Capitolia
量化金融用数据和计算代替直觉。它在堆积如山的数字里寻找规律。
它的头号敌人是噪音。价格主要是随机变动的。信号，也就是可预测的那一小部分，极其微小。
举个例子：一只股票每天大约变动百分之一。一个好信号也许只多带来百分之零点零二。五十分之一。
这就像在体育场中间听一声低语。要几千次观察才听得见。
第二个工具：回测。用过去的数据测试一条规则，看它本来能赚多少。
问题是：只要找得够久，什么规则在过去都行得通。过去不会反驳你。
测试二十条毫无价值的规则。按通常百分之五的统计门槛，平均会有一条看起来有效。
而你大约有百分之六十四的机会，至少找到一条。然后只要只展示那一条就行了。
这就是过拟合：在一局掷骰子里找到规律。规则贴合过去，却在未来失败。
在应用中，本章配有动画和旁白，一张卡片接一张卡片。 开始免费试用.
下载于App Store一条规则的参数越多，就越贴合过去。之后有效的机会也就越小。
研究者自己也上过当。二零一六年的一项研究，列出了三百多个据说能预测回报的因子。
另一项研究显示，这些异象发表之后，它们的回报平均下降了一半以上。
好的量化人员会保护自己。他们留出一部分从未碰过的数据，用于最后的测试。
他们要求一个经济上的解释：这个效应为什么会存在？谁愿意在另一边亏钱？
他们计算真实的费用，并警惕太漂亮的曲线。一个从没亏过的策略，主要是被调得太好了。
为了找到别人没有的信号，有些人去找新的数据。这叫另类数据。
用卫星图像数超市停车场里的车。或者从空中测量储油罐。
匿名的购物小票，在官方公布前估算销售。一个网站的流量，用来察觉趋势。
但优势很快就会被分享。一份数据一旦卖给所有人，它的信号就磨损了。
记住：在过去表现得太好的结果，应该让人担心，而不是安心。
在相信一次回测之前，永远要问：为了找到这一条，试了多少条规则？