为克服自己健忘的特点，将自己关于量化的一些体会记录下来，供以后学习之用。
在量化课堂上看到很多不同类型的策略，有RSRS、均线回归之类的择时策略，有高股息、PEG、FAMA之类的多因子策略，这么多策略，究竟用哪一种最有效收益最高呢？可能跟不同时刻的市场偏好有关。但总的来说，这些策略大致分为两类。
一、回归策略
这里的回归并不仅仅指“均线回归”中的回归，确切的说应该是当前市场偏好下的估值回归。比如说有的多因子模型，在某个时间的横截面上，根据多因子对市场进行拟合，给出股票价值的估值公式，根据不同股票的真实值与估值的残差进行排序，选出残差较小的股票进行买进。
这一类策略大都是通过不同的方法给出股票的估值，找出残差最小的进行买进。但这类策略的有效性取决于以下几个假设：
1、因子能有效表示估值，残差由非理性所导致。
非理性导致残差，所有才能回归估值，但事与愿违，残差往往是由于未观测到的变量所导致。比如你从财务因子出发，买入某只被严重低估的股票，但这只股票却一直跌，因为你观测不到它做假账的部分。存在即合理，估值回归在逻辑上不够严谨。
2、市场平稳。
只有在市场不发生太大波动的情况下才能回归估值，如果市场一直下行，那么你的估值可能也是一直下行，即使能够回归，也是负收益，这种估值策略往往需要另外添加择时策略。
二、交易信号策略
回归策略大多是通过排序来选取目标，而交易信号策略则大多是对技术指标进行加权、组合，来构建一个交易信号（比如diff上穿dea），满足这个信号则进行交易，后期可能会对信号进行修改使回测结果更好。这类策略也存在几个问题：
1、修改策略后收益提升，很多人都是对回测结果进行统计后然后修改策略，修改后的策略是否存在过拟合，也就是说是否对噪声进行了拟合？
2、很多交易信号叠加后，持仓时间会很短，一年可能交易次数很少，样本数目太少，即使策略的逻辑正确，策略也欠缺说服力。
3、问题2的另一种情况，即虽然策略收益高，但收益主要是少数时间贡献的，大部分时间的收益是亏损，这样难以取得投资者的信任。
看来以上两类策略都存在一定的局限性，那么究竟是否存在一种模型结构简洁、逻辑解释强力、统计分析有效的策略呢......
