回到上海，使用孩子們上網課用的一體機做了一下直播，電腦性能不行，卡的要死，還是拿筆記本出來搞。中途斷了2次，我回憶了以下幾個問題：

1、一根55日均線打天下，能否取得很好的業(yè)績？

這個如果懂回測的人，應該很快就可以給出答案。這個屬于回撤比較大的方案。下次用回撤做一下案例，測試一下多品種，多周期；

2、隨機過程中，參數優(yōu)化的問題，特別是針對高頻交易未來幾秒的波動。

不知道我是否get到這個粉絲的問題，我舉例就是高頻交易中，短時間的方向和波動范圍是很難預測正確的，所以做動態(tài)規(guī)劃，優(yōu)化的問題很關鍵。比如我們高頻交易掛單的時候，我們一般來說要計算我們掛單的價格和bid? ask之間的距離。如果距離遠了，就很難成交，導致撤單；如果掛的太近，可能變成taker。當然還有考慮排隊和交易量的問題，是否可以短時間和你成交。這些都是量化的核心啊。所以要花時間去優(yōu)化。

3、關于市場微觀結構的問題，我的視頻orderflow還是講的比較清楚的，也即使tick數據整合成1s，然后預測下一秒。但是對于orderbook的數據挖掘模式。以及如何構建orderbook level3 的數據流，然后預測mid price的變化，還是沒有考慮到。這個可以補充視頻教材，戴著大家花幾個小時去做程序，復現(xiàn)論文。

4、已經是行業(yè)從業(yè)人員，管理幾個億的期貨、股票基金，出現(xiàn)業(yè)績回撤問題。特別是采用機器學習做的模型，因為里面的矩陣或者參數，有的是不可解析的。不能直觀的判定是因子問題還是算法問題。所以這類的問題，需要組建專家團隊進行一對一的問診，這個商業(yè)模式要和聲訊臺的付費模式結合。參照證券公司購買專家服務，按照小時付費。切實的幫助這些基金經理搞定模型失效的問題。

好了，記錄以上幾點，發(fā)給粉絲群，分享一下。也可以形成下一步的工作計劃。