第503章 量化困局（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
覃思琪答道：“目前主要是日线级别的价量数据和基础财务数据，分钟线数据已经接进来了，但还在做清洗。Tick级数据成本太高，我们暂时没碰。”
“特征工程呢？”林深继续问，“是直接把原始数据喂进去，还是做了预处理？”
徐嘉伟接过话：“会做预处理，先标准化，再做一定程度的维度压缩，然后提取滚动统计特征，比如过去二十日的动量、波动率、换手率这些，每一个特征都会在验证集上看贡献度。”
林深点了点头，又看向徐嘉伟和高达：“模型架构呢？你们目前用的什么？”
高达说：“主模型是XGBoost，另外跑了一版轻量级的LSTM做对比。实盘上用的是XGBoost为主，LSTM暂时没有纳入正式组合，因为它在实盘里的胜率表现不如回测稳定。”
“有没有做验证？”林深问。
“做了时间序列交叉验证，还有样本外验证。”徐嘉伟说，“回测阶段做的是滚动训练，不是拿全量数据一次性喂进去，这点我们一开始就考虑到了。”
郑启铭也补了一句：“数据我们做了多重清洗，行情数据和财务数据分别对齐了时间戳，避免未来函数。”
林深听他们说得这么具体，心里已经大概有了底。这个团队，至少在基本流程和风控意识上，比很多市场上的量化工作室要规范得多，目前来看他们的流程和框架是没问题的。
演示结束后，覃思琪把投影关掉，表情认真起来“学长，这就是我们目前的一代模型。实盘和回测都做了，但年化收益一直卡在5.5%附近，怎么调都上不去。”
林深没有急着开口，会议室里也安静下来，几个年轻人都在等他说话。
覃思琪又说：“我们翻了很多文献，也试过不少方法，但效果都不明显，所以想请你帮我们看看。”
林深靠在椅背上，脑子里快速把前面看到的内容过了一遍。
一时间，他也说不出问题具体出在哪里。量化本来就不是他最擅长的方向，当初他自己做的那套模型，主要是针对期货市场。期货做的人少，策略同质化还没那么严重，所以能跑出比较高的收益。后来用的人多了，收益率一路下滑，最终自动休眠。
覃思琪她们现在做的是股票策略，难度比他当年那套大得多。
5.5%的年化，放在机构里已经不算差了。但机构做量化规模大，策略容量高，大几千亿的量化机构在里面市场卷，5.5的收益乘以几十亿本金，绝对利润依然属于可观的。
而她们的模型目前最多只跑过一百万，离大规模实盘还差得远，真拿几十个亿的资金去跑，滑点和冲击成本会把那点收益全部吃掉，甚至可能整个模型直接崩掉。
他朝覃思琪伸出手：“电脑给我看一下。”
覃思琪把笔记本电脑转过去，屏幕上还停留在刚才演示的策略框架图上，林深把页面拉回去，从头开始，一段一段看。
几个年轻人谁也没说话，会议室里只剩电脑风扇细细的转动声。
他看得很慢，从最上层的数据管道，到中段的特征工程，再到模型训练和回测输出，每个模块都点开扫了几眼。偶尔打开一个代码文件，跳到关键函数那里看几十秒。
旁边的人看不清他到底在看哪一行，只觉得会议室里的空气越来越紧。
大约过了十来分钟，林深重新抬起头。
“这套模型，已经做得很不错了。”
这话不是安慰，数据清洗、滚动训练、交叉验证、实盘和回测的差异处理，全都算得上规范。哪怕换成他亲自上手，也未必能搭得比这更好。
问题到底出在哪呢。
他脑子里快速把整个框架又过了一遍，他们的思路有没有问题？没有。从因子挖掘到机器学习组合，再到风控和实盘，每一步都踩在正道上。
数据有问题吗？从刚才的介绍看，至少基本的对齐和防未来函数都做了，说明他们不是乱来，是懂行的。模型架构呢？XGBoost加滚动验证，谈不上激进，但也足够主流。这些环节，该做的都做了，不该犯的错也没犯。
↑返回顶部↑