分享一个客户案例。这位客户这两年账户运行比较稳定,回撤控制得比多数同期账户更好一些。他的策略本身不算特殊,真正值得说的是策略之外的做法。整理几条,供参考。
一、参数冻结
他给自己定了一条规矩:不改策略逻辑和参数,回撤的时候也不动。这一点听起来不对,不过客户是有自己的想法,习惯一有回撤就暂停账户,开始调参,本质是用样本外的表现换当下的心理安慰。他选择不动,把判断交给事先定好的标准。
需要说明的是,我一直要求客户遇到大回撤就跟我反馈,由我判断是调参还是淘汰;同时,我也鼓励会员自己调参做优化。所以这一条只是他的做法,我的意见不一定对,关键看个人的标准把握。
二、下单统一收口
所有 EA 的新订单都走同一个入口,手数统一乘一个风险系数;平仓和改单原样透传。好处有三个:风控只有一个开关,出问题只有一个口径,事后只有一处可查。另外,他做了一个独立的本地熔断,按回撤阶梯和日亏损触发,不依赖主系统。主系统停了,熔断照样生效。
这件事,有源码可以直接改源码,没有源码也可以加一个统一的管理工具。具体怎么实现,大家可以问下AI,客户没有细说。
三、组合视角
他看的不是单个 EA 赚多少,而是每个 EA 占了多少风险预算。做了因子预算、相关性簇预算、单品种和单策略预算,还有月度再平衡。说白了:两个都吃日元因子的趋势策略,在组合里算一个方向,不算两个策略。多数账户出问题,往往就出在这里,而不是单条策略本身。
四、AI 的用法
他没有用 AI 找信号,而是让它做四件事:解释组合风险;把实盘表现放回策略自己的回测分布里,判断是否结构性失效;监控执行质量,比如滑点、点差、延迟、拒单、止损;整理评审材料。
边界也划得很清楚:AI 只读、只建议,任何改动都要人工审批;真正能调风险系数的,是写死在代码里、可测试、可解释的规则。AI 在这里是监督工具,不是决策者。
五、人的部分
上面这些方法本身不复杂,差别在执行。
这些年跟他聊下来,发现他投入的时间比一般人多。除了工作,基本都在研究这块:复盘、看数据、做验证、搭工具。问问题的方式也比较实际,关注的是策略在什么条件下会失效、样本外怎么处理、ea具体的细节问题等等,而不是到处找稳赚策略随时更换策略。
我一直鼓励会员多问问题。现在有了 AI,很多问题问 AI 更好;问我跟我交流,我也能从中学到不少。这里也感谢所有愿意跟我聊天、探讨问题、分享经验的客户。
六、关于工具
EA 是资源,AI 是工具,方法是可以复制的。这套做法和有没有源码关系不大。之前没有源码的阶段,他做得已经很好,用外层风控脚本、独立的监控 EA、报表和复盘系统,同样能做到大部分。源码只是让改造更彻底一些,并不是前提。
以上几条单独看都不新鲜,难的是一年两年地执行下来。
另外说明一下,这只是案例分享。交易做得好不好,关键在人,我提供的资源不是重点。就算把这个客户所有正在使用的资源原样交给100个人,一年之后,大部分人还是会放弃。所以只供各位参考。
很多地方我们的理念并不一致。比如仓位,按照我的标准就是重仓,因为我只在自己的能力范围内做事——车可以开得很快,但前提是有随时让车刹住的能力,车速100就是我的极限,可能客户车技好150也能控制的很好。所以不要因为我的个人标准就固化了思想。做服务、筛选资源,我可能在行;交易,我不如很多会员。我常说,不是人人都适合交易,我就是不适合交易的那个。所以,认清自己更重要。
