初步认识-量化的误区

第一个误区：量化能保证一直盈利

量化不能保证一直盈利。无论是在量化交易还是其他领域，如果有人信誓旦旦地告诉你某某交易或某某项目稳赚不赔，相信我，极大概率他就是个骗子。我这个人脸皮薄，无法昧着良心说一些自己都不相信的话。以下观点都是我自己或从我看到的一些交易员身上得出的，是切身的感受。

长周期与短周期的区别：
- 以长周期衡量（比如每年都赚钱，赚多赚少先不论），还是有很大可能做到的。
- 但以短周期衡量（比如每天、每周甚至每个月都赚钱），不能说完全没有，只能说概率非常渺小。
- 原因：策略是有寿命的，在一个策略寿命结束之前，能否开发新的有效策略以维持稳定盈利至关重要。这也是我一直强调建立策略组合的原因。
策略组合的多元化：
如果投资组合都建立在加密货币市场上，组合的力量可能较为薄弱。例如2018年整个加密市场震荡，如果策略都是趋势性的，就很难赚钱——市场不给机会，即使有“利器”也无的放矢，只能“拔剑四顾心茫然”。
核心逻辑：
市场不受个人主观意志改变。量化交易是基于历史数据和数学模型，让投机盈利的概率偏向于我们，但不能保证100%盈利。迷信任何人、事、工具都会误入歧途，必须放弃“量化可以一直盈利”的迷之自信。如果有人声称按他的方法或买他的软件能保证100%盈利，请转身就走，他绝对是骗子。

不知道为什么市面上会有这样的认知：觉得量化很高级，必须有专业的知识体系才能学习。很多观众说自己数学不好、英语不好、没有理工背景、觉得自己不聪明，学代码太复杂，学不会——我觉得大可不必。

关于数学：
量化交易并不只是为数学高手准备的。大部分策略使用的是非常基础的统计、计算和概率知识，都是简单逻辑。过于复杂的逻辑通常 过度拟合(over fitting) 的概率更高，并非我们追求的目标。
关于英语：
英语不好更不是问题。日常编程用到的英语单词非常少，且现在互联网环境下有大量中文学习资源，足够学习和使用。
关于理工科背景：
理工科背景对理解具体方法和算法有帮助，但并非绝对必要条件。关键是理解量化交易的基本原理，并愿意花时间学习和实践。
核心逻辑：
成功的量化交易员不一定是天才，而是在一步一步的实践和学习中积累经验。聪明与否只是加速学习过程，而非决定性因素。无论起点如何，只要有兴趣，愿意花时间学习、尝试、实践，一定能学会量化交易。
- 兴趣是最好的老师，何况量化交易的目标是“赚钱”，很难没兴趣吧？
- 我们学习的核心不是高频交易，而是把交易策略转化为代码，让电脑帮我们快速回测和执行——借助计算机语言，把思考和逻辑“翻译”给电脑，让它代替双手执行，没有想象中复杂。

别担心自己“这也不好、那也不好”，只要你想学，这些都不是事儿。