減低所有環節集中風險 才是良策|錢琛專欄
廣告
最近有一個知名數據提供商更新數據,更改了大量數據定義,這令實時和歷史數據均出現巨大變化。不少Python學生都發現此問題,也發現很多本來高獲利能力的策略都紛紛出現虧損。筆者特意問及數據提供商的RM,奈何沒有辦法獲取舊版本數據的歷史和實時數據。依賴此數據提供商的讀者和學生,均失去了很多有用的策略。
不過,這其實並不罕見,不少提供商都會更改或更新數據定義,「改善數據質素」,背後其實有不少可能性。
第一,他們發現指標數據獲利能力很高,希望保留自用,賺取更多。對的,賺夠了,只會再賺更多,肥水不流別人田。
第二,對於以往不太賺錢,最近較為賺錢的指標數據,他們可能會更改數據定義,令數據更貼合現時市況,讓數據看來有很高的獲利能力,增加訂閱數目。
第三,就是他們單純希望令數據coverage更廣,想改善數據反映的資訊,所以更改數據。總之,數據出現變動,非常常見。
別依賴單一數據提供商
由於數據變動等軟件依賴,令量化策略失效的風險,讀者需要注意並管理。最簡單方法是不要依賴單一數據提供商。單一指標也有不同提供商提供,別把整個倉位策略押注在一個提供商;否則,數據的concentration risk太高。一般而言,應該有起碼五個vendor。
撰文:錢琛