先介绍下背景，本人本科计算机，硕士金融工程。干过一年券商资管的行业研究后坚定的换工作投入量化分析，程序化交易的怀抱，目前在期货公司管理资管账户。 转行2年以来的学习历程是这样的，先阅读了一些经典的交易书籍，复现各种技术指标及交易方法，将其归纳分类为各种模块，然后再此基础之上不断尝试唐其安通道，均线等模块的组合，形成策略，从而构建了现在使用的基础系统。系统采用的还是分散化组合投资的做法，多品种长短周期策略组合。策略鲁棒性必须达到在所有成交活跃的品种中用同一套参数大部分均能有1.5以上的盈利因子。 基础系统建完之后每天就是边看书边看盘，寻找有用的新模块，对基础交易系统修修补补，解决一些模拟盘交易中暴露出来的问题。然后就是到去年11月开始运行第一个账户，运气不错，年底启动的一波行情中净值到了1.20，于是5分月就追加了一个账户。但是今年4月份以后，问题来了。 经济环境进入萧条期，所有品种的波动都显著下降，于是账户开始回撤，之后就是赚一点亏一点，到现在1.15的样子。这段时间内账户走的不顺利，我还能安慰自己，波动下降，趋势跟踪大家都赚不到钱，但是研究上产生的迷茫和无力感却让我陷入深深的恐惧中…… 归根结底，我在研究中使用的还是最原始的方法，不断地去做模块试错，但是现在交易书中能汲取的东西越来越少，能试的东西基本都试过了以后，我就不知道该怎么办了。特别是股指波动率下降以后，只能砍掉短期策略，只留中长期，却开发不出能适应当前环境的策略来，这对我的刺激很大。随后静心细想，草拟了4个大方向，但每个都是需要投入几年的精力去学习的，为了不至于走大弯路，还望各位大佬不吝赐教，指点迷津： 1. 加强基本面的研究。 最近棉花，锌，铝这几个以往的冷门品种突然活跃并走出趋势，令我措手不及，又不敢中途上车，顿觉是否需要将基本分析纳入体系，通过基本面来识别一些冷门品种的机会，用程序化交易来执行。 2. 深入因子分析与波动率研究，提升头寸管理效能。 入行以来一直以Winton为偶像，但不了解其研究体系。通过一些宣传资料以及Harding的访谈，其核心应当是头寸管理。可能是通过对各种影响因子的建模，或者波动率预测，来决定当前的头寸水平。（因为据说其国内运行的元盛一号每天只在收盘前调一次头寸） 我目前采用的是长短期策略结合的头寸管理法，若长短同向都开仓，相当于加仓或者重仓出击。那么如果学习元盛，是否就应当去寻找各种可能预测价格变动的因子，典型的如波动率，改造garch等模型，来构建头寸的概率体系？ 3. 学习数据挖掘，类TSL做优化策略。 最近TSL的经常上future truth 的排行榜，他们做的是数据挖掘最优化生成策略的方法。那么是否可以在我现有模块的基础上，利用数据挖掘算法来不断做最优化产生策略，只要这个策略的“成本”(我一般用最大回撤作为停损线)，能够被盈利所覆盖，那么我这次的“生产”就是赚钱的，从而形成一个工厂制造产品一样的体系。但是我也知道基因算法非常高深，非常难，我的背景很可能是没有希望驾驭的…… 4. 学习模式识别。 股票中模式识别好像用的更多，不知道市场上是否有成功的先例。对于这一块由于了解的不多只是猜想，是否是利用各种模式的统计概率，来达到头寸管理的目的，开平仓还是使用最简单的方法。 洋洋洒洒写了很多，感谢各位耐心看完，希望在大家的建议下，能够坚定一个自己有希望达成的方向，并不断努力。
"这段时间内账户走的不顺利，我还能安慰自己，波动下降，趋势跟踪大家都赚不到钱，但是研究上产生的迷茫和无力感却让我陷入深深的恐惧中……" 坦白讲趋势跟踪就是这样，会有平静的时候。既然策略是趋势跟踪，那么大幅的回撤、阶段性的平静是无法避免的。即使你采用很多优化的方法来人为调控，也许短时期可以立竿见影，但说不上什么时候就会来一次比你不调控还要大的回撤和失效。 当然，如果以回撤作为考量，那只有以牺牲收益降低仓位来实现。即使这样做回撤和平静期仍然无法避免。所以，只有接受这一切。没办法。 再说从1.2回到1.15，也不是很大的回撤.......
“RML Tech 公司研制的 Discipulus 引擎是基于一种高级计算机编程算法理论 AIM-GP (遗传基因程序二元机器代码自动归纳合成算法 Automatic Induction of Machine Code with Genetic Programming) 研制而成的商用算法引擎。 TSL 凭借 Discipulus 实现了 AIM-GP 这个尖端的搜索寻优算法理论。” 我还没有去尝试基因算法，只是看了TSL的介绍，觉得一个公司靠基因算法生存并实现垄断，应该这个东西不会很基础吧…… 最核心的，很想知道，根据您的探索，基因算法数据挖掘这些东西，在趋势跟踪领域中是否能有突出的贡献呢？
请仔细读我的回复，再看看他引用你的贴子时特意用红色标出的部分，他和我说的是一个意思。这两个方向当然有用，但能真正用好的人非常之少，国内外都一样。相对于数据挖掘和机器学习的难度，基因算法简直就是小儿科，明白了?
关于TSL用Genetic Programming生成交易策略这个问题论坛上有个专门的讨论贴，你找出来好好看一下。我个人不认可TSL的做法，但基因算法还是有些用处的，要看你用在什么地方以及怎么用。 另外, 基因/遗传编程(Genetic Programming)和基因/遗传算法(Genetic Algorithm)也不是一个东西, 好好学习一下吧。