Abu是一个人写的教量化投资的书，我的里面的理念和教授方法持保留意见，了解它也是觉得研究过别人，才有发言权，不然就是纯愤青了。
以下文字可以让你不用跳进代码，就能较快了解其主要特征。
择时策略
海龟的N日突破买入和N日突破卖
在图上绘制出来买点和买点，并用阴影标记出来这对买卖区间。
买入策略中，可以加入多个监控周期，如60和42；当任何一个突破周期发生突破事件后，就会发出买卖信号。
示例中，将60/42的向上突破作为买入信号，将120向下突破作为卖出信号。
择时策略优化
（1）增加止损止盈。
在60/42买入，120卖出的基础上。增加AtrNStop，这个Stop可以包含止盈止损。
C * ATR当日 > 买入价 - 当日收盘价；作为止损，表示某日的收盘价跌破了C倍的ATR，达到了最大容忍范围。
C * ATR当日 > 当日收盘价 - 买入价；作为止盈，表示某日的收盘价高过了C倍的ATR，达到了盈利预期范围，进行止盈。
（2）盘中急跌止损（风险控制止损）
当日盘中价格 - 昨收 > C * 当日ATR，表示当日急跌超过了风险忍受程度，进行止损。
这样的止损点一般是无法在发出信号的价格处卖出的，因为是急跌，短短几秒就会造成很大的下跌，因此，回测的滑点效应会很大，需要重新考虑实际成交的止损价怎么计算，单纯用信号价进行计算，几乎毫无意义。
（3）保护利润止盈
前一日股价是从买点算起盈利的。 当日盘中价 - 昨收 > C * 当日ATR，表示在盈利状态回撤的价格超过了容忍限度，卖出保护现有利润（有可能利润已经没了）。
上述3中情况的卖点（包含止损止盈，盘中风险控制），[sell_point1, sell_point2, sell_point3, sell_point4] 四个卖点组合成一个sell_factors，连同前面的buy_factors，构成一个买卖组合。
需要注意的是，上述的多个卖点组合sell_factors采取的是或关系，即只要有一个满足要求，就触发卖出。多个买点也是这种关系。
滑点策略和交易手续费
确定交易价格 一个称为滑点的类来实现
交易价格算法 (H+L)/2；H为当日最高价，L为当日最低价。
这样确定交易价格的问题是，只有到临近收盘才有可能知道当日最高价和最低价是什么，平均价会不会出现还另说呢，谁能保证收盘价就是平均价。因此这种确定价格的方式不可接受，没有意义。
交易手续费
交易手续费的设置放置在Capital类中，扣款时进行。
多股票择时回测和仓位管理
多股票择时
所有股票使用的周期参数都相同，买入数量的多少，根据ATR来决定。
仓位管理
通过胜率，平均获利期望，平均亏损期望三个参数，利用凯利公式来计算仓位。
kelly比例 = 胜率 - （1-胜率）/ (平均盈利期望/平均亏损期望)
例如：胜率 40%，平均盈利期望4%，平均亏损期望1.5%。
则kelly 比例 = 0.4 - (1-0.4) / (0.04 / 0.015) = 0.4 - 0.6 / 2.67 = 0.175
也就是，买入比例是现存资金的 17.5%
对不同的股票，配置不同的买卖点周期参数
为每个股票，设置一个买卖点周期参数，保存在dict中，传入到执行器执行。
并行执行
设定进程数，用多个进程来并发执行回测。
选股
角度选股
根据近期股票走势的价格，拟合出一条线段，根据线段的角度在某个最大角，最小角区间内来进行选股。
可以设定在一个给定的股票种子集内进行选股。
价格区间选股
给定一个价格区间，如10元到20元；选出市场中所有在这个价格区间内股票。
多条件选股
可以为选股添加多个条件，多个条件是与关系，必须同时满足；这点与这时不同，那里是或关系，满足一个条件即可。
并行执行选股
开多个进程，并行执行选股程序，节省选股时间。
回测结果度量
度量基本使用
（1）胜率信息
（2）策略收益与基准收益对照
（3）策略收益曲线
（4）策略收益柱状统计图显示（概率密度图），起始没经过贝叶斯处理，或者有大量样本点支持的情况下，不太方便称其为严格的概率密度图，叫柱状统计图更恰当。
度量的可视化
（1）收益，年化收益
（2）胜率，盈亏比
（3）平均获利期望
（4）夏普率，信息比率
（5）策略波动率，阿尔法，贝塔
因子生效统计，看信号发生都是哪些因子，以及其计数。
少了最大回撤信息，但是很好算，不应算作一个问题。
寻找策略最优参数
参数取值范围
给出止盈止损的范围，按照grid search法，逐个step的尝试哪个值是最优参数。
评分是按照度量值中的四个，默认等权重计算谁好，也可以自定义权重，表示对度量值中某个度量的倾向性。
A股市场回测
股票标记设定为A股中的标记，跑上面的流程即可。
UMP主裁系统
原理
过滤出回测系统里的失败交易样本，专门分析这些样本，设定一个裁判系统分析新的交易是否符合这些失败交易的特征，如果较大概率判定为失败交易，则选择不执行这个新的交易信号。是一种风险防范措施。
所谓的主裁，边裁；就是多个模型的聚合评价，essemble作用。
裁判模型可以用：角度，跳空，波动等特征来构造。
这种裁判式的想法，看着有点像协同过滤。
如：可以分析失败交易时，信号发生时刻以往价格数据的拟合角度特征。
----------------------------
关注微信公众号号：
挖金矿工：goldminer1024
为您的量化投资理想插上翅膀