Chat with Traders Podcast系列
《John Roberson - An Obsession with Edge, Powered by Automation》听后笔记
John Roberson是一名美股交易员，07年从手动交易开始经过不断学习与尝试，现在以机器学习的手段进行交易策略管理。他管理着80多个不同的自动交易模型。John Roberson 在访谈中详尽地描述了他如何从一个一无所知的新手，成长为稳定盈利且管理一个完善自动化体系的交易员的过程。
07年John Roberson毕业于哲学系，当时他的梦想是读哲学系phd。可是，刚毕业的他与妻子成了婚，身上又背了债，于是他打算先去工作还债。可是，哲学系毕业的他无法找到合适的工作。不得已，他在室友的介绍下进了一个自营交易公司，这也是他接触交易的开始。
交易起步
刚刚接触交易的John询问了许多经验人士的意见，也看了很多书，得到了许多建议。有趣的是，他回忆时说到，当时有人给他提出了非常好的盈利策略得建议。甚至，John在事后回忆时发现,这些策略都是能帮他迅速上道得优秀策略。然而，由于当时自己的自信和经验不足，John忽视了这些有用的策略，而坚持使用用自己的想法。于是，不意外地，John以5000美元作为启动资金的账户，在短短的时间内，迅速回撤了800美元。这样他不仅没有挣到钱，反而负债增加, 使他压力山大。这样的情况持续了几个月，没有好转,亏损也有所扩大。
在一次假期中，他复盘了自己所有的交易记录。John发现, 在自己所有的交易策略中，只有其中一种他坚持得最好，并且稳定盈利。
这个策略是利用当时NYSE中大型股票以及大型ETF的成交机制缺陷，发出的订单能以十几到几十美分的优势成交，并且由于大资金对流动性的需求，成交后能迅速能在市场中抛出。从而锁定利润。而后，尽管这种机制缺陷被补上，但是ETF的交易由于政策的原因，逐渐转移到NYSE的另一个平台中。在这个过程中，新平台在每日收盘时，采用集合竞价的模式确定收盘价。John发现在新平台的官网中，收盘价能够提早一分钟在官网中刷新。比如，当前交易价格在200时，收盘价 已经确定为203。这种机制误差 也被John捕捉到。同时，由于当时正处于金融危机的时刻，市场上的大机构都忙于自身头寸的管理，忽略这种市场机制产生的套利机会。因此，这种套利机会存在了相当的一段时间，John从而从中获得巨大利润。
于是，为了扭转亏损状态，他在接下来得一个月中，只使用这个策略交易。令人吃惊得是，在这一个月中他以最初800美元的投入，在有一天亏损的情况下，赚了10000美元。在未来几个月中，他翻倍了投入，盈利也随之翻倍。这样最终他实现了32万美元的盈利。这笔收益，让他有能力去发现更多的交易机会。由此，他逐渐步入正轨。
转入量化
在不断的交易过程中，John发现自己虽然善于发现机会，但是自己的决策能力和下单速度不如一些优秀的同行。为了弥补自己的这方面缺点，他把注意力转向了计算机系统，他认为计算机系统的系统产生、实施交易决策的速度应该无人能及。因此，以自己平时的交易成绩作为铺垫，他逐步地开发起了自己的量化系统。在这个过程中，他与一位专业软件工程师合作，实现了大部分交易策略的自动化。然而，转型初期，由于系统不断出现各种问题，交易策略的自动化并不顺利。甚至，有一次，他的系统由于止损程序设计的原因，在某只股票的交易上出现了严重错误，在7秒内迅速亏损7000美元，他最终不得不以拔线的方式终结了计算机的运行。
最终他明白了一个道理，在交易 系统中任何影响最终PNL的任何方面，都要牢牢控制 在自己的手中。因此，他重新一步步地设计了交易程序，使策略得到稳定运行。
进入机器学习领域
随着系统交易的不断进行，他认识到，量化交易的每一个模块实际上不是割裂的，只要有一个环节出问题，整个交易的最后的结果都会大受影响。
因此，他需要一个完整的回测系统、因子打分系统以及风控系统。然而，由于他自己的交易经验非常丰富，系统也变得复杂。因为每个交易环节都有彼此的联系，而同一个风险现象也能够影响各种不同的策略。如果需要他自己一步步全部实现量化，需要的工程非常复杂且繁重。因此，他发现自己需要一个能够处理复杂流程的决策系统，而并不是简单的交易编程。因此，他想到了机器学习。
他把自己的交易理解，形成了不同的大型数据集。他雇佣了一些当地大学的phd学生，来协助他完成整个系统的构建。最终，他的系统实现了从精细的样本回测流程到实盘的全流程，实现了真正的交易全自动化。
交易理解与反思
结合John的交易经历，我们能够看见他成功经验的几个重要特点：
- Think small enough, 充分利用自己的edge（比较优势）。在主持人问到他有什么收获时，他说到这点时，发人深省。John说, 大多数人并不是想的不够大，而相反常常想的不够小。其实他的edge通通来源于那些别人注意不到或者不屑的交易机会。其实，许多交易者为什么无法交易下去，很多时候便是这种交易误区存在。人们常常容易忽略那些很基础的事，如交易规则的细节变化，交易成本的各种细节来源以及一些盈利空间小但非常稳定的交易机会。往往对于大多数人起步交易者来说，这些才是实现初期积累最稳定的来源，因为大资金往往不会关注这些机会。
- Trader wants to control every step that affects PNL。由于John在实现系统化交易中遇到的问题，他发现一个成功的交易员需要对交易环节的每一个基础细节都有精准到位的把控，稍有遗漏便会招致灾难后果。因此，交易系统的搭建是需要非常细心、专注的。同时当被问到使用了机器学习框架，是否会影响到对策略的把握时，John回答说他的学习框架实际上分成了不同的部分。有一些部分，Algo can say no but can’t say yes，比如对一些风控因子的设置，John说他不怕错过机会，但是他非常害怕尾部事件的发生，因为金融时间序列并不是正态分布的。而另一些部分，algo can say yes时，他会尽力understand every feature（特征），来保证他对交易指令的理解与管理。
- Passion and Love。听完整个访谈，听众可以明显地感受到John对交易事业的热爱。他在谈论这些事情时，心情愉悦、条理清晰，在一些有趣的事情上会与主持人互相打趣，妙趣横生。整个访谈听完，听众也会被他对这份事业的热情所感染，倍受鼓舞。在访谈的最后，John以兴奋而真诚的语气说道, 他非常感激同时也非常开心能从事这一份事业，这种心情他有时甚至无法用语言表达。John说有时他会由于对第二天交易的兴奋情绪，凌晨3点便起身准备交易，而且并不会感到疲惫。这或许就是热爱事业所能给带给人的力量。
交易启示
- 在资金规模不大时，寻找那些确定性足够高的可以满仓投入的套利机会，无论机会大小，都应予以重视。
- 关注细节得失，不放过任何可行的套利机会，无论机会大小。不放过任何可能造成损失的事件，无论事件大小。
- 管理好交易流程的每一个细节，对策略与风控应当了然于胸。