本期视频是本次访谈的后半截，接第三期上的视频，本期内容的硬核程度为三颗略
3、如何更好地表达一个因子对于整个股票池的收益率，并且更好地利用这个收益率？
答：这个不懂..
4、你的风控方法一般有哪些？与量化相关的能自适应市场的风控方法呢？
答：我只有基于最大回撤止损这一个风控方法。我觉得风控得提前严格定好，程序自动执行风控，自适应和风控应该不能用到一起，风控哪能自适应，他会适应到你爆仓。
5、如果是类似于简单的波动率风控的自适应方案呢？比如市场波动率较低，就降低风控阈值，反之就放大这样的，当然这种不太靠谱，就是类似这方面的。
答：你说意思应该是策略的止损条件设置，不是整个账户的风控吧。按理说风控和策略应该由不同的人制定。
6、嗯嗯是策略的风控，不是整个基金产品的风控。不一定是策略的止损条件，也可以是策略中的每个持仓的仓位控制，或者这个策略的总仓位即资金分配这些。
答：止损条件和仓位控制的内容太多了，可以写一本书了。如果是始终满仓的策略，止盈止损的参数设置可以结合统计学里面的一阶矩（均值）、二阶矩（方差）、三阶矩（偏度）、四阶矩（峰度）来综合设定；仓位控制可以看一下市场微观结构里面的一些经典的存货模型。
三阶矩和四阶矩我挺喜欢用的，一个反映的是波动的方向，一个反映的是波动的大小
比均值和方差更适合动态的去刻画波动率
可以可以，想要的就是这样充满着超额信息的答案。
这里大家可以自行去找资料学习这里我师弟说的三阶矩（偏度）、四阶矩（峰度）以及市场微观结构这些相关知识，或者关注我的专栏文章，或许哪天就能看到相关内容。文章一般我会发一些专业性强的，毕竟文字嘛，能承载更深入更专业的信息。
7、GARCH模型及其变形，比如EGARH那些，你是如何应用于各类资产的量化策略中的呢？
答：GARCH其实挺有用，期货和期权的波动率交易类型的策略都需要这一类描述波动率的工具。不同的市场不同的品种的收益率分布特征不同，需要依据具体品种的收益率分布特征来修改GARCH模型，应用方法就是先预测波动率，预测波动率会变大就做多波动率，预测波动率会变小就做空波动率。。。
【专业级】
1、如何将变量内生化，提高变量的自适应性，在策略不可避免地使用多参数时，且无法减少参数的情况下尽量减少过度拟合？
答：尽量想明白每个变量背后的金融逻辑，从逻辑出发把变量内生化，如果没有逻辑建议放弃这个策略。
2、你之前做的高频CTA模型，，用tick级别数据喂出几分钟周期的买卖信号，并且代码里运用了随机数，这套模型年化70%收益而且波动率很小、夏普达到10，有哪些非商业机密性细节可以分享的吗？
答：这个策略思路其实非常简单，简单到一说别人就能懂，所以啥都不能说。
3、之前我看到某顶级量化私募的一篇文章，提到了量化策略有机结合而非简单叠加是未来趋势，你觉得目前市面上主流的量化策略如何能有机结合起来而非简单叠加呢？
答：暂时没有发现比经典的风险平价模型更有逻辑的方法。。
4、你觉得如何解决风险平价模型的动量效应带来的负面问题呢？
答：这个没想到什么办法。
5、我们之前讨论的期权gamma scalping 策略及其变形策略，你在使用的过程中遇到了哪些问题呢？当时你是如何解决的？
答：我是在美股期权用gamma scalping策略的，具体到每个股票是long gamma还是short gamma，感觉只能基于基本面来判断，只做自己看得懂基本面的股票，不做自己看不懂的股票。。。
6、之前你说的用波动率曲面参数化来优化波动率策略，具体如何将其运用于波动率策略中以及其能带来哪些优化呢？
答：这个太专业了，我也还没想明白。
本期视频大家没听懂没关系，因为涉及太多专业知识了，并非只涉及几个十几个专业概念那么简单，而是涉及很多本书的内容以及很多在业内才能学到的经验，所以降维来讲也至少十几个小时。如果单纯介绍买入跨式、日历价差、碟式套利是啥，这个不需要太多时间，但解释为啥要用它们以及什么时候用它们，用它们的效果如何，如果正确地用它们，如何更好地用它们，这些绝不是降维几个概念就可以讲清的，因为这些不是简简单单解释下专业术语就完事了，这些是属于实战的内容，是我们业内人一天8小时专研投资领域、每天用真金白银在资本市场里搏杀，才能获得的宝贵实战经验与认知，冰冻非一日之寒，更何况这些根本不是书本知识的简单堆砌，觉得我说得有道理的朋友弹幕刷一波“对对对”来告诉我。
所以根本不可能通过几分钟的概念解读性降维就能传授给大家。很多喷子喜欢说投资大师讲经验都是讲的大白话，你整那么专业不就是在装逼。这种言论就属于我看了就想拉黑，多花一秒回复都不得劲的那种。其实啊，投资大师讲大白话，那是接受记者采访，面对的是广大群众，广大群众中专业人士必定是少数，大部分人都是小白，所以必须讲大白话，因为受众结构摆在那，你只能照顾大多数人来讲。但大家可以看投资大师写的书，有哪本是大白话讲的？真正的武功肯定是需要一定认知水平的。价值投资流派每个人都知道的价投圣经，巴菲特老师本杰明写的《证券分析》，大家都听说过吧，没听过的同志请举手；还有波特五力模型那位教授写的《竞争战略》系列很多本书；还有量化之父西蒙斯最近出的一本书，就他的自传，大家都可以阅读一下，看看写的是不是大白话。我大学看过《证券分析》，刚毕业2016年做研究员的时候看过《竞争战略》系列，感觉就是那种，中文每个字你都懂，但连起来就不太好懂的亚子。我看过的世界著名的投资大师真正用大白话写的书，就只有一本，利弗莫尔的自传《股票大作手回忆录》，因为那是在一九零几年。众所周知，那会哪像现在这么多专业知识，价值投资都还没开始盛行，利弗莫尔小时候还当过在黑板上抄k线图的员工，程序化交易这些也还远远没有开始出现，他的故事非常的传奇，其实我挺想做一期视频讲他的传奇故事的，想听的同志请举手。大家应该看过一些图，关于人类的信息发展指数爆炸的，现在每天还是每年忘了，人类就创造了过去几千年的信息总和。技术进步也是如此。
所以现在的知识含量和一九零几年那会没法比的。所以利弗莫尔的书不可能给你讲GNN、RNN、反身性理论、行为金融学、金融工程、量化交易这些。
我刚做投资的时候，也喜欢看什么大白话讲投资，当你越走越深，看的东西就会越来越专业和晦涩难懂，这才是常态。
希望大家明白一个道理，信息是可以创造阿尔法的，那么越专业、认知门槛越高的信息，就越少人能理解，自然就能创造越高的阿尔法，也即我讲的超额信息。当大家都懂的投资信息，它必然是无法给你带来超额收益的，最多带来市场平均收益，但大部分情况下是负收益，因为总是只有极少人能将众所周知的普通信息运用地炉火纯青。
举个例子，在利弗莫尔那个年代，大家都不懂技术分析，所以利弗莫尔懂技术分析，他赚大钱；后来很多学者研发了各种技术指标，比如MACD、KDJ这些，这些发明者也曾靠这些指标赚过大钱；再后来有些人懂价值投资，在价投还未盛行的时代，也赚了大钱；再后来，在量化还未盛行的时代，有人懂量化，于是也赚了大钱；再往后，在高频量化交易还不多的时代，有人懂高频量化，也赚了大钱；在a股2006-2016年，用量化的人还不多时，有很多量化私募或散户知道小市值策略能一年赚60-70%，于是这十年也赚了大钱，不仅小市值策略，还有各种简单的均线系统，在量化1.0时代也能疯狂赚钱，但在目前量化3.0精细化作战的时代，那些粗糙简单的策略只能持续稳定地亏钱。
这就是各种时代背景下的超额信息变为众所周知的信息后，其附带的阿尔法必然下降或消逝的现象。相信大家应该能理解，我这段话其实也算一个超额信息：人的本能是朝抵抗力最小的路径走，谁都想听有趣的容易听懂的信息，包括刚做投资的我，但是，你容易听懂，大家也都容易听懂，那么这个信息就没有了阿尔法。阿尔法的意思就是超额收益。
当然对知识的趣味降维是很好的，我也很喜欢做这个事情，因为日常生活中我的性格就挺逗逼的，幽默是快乐的源泉，众所周知，但有一类高认知门槛的信息怎么降维它就还是很多人理解不了，毕竟高认知和理解门槛，才是它能附带阿尔法的根源；
当然也还有一类超额信息，它们不难理解，但难以获得，一般只在精英圈子或较高圈层或特殊圈子流通，特殊圈子比如小众或专业性强的某个圈子等等。
Ok本期分享就到这里，感谢各位的关注与转发
热门跟贴