七禾网注：嘉宾回答仅代表其本人观点，不代表七禾网的观点及推荐。金融投资风险丛生，愿七禾网用户理性谨慎。

张忠辉

程序化短线交易者，机器学习方面的算法专家，目前兼职交易，继续进行机器学习算法研究。

2015年开始接触期货量化交易，2016年进入期货市场实盘操作，保持每年都盈利。

精彩观点

还是要发挥自己的专业，一个人一辈子就做一件事情，就把这件事情做好。

从近些年的历史数据看，历史上那些比较新的品种往往有大行情，这意味着上市时间特征对于品种加权很重要。

关于机器学习，基本上不是简单套用机器学习的模型，而是重点关注怎么灵活应用机器学习背后的理念。

永远保持一种客观的态度，做量化交易，是个纯粹客观的东西。

机器学习有一个缺点，按一些正常的方法，它黑盒太严重了，黑盒太严重的话不太可控。我们需要认真对交易过程进行拆解，在局部应用机器学习模型，让这个里面的黑盒可控一些。

品种层面特征都人工考虑了，包括还有品种的一些波动性，这个东西需要人工去定义一些特征。

如果这个策略跟原有策略集合里面的相关性很大，那它的权重是要降低的。

选品种其实就是策略加权，我们把它归结为一个统一的框架，就是说我们认为不同的品种的策略，是不同的策略，这样子的话我们就是一个统一的框架，不会说单独有一个选品种的模型，就是统一的有一个策略加权的模型。并且策略之间的相关性如何影响这个策略加权，也是放在一个统一的加权框架中。

我还是比较关注自然语言处理，现在像GPT4语言大模型，其实大模型的核心还是语言为主，它现在有多模态，我还是在关注这个研究这个。

流动性下降了，意味着成交额少了，市面上投机的钱少，策略容量就少了，这个很明显，一般来讲，意味着模型也难跑一些。

一般趋势是有个过程的，开始反转反弹，慢慢地斜率越来越大，其实中间有一个比较稳定的斜率阶段，但如果在某一个阶段斜率突然比前段时间大很多了，实际上一般来讲这个地方有一定的反转信号，我们目前，在这种阶段可能会减少开仓，就是不会继续加仓了。

AI这个领域也方兴未艾，其实看着现在大模型很强大，但是从业内人士来看，还是有很多突破的方向，应该很多方面与我们人类的智能越来越对齐了，但是还是有一些方面没有对齐，还是可以努力。

七禾网1、张先生您好，感谢您和七禾网进行深入对话。据介绍，您2015年开始接触期货量化交易，2016年进入期货市场实盘操作。请问当时是怎样的机缘巧合，接触到期货量化交易？

张忠辉：有一个“天健一号”账户，最早是我的合伙人杨竑的账户，后面又有个“天健二号”账户。2014年的时候，我就认识了杨竑，当时在同一家公司当同事，他在这之前已经做了很多年期货了，2010年股指刚出来的时候，他就开始做了。那会儿正好是股票牛市，所以同事之间投资的话题交流比较多。

当时我做机器学习也很多年了，从2009年在北京读研究生开始，就一直研究机器学习方面。我觉得还是要发挥自己的专业，一个人一辈子就做一件事情，就把这件事情做好。我自己手动去炒股，感觉也不适合，但是我觉得可以用自己机器学习的专业知识去做，无论是做模型，还是做细节，其实本质上都是对数据的处理。

当时是杨竑带我入门了，也讲了一些基本的内容，像海龟交易策略什么的。后面我也慢慢地有一些自己的想法，就开始做了，应该是2016年开始实盘。

七禾网2、在这期货量化实盘交易的8年时间中，您的交易理念、交易方法经历过怎样的变化？

张忠辉：我觉得大的框架是没变的，其实我做的东西不多，主要都是以海龟法则为代表的趋势策略。据我所知，大部分做CTA的人，主体应该是做趋势模型，底层是海龟策略，当然少部分可能还有一些套利什么的。

这些年的研究主要是在细节方面，还是会有一些改进。

1、第一个主要的变化就是策略组合中的策略数目越来越多了。策略组合中的每个策略，一般都基于一个简单的海龟法则，随便改几个参数就可以生成一组具体的新策略。比如说k线周期参数，可以是一个小时和三个小时。然后是止损或止盈参数，可以是1%止损，也可以2%止损。

在2022年之前，其实实盘运行的策略数目还比较少，总共可能也就几百组策略。近两三年，专门对这个做了优化，实盘运行的策略数目达到了数万级别。

2、另一个重要变化就是策略加权。早些年的话，几百个策略都是等权的，可能100个策略每个是1%的权重。但是现在会引入新的特征来对策略权重进行建模，不同的策略的权重会不通。

策略加权中，比较重要的是一个期货品种加权。品种加权会考虑品种的成交额、活跃度、品种的上市时间等。

从近些年的历史数据看，历史上那些比较新的品种往往有大行情，这意味着上市时间特征对于品种加权很重要。

七禾网3、做了8年的期货量化交易，您最大的感受有哪些？

张忠辉：第一个感受，关于机器学习，基本上不是简单套用机器学习的模型，而是重点关注怎么灵活应用机器学习背后的理念，特别是关于过拟合问题的多种思考及方法论。有一些处理过拟合的方法，往往很直观，比如参数高原，也就是说它这一块区域，这个参数突然就很突出，它跟它的邻居差异很大，那证明这个参数不稳定，但是很有用。

另一个是样本的问题，我们说长周期跟短周期，其实短周期的话，理论上来讲它的有效样本就多一些，可能10分钟就采一个样本，你如果是一个星期才采一个样本，所以为什么说有些要强调做短周期，也就是说它的样本多一些，所以做起来的话，它的曲线比较平滑一些。但短周期的话，意味着它的交易成本高，所以这是个折中，也就是说在交易成本靠谱的情况下，你能够把周期做短一点，特别是在你没有担心策略容量的时候。

所以这背后的一个问题，我觉得也是过拟合，通常来讲，这种CTA的策略，期货其实数据不多，大家注意的行业数据，整体上讲，用这些复杂的机器学习模型，是很容易过拟合的，就是现成拿来用的模型，是很容易过拟合的，也就是数据量不够。你看现在的比如GPT4，它们为什么好,其实它们数据量是挺大的，能够支撑起这么大的模型量，也就是说你在数据量不够、噪声很大的情况下,是很容易过拟合的。

第二个感受，永远保持一种客观的态度，做量化交易，是个纯粹客观的东西。早期候也会去手工试一两把，往往会比机器跑的要差。更重要的是，主观交易时心理上更容易焦虑，无论卖还是买，往往都会后悔。哪怕是赚钱了，心理消耗都很大。

保持客观态度的前提就是要有端正平和的心态。做这个事情，你别把赚钱看得太重要，这个可能会影响你的心态,然后可能让你操作不那么稳健。这么多年交易整体的一个特点，是我的仓位越来越低，就是说我希望不至于这个交易太影响我的心态，很容易把自己牵扯进去，让自己不能客观地去做一些真正应该需要做的事情。

七禾网4、据了解，您的期货投资经历比较顺利，保持每年都盈利。您认为，能保持每年盈利的关键有哪些？

张忠辉：应该还是说，毕竟有多年的算法基础，也就是说，我一入场就是专业人士。所以我不会干那种主观交易的事情，有些人做主观交易可能更容易会经历大起大落。

还有一点，可能我在有数理逻辑思维方面，有一定的天分。

我讲一个小时候的小故事，大概1993年10岁的时候，那会哪有什么互联网，书也没得看。我姑父是瓦匠，砌墙的，他说，他们砌墙的时候，给定三条边，3、4、5，这里面就有个直角，等于有直角的话这个墙就直了。

我就觉得很奇怪，3、4、5，这个数字还挺好，这怎么会有直角呢？那会信息也不发达，现在的话查个互联网肯定知道。那会儿只能自己琢磨，然后自己想了两个星期，就发现，如果有两条边的平方和，等于第三条边的平方，就会有一个直角。不小心就自己发现了勾股定理。

这个证明其实我小时候，在数学方面还是有天赋的。

当然未来竞争越来越激烈的话，我觉得盈利的效率会下降，但是应该不至于很大起大落或者亏很多。只能说竞争激烈了，大家都赚得少了，这个是肯定的，还是很明显的，因为这个时代在进步，然后这个圈子肯定也越来越卷，每个行业发展都一样。其实我们业内每一个人都能感觉到，肯定会越来越难。

所以说，第一个的话，我觉得有基本功，第二个的话，回过头看，其实也还有一些运气因素。

这两年的行情，如果用两年前的模型，会略有亏损。但是，因为这两年组织团队全职投入，模型框架从数百级别的策略组合上升到数万策略级别，模型的稳定性有了明显提升，保证了较稳定的净值曲线。

七禾网5、您表示，交易基本框架是以海龟法则为核心的趋势交易。基于简单的策略框架，通过对于策略参数大规模搜索，基于多种评价指标筛选出大量策略进行组合。请问您筛选策略的评价指标，主要有哪些？

张忠辉：一般来讲，先随机生成百万组策略。在随机生成的策略集合上面，把历史数据跑一遍，可以得出每个策略中的历史净值曲线。然后我们先做一些初筛，一般来讲会用风报比，当然也会用一些不同的指标，比如夏普率等去筛选初始的策略组合。

整体来讲会有两层，一个是评价指标来做初筛，基于策略的历史净值曲线，根据多个评价指标（包括风报比、夏普率、月度胜率等）进行初筛，去掉一些明显较差的策略。

第二个的话，对于剩余的策略，有一个加权模型对每个策略进行打分，打分越高的策略在策略组合中的权重越高。

七禾网6、您表示，您会在基本框架保持不变的前提下，不断增加策略组合中的策略数量。请问在策略组合中，是否会通过一些筛选机制，逐步淘汰个别策略？

张忠辉：其实没有刻意淘汰策略。我们大概每半年会重新跑一下评价和加权流程。跑完之后，会生成新的策略集合，可能有一些老策略集合中的策略自动在这个过程中就被淘汰了。