第五章如果你想嚐試打敗市場(一)——數量化的開端 第七節數量化投資的注意事項——數據與模型
既然是基於數量化的分析手段，數據就自然而然的成為了最重要的輸入。這裏筆者想著重談兩個方麵。
首先，《解讀量化投資》一書中介紹說，西蒙斯使用“每筆交易數據庫”(記錄每一筆交易的價格變化，而不是每分鍾的價格變化)。信息量損失越少，應該越有利於模型的開發。可對於股民來說，現實問題是這個數據庫在國內還真是不好獲取。至少，從大眾普遍的意識中，上交所逐筆數據的獲取應該是從2006年8月開始。此時，上交所Level-2行情數據的公布才有可能具備逐筆交易的信息，之前所顯示的都是撮合數據。而深交所的Level-2行情數據也基本上能追溯到2009年。理論上講，既然公布出來這樣的數據，就可以獲取。從數據量上來說，時間段有限可能對於算法的校驗、訓練會產生障礙。
其次，“T+1”的交易製度讓快進快出型的股票日內交易受到一定的阻礙。雖然有一種非滿倉滾動的操作方式可以在一定程度上彌補這一不足，但畢竟還要受到操作次數和基數的限製。
在股票操作這個問題上，一種處理思路是更改以日內交易為目的的算法設計，用基於日線級別的數據來予以替代。盡管這往往意味著需要將算法的設計理念調整為類似於基金式的長期持有，但也仍不是必然選擇。不過，還是有必要來重新思考一下為什麼我們強調將算法交易僅僅隻是瞄準在與基金業績比較的層麵就已經存在意義。
基金作為專家理財，實際上是有一定優勢的。承認基金經理可能在金融教育和市場經驗上有超過普通投資者的現實很重要。很多問題應該換位思考才能得到較為合理的答案。很多投資人是自己做不好才把資產交給基金進行打理的。基金賺錢的時候覺得理所應當，賠錢的時候就有種“還不如我”的心態，這十分不可取。如果我們有方法可以打敗基金，這實際上已經實屬不易。隻要方法有效、穩定且可以擴展，讀者其實就已經掌握了價值不菲的技術。實際上，筆者在考慮算法設計的時候，也主要是以嚐試打敗指數或者打敗基金為目的來建立算法應用的。至少，依照筆者所接受的金融教育和國內基金普遍比指數走的好的現實，這個並不“高遠”的目的可以讓我自己感到知足了。
正如筆者所指出的一樣，投資這種事沒什麼絕對。據筆者了解，在期貨市場有一種炒單現象。做得好的炒手甚至可以每天有穩定的盈利。這或許就是普通投資者操作的另一個出路。調整好兩者比例，或許才是至關重要的。其實，對於很多投資者來說，股票市場的門檻還是相對較低的。而且，國內期貨市場算法交易發展的進程要遠高於股票市場，投資人往往也格外的老練。所以，在沒有較好的準備之前，投資人還是不要輕易涉獵比較穩妥。