独行之路

如何解答一个问题？从问题的来源开始，倒推至为什么会有这一问题，从而获取问题产生的思路，再到问题本身的逻辑发散与问题的拆解。每个问题都可以由多个小问题拆解而成，或互为组件，或互为逻辑依存关联。找到线索，便能逐一破解？而为了破解与引申，则需要依据，因此下一步都可以变成对问题部件的拆分量化，最终演变为对参数的寻找与参数结果的调整。锁定需要分析的参数后，问题便回答了一半，剩下一半则需要置体系于一个实际运行系统中获取实际结果参数。至此，个人认为任何问题都能得到最终解答。

万物皆可量化，为了分析一个问题，将问题简化的过程，就是将问题分解成一个个参量的过程，回答问题的实际环境就是所处的系统，系统是先天存在的，但其中的运行规律是未知的，参数集合置于系统中观察其参数变化规律，调整参数变化方向以使得模型适应系统运行实际，最终得到的结果总能无限趋于现实，并最终随着参数体系的复杂化、具体化，系统可以由庞大模型来描述。而这么做的最终目的，就是用观察、理解的庞大模型来替代观察复杂抽象系统，以达到预测系统运行规律的目的，从而更好地理解系统。

以上便是个人对量化的具体理解。也是试图解答：“如何以最大胜算进行交易，以获得最大利益的？”这一问题，的个人行动。始终只有一个人在行动，也使得个人的量化之路，变成了一条独行之路。

个人认为，量化必然是孤独的，因为一个量化体系构建完成后，如果无法保密，甚至公开核心算法，该系统也终将失效。因为处理各种数据的最终结果，是由个人系统生产的一种情报，那么情报如果从一种保密信息变成公开信息，那么情报也就失去了其核心意义。

为了实现量化，其所需工具、涉及学科范畴只会随着深入而变得越来越庞大。可以说，学得越多，就会发现自身知道的越少。因此，量化到底要做到什么地步？其答案很可能是一个无底之洞。随着新技术的进步，现在所认知的量化可能与未来所认知的量化完全不同。

量化的基础是经济学、金融学与统计计量，没有相对领域的详细学科基础，形成不了独立的学科思维方式，便缺少了应用基础，工具便不知道应用于何处。

个人的学科基础来源于多年专业学习和多年不断自学，涉及学科领域覆盖了传统经济学范畴、数量经济学范畴、金融学范畴、心理学范畴、社会学范畴、政治制度学范畴、博弈学范畴等，然而学到最后，个人得出的结论就是“尽信书不如无书”，忘记所学的一切，因为一切已经融为个人知识体系的一部分，最终需要做的永远都是创造全新的理论、思维方式、解决问题的方法。

程序是工具，并不是最终目的

个人在有了研究方向、思路的基础上，就需要获取足够强大的工具来解决问题，定量分析够不够？不够！计量分析够不够？也不够！人工解决不了庞大数据快速分析的核心问题，走向程序化是必然之路。

个人从学习matlab、sas开始，到学习python入门编程，而为了实现全方位独立开发系统的需要，又开始自学爬虫、web全栈等等，再算法学习。一切围绕所希望开发的系统展开，又到系统成形与编程学习深入并于一线，最终不知量化从何开始，编程开发到哪结束，编程终于与其他所学学科体系融为一体。

编程没有捷径，多写多试是不二法门，边开发边学习编程，达到了事半功倍的效果。而因为所学皆有目的，学习编程并不断深入，其实最终仍是服务于量化、服务于交易的。一切皆是工具，终极目标永远只有一个：那就是开发出一套能够替代人工，自主自适应进行交易，并形成稳定收益的量化交易系统。