说明

念念不忘,必有回响

最初的时候，完全不了解架构方面的东西。后来决定要搞好这一块的时候，也就是不断的琢磨，到现在4年的时间，改变已经非常大了。现在习以为常的，都是当初梦寐以求的，而且在可见的未来 ，架构方面会达到一个足够完善的程度（数据库、中间件、调度、监控、自动化部署、微服务、分布式计算、分布式IO、并发…），现在大概是在偏运维领域进行补全。

总之，应该算达到当初期望的，架构足以支撑一个巨大的算法体系。

量化则是一个更早、更大的目标。某种程度上说，搞架构和算法，一个里程碑式的成果是一个强大的量化体系，一套完全自主控制的体系。在我设想中的量化系统，是一个精简，但是内容很多的系统。首先是长期、大量的存储与计算基础，这部分我举得可以视为达到了；其次是算法体系。强化框架、优化算法、判别模型 、近似计算、模式识别、规则引擎、推荐算法、推理模型、特征提取算法、图算法… ，这部分的进度现在反而比架构要慢一些，但是结构和领域划分是清晰的。所以未来几年，我会在算法领域聚焦，达到预设的目标。

有了基础的架构和算法之后，就需要结合具体的业务进行实现。首先我一定是技术派，然后可以分为宏观层面和微观层面来讨论实现。去年我速速做了一版微观层面的尝试(qtv100), 结果其实还行，但是这一年来行情不行。当然，qtv100还有一些本身的问题，这也是停下来反思和调整的原因。宏观层面是最近才开始触碰的，整体感觉就量化整体来说，有很多常识性的东西我还是欠缺的。

这里，做一些总结，明确后续的路径。

内容

从务实的角度出发

不要只停留在很抽象的层面思考量化，这和做白日梦差不多。一种务实的方式是从一些最基础的事开始做起，比如说先收集数据，然后分析数据。而且我觉得可以先粗后细，粗的到天，细的到分钟，应该就够了。

1 数据维度

从市场数据看，有哪些数据是最相关的？

A股的指数，首先是交易所级别的：沪市、深市；然后是板块级别的：房地产、半导体；之后就是各个ETF的值。

除了A股，还有全球市场交易所级别的数据。

这些数据按天获取应该没有难度，但其实并不简单，后面还有很复杂的处理。（所以，先按天这个频率是对的，有助于快速的原型构建、验证）

紧密相关的金融数据

融资融券数据，银行间拆借利率，债权类数据，金融类舆情数据

公共数据

用电量数据，进出口数据，就业数据，主导性媒体舆情

当这些基础数据都完成时，整体的常识会上一台阶。所以在收集数据的过程中，我还需要了解每一部分数据的含义，关联。

2 数据处理

数据会撒谎

真正有难度的地方在于数据处理。首先，我们只考虑一个数据源的情况。例如市场指数，我们只从东财的接口获取。我们获得的数据，其实又可以称为观察(Observations), 并不是直接的真相。但是通过这些观察，我们可以推断出真相，这才是这部分工作的难度。

这个是之前我设计的一个处理框架：

大体上，获得数据后，首先会存库，这是第一层。这一层讲究尽可能全、即时的获取逻辑上应当获得的所有数据。确保我们存储的数据与数据源在那一刻一致即可。忠实的记录下数据即可。

接下来，数据会进行清洗，存储到数据库中。清洗是将原始材料规整化的过程。一种情况是数据大体上是好的，通过清洗使得数据从基本可用到完全可用；一种情况则是数据大体上是坏的，清洗是提取出其中一部分好的部分。本质上，这里是用强规则处理数据。

对很多公司而言ETL之后就开始使用了，如果数据之后出了问题，大抵是责备供应商，然后换一个；又或者是反思ETL哪里还没做好。我觉得这两种方法是对的，但是很快就会无可改进。数据源就那些，ETL则会跟着不同的数据源变化，还会和各种例外情况打交道，永无停止之日。

所以需要第三层，这层的空间大小甚至可能是前两层的数千倍。

第三层主要通过假设+推断的方式，会生成大量的假设空间。当各个不同为的数据在Tier2(Clean Data)汇集完成后，首先要进行主数据合并。这里已经不是之前的简单的规则可以搞定的了，例如，某条数据是 {name:leo, age:13, gender:male} ,后来又有一条数据 {name:leo, age14, skill:python} ,那么这两条需要合并为一条吗？age需要更新吗？ 我们希望的是，如果两条数据真的都是某个leo的，那么应该会有一个唯一的entid来指代，且gendor来自第一条，skill来自第二条，而age通过两条数据，甚至可以推断出一个birth_date，然后抛弃掉age这个值。这就是主数据。

如果现实的数据非常复杂，我们甚至不知道那个是对的，此时就会产生多个假设空间。 每个假设空间后面又会有更多的假设空间，例如当有了主数据之后，我们需要提取特征，所以在主数据空间之后，会连接特征空间。然后特征空间本身又会有多种假设（算法）进而产生更多的假设空间：为了更好的表达状态、行为、属性等的模式或者可辨别属性。

决策是基于这些像树状展开的空间进行，可以使用git的分支数据结构来理解和描述这大量的空间。

我们永远也不可能获得真理，但可以无限逼近

通过大量的推断、模型，我们最后可以获得一个可靠的决策，从而实现我们的目标。整体上，很像我们的显示器从黑白、彩色、CRT、LCD、LED这么一路发展而来，分辨率从1080p到2k,4k，视网膜… 不断提升。到多少才够呢？不同的人、不同的场景有不同的需求，够用就好。

所以，假设原始数据是1，那么要达到目标所维持的假设空间大小可能是10000。

除了空间大（这个好解决，花钱就行），为了达到逻辑上的可靠，所牵涉的算法复杂才是最难的。例如：

• 1 这条数据有问题吗？ (逻辑上，怎么判定问题，有可能是通过假设-验证来判定)
• 2 这个推断可靠吗？ （概率分布）
• 3 这种提取、变换是合适的吗？（特征计算方法）
• 4 这个假设空间可以用于这个决策吗？（强化框架）
• 5 如何更准确的判别？（判别模型）
• 6 可以进行模拟来帮助作出决策（以及验证）吗？（生成模型）
• 7 如何找到更好的特征生成方法？（优化算法，如遗传算法）

所以，保持一个相对简单的数据，有助于搭建并验证真正的数据处理框架（这也是抽象上，一个理性人所作出的动作）。

我好像明白未来一段时间要做的事了。

3 数据指标

数据指标（Data Metrics）是用于衡量、评估和监控特定业务、流程或系统性能的量化标准。它们通过收集和分析数据，帮助组织了解当前状态、识别趋势、发现问题并做出基于数据的决策。数据指标通常是具体的、可量化的，并且与组织的战略目标或业务需求紧密相关。

常见的数据指标类型

1. 业务指标：

   • 收入：总收入、月度收入、季度收入等。
   • 利润：毛利润、净利润、利润率等。
   • 客户获取成本（CAC）：获取一个新客户的平均成本。
   • 客户终身价值（CLV）：一个客户在整个生命周期中为企业带来的总价值。

2. 运营指标：

   • 生产效率：单位时间内的生产量、生产周期时间等。
   • 库存周转率：库存周转的速度，衡量库存管理的效率。
   • 订单履行率：按时完成订单的比例。

3. 市场营销指标：

   • 点击率（CTR）：广告点击次数与展示次数的比率。
   • 转化率：访问者转化为客户的比率。
   • 客户满意度（CSAT）：客户对产品或服务的满意程度。

4. 产品指标：

   • 活跃用户数：在特定时间段内使用产品的用户数量。
   • 用户留存率：在特定时间段内继续使用产品的用户比例。
   • 功能使用率：特定功能被使用的频率。

5. 财务指标：

   • 资产回报率（ROA）：衡量公司利用其资产创造利润的效率。
   • 股东权益回报率（ROE）：衡量公司利用股东投资创造利润的效率。
   • 流动比率：衡量公司短期偿债能力的指标。

数据指标的重要性

• 决策支持：数据指标为决策提供了客观依据，减少了主观判断的风险。
• 绩效评估：通过数据指标，组织可以评估其业务流程和战略的有效性。
• 趋势分析：数据指标帮助识别业务趋势，预测未来发展方向。
• 问题识别：通过监控数据指标，组织可以及时发现问题并采取纠正措施。

选择数据指标的注意事项

• 相关性：选择的指标应与组织的战略目标和业务需求紧密相关。
• 可操作性：指标应易于收集和分析，以便及时采取行动。
• 可理解性：指标应简单明了，便于所有相关人员理解。
• 可比性：指标应能够在不同时间段或不同部门之间进行比较。

通过合理选择和使用数据指标，组织可以更好地理解其业务状况，优化运营，并实现其战略目标。

上面是来自deepseek的回答，主要是帮我们预先reload一些mindset。

假设是一个量化系统，我想指标应该可以围绕几个部分：

• 1 基本数据信息。例如数据的条数，价格曲线这些，背后的逻辑是帮助我们确定系统是在正常运转的。
• 2 机会数据。例如通过CV，判断沪深300是否可能处在行情期，或者是失去焦点的状态。这是偏宏观的。
• 3 风险数据。例如通过银行间拆借利率，发现流动性大幅收紧。
• 4 持仓情况。确保持仓的时间、空间分布是合理的。
• 5 交易数据。近期发起的交易数据的频率、交易额是否符合预期。
• 6 策略表现。当前活动策略的分类、排名。
• 7 研究数据。如当前执行中的算法计算进度。
• 8 回测数据。大量假设策略无差别运行所产生的数据，辅助判断当前策略选择的合理性。

4 总结

自顶向下，自底向上

过去的很多行为是自底向上的，现在则是自顶向下。过去的经验告诉我，final solution 会在这个过程中产生。两种方向的探索，会在中间的某一个部分融合，达到一个兼顾、平衡的体系。

Go ! Go ! Go!