1.5 部分可视化免编程量化分析平台
虽然编程实现了自由打造交易策略，并通过程序化下单的方式完成量化交易，但是不得不承认因为需要学习代码的门槛，使得量化投资的用户群受到严重制约。目前国内有上亿名股民，上千万名的活跃交易者，其中一部分可以通过数量化统计方式获得选股信息，而绝大部分投资者是通过大智慧、文华财经等软件，或者东方财富、新浪财经等网站获得并不透彻且信息量有局限的静态统计数据。
如何全市场回测我们的一个想法，一个完整严谨的投资思路，甚至获得专业的资金曲线和绩效评估？除了使用编程开发模型之外，国内出现了一些可视化免编程量化分析平台，为更广大的用户提供了解决方案。本节我们介绍其中4个平台，他们分别具备优势和特色，也试图成为证券行业的互联网流量入口。
1．同花顺i问财模型工具
同花顺的i问财平台上线较早，知名度高，用户量庞大，其以独有的文本化“策略问句”形式（意味着向平台发问），放低了量化投资的门槛，甚至都不需要借助太多财务方面的基本知识，即可实现回测，这与其背靠同花顺金融数据库是有很大关系的。其量化频道地址：https://www.iwencai.com/traceback。如图1-14所示。
图1-14 i问财首页入口，通过“策略问句”引导用户
比如它会引导用户输入类似这样的“策略问句”：前两天涨跌幅小于-2%；跳空高开；振幅小于2%；缩量；今日收盘价大于前两日最高价。然后点击“回测一下”，即可生成对于该选股规则的统计数据。这里的绩效和我们看到的长期绩效不同，以股票上涨为核心目标，分析“最优平均涨跌幅”和“最大上涨概率”，并通过“历史发生次数”告知用户该统计绩效的可信度。如图1-15所示。
图1-15 以上涨为核心分析点的绩效结果
持股周期是重要参数，平台默认测试1、2、3、4、5、10天的绩效。按照3.5%、7.5%两个分位数，平台生成了持股涨幅饼图供用户参考。由于整个回测过程完全基于数据支撑，所以底部“历史明细查询”栏，可以提供“股票简称”“起始时间”“终止时间”“起始价”“终止价”“区间涨跌幅”细节数据。参考我们订立的规则复杂程度，以及回测时间，我们认为i问财的回测效率是非常快的，适合普通投资者以极快的速度生成自己的交易策略，并验证效果。
该产品设计以“股票上涨”为核心目标，紧盯涨幅、上涨概率等关键绩效，可以说透彻地把握了自己的目标客户心态。平台搜索框甚至提供了免打字的功能，可以用鼠标勾选策略关键字。如图1-16所示。
图1-16 “策略广场”中较为高质量的策略模型
“创建策略”频道设计方式类似，但是绩效输出更为详细，由之前的仅以上涨为分析目标，转变成“单次收益平均值、预期年化收益率、盈亏比、最大回撤率、夏普比率、交易次数”等接近量化投资的绩效。资金曲线固定以沪深300为基准，按照回测时间绘制。
“策略广场”展示了在全部策略中表现较好的一些策略，相信投资者看到资金曲线都会动心。我们仔细分析了几个策略，发现条件设置较为周密，但是信号数量可能偏少，或者持股没有构成一个组合，所以在未来实盘的稳定性方面显得略有疑问。但是总体上它们都真实呈现了市场风险和收益来源结构，系统本身的回测平台效率也较高。
特点如下：
（1）基本面数据充实准确、维度多。
（2）量价关系表述简单，策略语句易掌握。
（3）回测速度快，图表呈现简洁易懂。
2．果仁网可视化策略平台
果仁网在专业程度方面略高于i问财，其创始人从曾担任通联数据CTO和研发总监，所以第一次登录该平台时会发现它更接近一个量化策略开发网站，而且是标准的多因子模型开发网站。
但是果仁网缺乏类似“策略问句”这样语言的识别能力（在一定程度上它不是非常入门的平台），所以该网站任何选项，都要通过鼠标点选或者输入值，一步步按规则完成。通过查阅资料我们注意到果仁网官方的观点，果仁认为量化可以不编程，但不能没有数学做基础。自然语言的不精确性，很难满足严肃的量化研究的需求。如图1-17所示。
图1-17 果仁网严谨详细的选股界面
在其核心频道“股票策略研究”，果仁网推荐用户按照“择股设置→交易模型→大盘择时→股指对冲”的顺序，依次搭建模型。第一个选项卡“择股设置”可通过设置“行情、技术指标、财务指标、财报条目、公司、大盘指标”选择到需要的股票。这就是我们常说的因子，你可以通过选择“财务指标”，然后选择“估值→市盈率、市净率”等，最后在右侧输入需要的值。
这样就可以实现静态的财务因子选股，比如低PB、高ROE等因子组合，都可以通过这个界面组合出来。当然如果读者们有一定的因子模型知识，还可以组织低动量因子、高成长因子、低估值因子，做出一个更加高性能的多因子模型。
“交易模型”选项也是本书后文要讲的调仓规则，可以选择模型I，这是大多数多因子模型的调仓模式，通过定期轮动的方式调整当前持仓股，使之符合模型要求，非调仓日不调整，以免产生过度频繁的交易。模型II增加了卖出条件的限制，我们可以设置止盈、止损、追踪止损等一些列条件。
“大盘择时”选项可以不使用，该模块作为一个附加模块来增强收益，在股灾或者大面积下跌时清仓股票降低损失。如果开启，大盘的动量效应充足则可以使用择时类技术指标交易，一旦确认选择的条件由熊变牛，或者由牛变熊，则可以调整仓位到空仓或仓位降低30%、50%、70%来降低风险。
“股指对冲”选项也是可选项，通过该方式可以做空一定比例的股指期货，几乎完全对冲掉Beta风险，保留Alpha收益，形成中性产品。为了回测尽可能详细，对冲比例、保证金比例都可以调整。如图1-18所示。
图1-18 较为专业的绩效展示和资金曲线图
果仁网也提供了策略商城和共享策略频道，可以在这里购买更专业的用户开发的交易策略，或者交流自编策略。总体来看，该网站更适合进行多因子模型开发，而且是严谨的定量模型开发。我们可以在这里看到更多有价值的、股票数量组合更合理的交易策略，还能看到部分股市内资产配置策略，带来更稳定的年度收益率。
3．聚宽向导式因子策略生成器
聚宽JoinQuant并非是可视化免编程平台，而是国内较大的量化研究平台，面向成熟的交易者使用Python为基础开发语言。但是为了扩大用户群，聚宽使用自己的数据储备和因子储备，开发了向导式策略生成器这个频道。向导式策略生成器的访问地址是：https://www.joinquant.com/algorithm/index/generateStock。如图1-19所示。
图1-19 聚宽平台因子选股界面
该频道和果仁网有一定类似之处，首先是“选股”规则建立，这里的因子选股有财务因子、行情因子、技术指标、资金流和其他条件，读者们可以详细体验两个网站的不同之处。
然后是买卖条件频道，这里有轮动和择时两个选择方式，如果选择轮动则略微简单，如果选择择时，将更多的是按照技术指标进行动量交易，这里需要单独设置买入和卖出条件，同时需要设置交易周期、持股比例等。
对于量化初学者可能会造成一定程度的选择性障碍，因为我们大多数时间没有准确描述自己的交易持股方法，甚至选股方法也没有系统地回忆和总结过，但是作为量化开发的规则，它们都是必须存在的。而且我们在模型开发后期能体会到，聚宽通过该频道大量鼠标点选的功能，将复杂的代码开发完全屏蔽掉。而如果交易者自己开发这些选股持股规则代码，仅熟悉代码、阅读API文档和准确完成交易模型代码构建，就需要数月时间。
“风险控制”多是对止损、止盈的设置，如果是多因子模型特别是中性Alpha模型，则可以放弃择时模块的构建。如图1-20所示。
图1-20 向导式策略开发工具拥有和编程开发同样的绩效界面
“其他参数”可以认为是回测环境。向导式策略开发工具的回测条件和聚宽的策略开发平台完全吻合，可以设置时间、资金量、频率（数据推送或者说模型运行频率），还有资金曲线图的对比基准。在“我的策略”频道，该策略会和Python开发编写的策略一样，在该频道被保存，以便后期回测和修改。
聚宽也在策略实盘方面做了很多探索工作，这保证了策略能够被有效使用，也降低了模型和交易之间的差距。
4．米狗K线模式识别量化平台
作为新晋免编程平台产品，米狗量化比起前面三个平台关注者较少。但是它有自己独特的工具与巨头竞争，这就是K线形态模型和图形组合模型。米狗最大的不同之处在于可以通过鼠标点选或圈选一段时间内的K线数据，或者调用系统内置的形态如“弧形底”“纺锤型K线”等形态，然后系统通过智能匹配后台历史数据，找到类似形态出现后的各项绩效，完成这种另类的模型搭建。米狗量化的访问地址是：http://www.migou360.cn/。
最初我们也考虑过这种K线形态建模方式作为量化模型是否稳健，但是经过回测和基于交易者行为的分析，这种模式通过数学和编程代码撰写也被认为是可行的，而且A股大部分投资者对于K线形态印象深刻，也在日常交易中反复使用类似经验，所以以此方法构建模型有用户认知基础，也有内在逻辑。
进入米狗平台“模型列表”频道，首先设置初始资金，每次开仓使用权益的百分比和交易成本。米狗没有严格规定持仓股数量，可以大致认为每次使用10%资金，就是买入10只股票，实际上会有上下浮动，以保证资金能被高效利用。如图1-21所示。
图1-21 米狗K线形态识别和技术指标结合模型搭建工具
在策略构建的因子方面，第一个选项框“数据”还是老一套的行情数据、财务面数据，和其他平台没有区别。
第二个选项框“模型”是很独特的模块，可以选择K线形态模型，调用系统数据库K线形态，也可以选择图形模型，这里存储了一些K线组合形态，估计会非常消耗平台计算资源，所以暂时数量不多，还可以调用已经成型的选股模型，包括连续涨跌停和基本面有一定特色的个股。
第三个选项框“指标”主要以技术指标为核心，覆盖较为全面，每个技术指标的周期可以单独定义。比较、逻辑模块，完成了较为复杂的策略所必须的判断工作，比如我们选择3个K线形态，要求只出现1个即可执行选股买入，在逻辑模块选择“或者”即可达到目的。表达式模块可以构造新的因子，对于专业水平较高的用户可能比较实际。如图1-22所示为绩效展示界面。
图1-22 米狗平台的绩效展示界面
在回测速度方面，米狗依然无法和i问财相比，可能是因为策略逻辑更为复杂，而不仅是简单的限定性条件选股模型，但是我们测试同样复杂度的策略，米狗的速度比聚宽等平台快很多。回测界面详细程度类似专业量化平台，对于夏普比率、信息比率、胜率、年化收益等都有描述。资金曲线的对比基准可选，且标注出了最大回撤阶段。