得到这块思想上的进步。因为技术分析产生的交易信号都比较好理解，也便于初步理解风险控制、评判收益和订单管理 (order management)。比如：价格高于30天的均线是很容易被理解和想象出来的。因此，你可以集中你的精力在金融和交易问题上。