构建系统性投资体系如织网

期货走势图是基本面、资金面和消息面的综合作用结果呈现。

那么针对价量数据建模，

1、从基本面来说，是期望经济运行的规律会稳定重复发挥作用，对个人来说，一是认识片面、二是认知滞后，调整后风险收益难言有吸引力；

2、从资金面来说，神仙打架大户入场，造成的盘面冲击，个人投资者只能被动接受；

3、消息面的因素作用于市场预期，经过一定积累可以较好把握。比如2018年4月贸易战陡然升级对豆粕期货、黄金股的作用；不久前美股高位破位可预见的VIX增高。说来说去，常规价量建模（K线和Tick，不涉及HFT）更应该尽可能剔除前两个因素的影响，专注于消息面事件冲击对收益的预测能力。

大的方向选定后，战术方面有这么几大类型的策略母版（strategy template）应当备好，可以淡化调参：

1、单品种均值回归模型。也许有人会说肥尾什么的，别急，这个交易周期偏高频，以日内交易为主，对手续费、滑点、流动性和品种自身统计特征也都有较苛刻要求，主要是为了平滑盈亏曲线存在。

2、单品种趋势追随策略。对低胜率高盈亏比例的趋势策略来说，思路大同小异，异主要体现在参数寻优上，然而剧烈趋势由基本面驱动，所以纯价量数据的data mining意义不大，应该结合主管判断。

3、pair trade。监控组合对比价历史百分位，偏轻仓长线多组合对投注，带止损。需要对价差偏离和回归的基本面驱动因素略知一二。

4、另类投资策略，基于另类数据库、行为金融学，甚至就是把所谓盘感定义清晰和规则化。

5、新闻事件驱动。专业数据库实时信息推送+网站新闻爬取，人工建立、补充和修正事件信息——投资标的的映射。成熟映射对放入字典自动运行，新的映射对需要人工监控和矫正直到成熟。这个事大概率用NLP之类的技术手段解决还是差强人意，偷不得懒。

6、组合优化器。网上虽然有很多成熟模板，但具体策略数据time series还是要自己准备和搭建，并且小资金规模下紧迫性不强。