運行自動化交易系統極其困難。僅僅為回測和自動化所需的穩定性，就足以成為一份全職工作。經過一個月的AI迴圈迭代加上我自己的輸入，我獲得了兩個小但真實的多年期優勢，但單獨來看，它們價值有限。 如果你僅憑回測結果來評判，AI會給你看起來瘋狂的策略，而這些策略幾乎肯定過度擬合。如果一個月的AI迭代就給你一個夏普比率為2的自動化投資組合，那它在說謊。將你的數據分成兩組：讓AI研究五年，另外八個月則嚴格封存。你會發現大多數情況下都出現同樣的模式：在那五年可訪問的數據中數字極其漂亮，但在那八個封存月份中則完全失效。 發現真正值得自動化的優勢，比我預想的困難得多，需要大量人工輸入和交易員經驗來引導我的AI，使其不會僅僅挖掘出看似美好卻缺乏邏輯的數字。 這項實驗教會了我五件事： 1）人類的判斷力依然存在優勢。 2）簡單的優勢會迅速消失。 3）將主觀判斷與統計結合，再剔除（不該做的操作），可能是我未來最大的優勢。 4）任何容易挖掘的東西，例如簡單的K線和成交量模式，若單獨交易，則已無利可圖。 5）越難轉化為可測試假設的事物，越可能蘊含更多優勢。 你對新聞的個人解讀——一條標題本應產生何種影響，實際卻產生了什麼影響，以及這在不同情境下意味著什麼——就是主觀經驗的一個例子。 或者你對當前市場交易者、誰持有倉位、哪個交易對手方活躍，以及哪些未明言的細節讓你感到不安或被當下過度放大，這些都是你的主觀判斷。 我相信，即使是簡單的統計數據也蘊含Alpha，這正是我無法公開全部內容的原因。但方法是免費的：將像八月季節性這樣的統計數據視為一種共振因素，而非信號。單獨來看，它只是瑣事；與你的交易設置疊加時，它才成為優勢。 簡單來說：你結合的個人經驗、篩選過程和統計數據點越多，就越常能發現那些機器難以竊取的偶爾盈利交易。 為此結尾時慷慨地分享一點關於八月季節性的見解：