S3 #DooTrader 经典组冠军以良好盘感，创下近 900% 收益率摘得桂冠

Posted 2023-04-05 mokadabuding

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了S3 #DooTrader 经典组冠军以良好盘感，创下近 900% 收益率摘得桂冠相关的知识，希望对你有一定的参考价值。

本届 S3 #DooTrader 慈善杯全球交易大赛现已经进入白热化阶段，第二轮赛事冲刺在即，各位选手摩拳擦掌争取赢得最终的丰厚奖金。目前，领先的选手调整策略和仓位，以保持排位优势。我们看到现阶段经典组 TOP 1 选手已经创造了 1,300% 的超高收益率；冲刺的选手也在努力奋斗中，希望在 TOP 排位中争得一席。为了帮助各位选手找到适合自己的交易方向，并一同为奋战的选手加油助威。今天我们邀请到第一轮比赛的冠军选手廖先生与选手们一起分享他的致胜攻略。

将生活和交易分开，做好风险把控

凭着多年的交易经验培养出的良好盘感，以一个临时起意的操作，一单让我们的一位参赛选手赚到了 $1,500，最终收益率达到近 900%，赢得了 S3 #DooTrader 慈善杯全球交易大赛第一轮赛事经典组的冠军桂冠。

这位选手就是我们今天分享的主角——廖鑫，他在 2013 年入行交易，有丰富的从业经验，也有着自己独到的风控管理机制和系统的策略方法。尽管对于这次的高收益，他说有运气的成分，但在交谈中我们也看到了他优秀的操盘能力，精准的把握了进场时机。接下来，让我们开始今天的致胜分享。

交易员介绍

#DooTrader 参赛者：廖鑫先生
交易资历：2013 年入市，专职做交易多年  
交易格言：“交易是 70% 的心态，20% 的技术，10% 的运气。” 

访谈内容

Doo Prime：首先恭喜您拿到了第一轮赛经典组的第一名，$5,000 的奖金收到了吗？

廖先生：已经收到了。

Doo Prime：我看了一下您的交易记录，首先问一下，为什么在比赛期间您的订单几乎都只有止盈，也没有止损？我对这点特别好奇。

廖先生：我的风控是这样的，止损的我会看着，它亏损了，我可能会重新进去；如果止盈，我挂在那个目标位就不会更改，这样做可以保持好的心态。

Doo Prime：在很多交易的书籍和论坛上，都在强调止损的重要性，甚至有些人认为止损是交易的核心。您如何看待这个观点？

廖先生：止损是交易的核心，这是没错的，但是必须建立在仓位控制的基础上。我是用交易手数来控制的，仓位如果不大，哪怕行情波动非常大，也许你这笔运气不好，会亏一笔很大的金额。但是不一定说你这个仓位有问题，除非您是重仓全仓，你的心态就会非常紧张；如果仓位很小，其实这一笔单子不会对这个系统造成什么影响。

Doo Prime：在您的风控系统中，除了固定止损之外，还在用仓位来控制盈亏对吧？

廖先生：对的，我主要是用仓位控制盈亏，而不是用硬止损，经常会刚好打掉了，你连机会也就没有了。

Doo Prime：您在比赛开始盈利之后，也没有像其他交易者那样，随着净值的增长放大头寸，我看您的交易头寸一般都很小，绝大部分在 0.1 手。

廖先生：是的，我是按这个仓位来操作的，我本来也是想稍微做一些重仓，后来我想也没必要，反正看看运气，就还是如常操作了。

Doo Prime：虽然头寸很小，但您的每一笔订单利润非常大。您每天好像就固定 6 笔到 7 笔的订单，估计是属于是趋势交易者，为什么现在会选择这种趋势进行长线交易呢？

廖先生：其实也不是，这就是策略的问题，一个账号做一个策略，比如说这个账号我是做长线的，一个账号做短线，分开管理更好，也不会看着浮亏或者金额的总体变化而影响自己的心态。这次我参赛的账号刚好是做了中线。

Doo Prime：您有对比过这两种长短线收益上的差别吗？

廖先生：它其实各有优势，如果做中长线的话，肯定你要保持点数，要赚的足够多，盈亏比要做得很好才能够盈利；如果做短线，追求的就是胜率。

Doo Prime：但是您长线账户胜率也很高，我看几乎都是盈利的单子。

廖先生：因为这次交易大赛的时间比较短，可能是也有一定的运气成分，反正我自己做交易的理念是 70% 的心态，20% 的技术，10% 的运气。人们不是常说，运气也是实力的一部分。

Doo Prime：您的长线账户头寸可能比较小，您做短线的账户头寸会不会稍微大一点？

廖先生：做短线头寸肯定会稍微大一点，不然没利润。做短线，要么就是量小，频率高；要么就是量大，频率小，才能赚到钱。

Doo Prime：刚才说的胜率的问题，您长线的账户胜率都能做到这么高，在判断进场和出场这种情况常用的技术指标是什么？

廖先生：我一般喜欢用斐波纳契的扩展，然后加上一些顶底支撑压力，再结合一下当时盘面的反应，然后判断进场时机。

Doo Prime：您的开仓和出场的周期是怎样的？

廖先生：我参加比赛的账户是一个小时。

Doo Prime：您平时是靠什么来做决策判断的？

廖先生：我通常会找一个大的趋势，如果做顺势的话，我会去选一个比较极限的点位，然后配合斐波纳契的点位来做，我一般是做反转，做顺势的比较少。

Doo Prime：反转或者那种极限的点位，是不是在您的技术指标上有超涨或超低，它跌不动或涨不动的情况下，您会选择进场吗？

廖先生：不是，比如说在底部到顶部的一个区间，画一个斐波纳契，一般采用 61.8 的位置或 1.618 的位置进场。出场的话，我配合的是斐波纳契的拓展来出场，出场一般是百分之百的位置。

Doo Prime：除了斐波纳契之外，您还有其他指标参照吗？

廖先生：还有一些趋势线，我一般都不是看指标的，我会用趋势线或者说鱼叉线来做配合，找到一些疑似反转的点位。

Doo Prime：刚才也说到了EA，现在像您这样的手动且主观的交易者越来越少了，对此您怎么看？

廖先生：其实我也是用 EA 的，只是参赛的账号刚好没有用到。EA 相对来说较为安全，只是我考虑到本次交易时间比较短，就几周要做名次的话，用 EA 收益率肯定是达不到拿名次的标准，所以我才没有用，除非比赛时间拉长一点。

Doo Prime：您手动也做， EA也做，能对比一下这两种交易方式的使用差别吗？

廖先生：如果是做 EA ，执行能力肯定相对来说比人工好很多倍，它是固定的，不会有情绪的判断，只要你跑过历史回撤，确定是足够安全的，风险在可控的范围内的，你就可以放心使用 EA 。

我个人觉得其实 EA 会比人工好一点，因为人工的话会有心态的变化，你每一个单子其实内心都很煎熬，但 EA 不会，这也是它的优势所在。

Doo Prime：很多人现在转向了 EA ，EA 的优势也的确是像您刚才说的，在执行上比人工要彻底，但是很多人似乎也没有发挥人工的这种主观交易的优势。

廖先生：因为最重要控制的还是人嘛。为什么用 EA 会亏损，我总结了自己的经验，当行情出现和它的交易策略不匹配的时候，他就会放弃或者说提前去干预接下来的订单；也会受一些外部因素的影响，比如说有什么事情要出去，就提前把这个系统关掉了；也可能大数据来了它没有关掉，这个系统都会导致亏损；另外，还有交易者对自己的系统太过自信，开始的手数比例就下得非常大，这个也肯定是活不长的。

此外，还分很多类型，比如做趋势，又有做头皮的，还有做马丁的。这些其实要考虑好每一个策略的风险在哪里。做马丁，就是仓位管理或风控管理，或者是遇到大数据你要避开。

Doo Prime：现在也有很多交易者用马丁。

廖先生：因为马丁他有一个好处，每天都能够看到钱，也不确定哪一天会爆仓，这就是马丁的魅力。但是要算好马丁亏的时候会亏掉多少钱，将其作为最大的回撤来控制就可以了。

Doo Prime：您如何评价类似极影这一类的套利的 EA 吗？您能评价一下吗？

廖先生：它本质上是抛开美元的，就是把美元属性去掉了，其实是做加元和挪威克朗的交叉盘，本来有一定相关性，就类似于做澳纽的单边，自带了一个加仓的属性，也就是说它是一个类似做澳元对纽约的货币小马丁。它有一个好处就是说仓位控制比较好的，所以说能够保持盈利。其实这个策略我也有关注过，也是不错的。

Doo Prime：现在用 EA的太多了，您觉得以后手动交易会不会完全被 EA 取代？

廖先生：不会的， EA 需要不断的去更新优化，不可能一个策略永远适用，肯定要人为去改良。

Doo Prime：刚才让您介绍一下您的交易系统，风控策略您能说一下吗？您平时怎么用仓位去控制整体的风险？就是不断用小仓位地试？

廖先生：不是的，我会算好杠杆比例，一个一般控制在 20 倍或 30 倍以下，我是按杠杆的来算仓位的。

Doo Prime：怪不得您那么大的账户下的头寸都比较小。开始比赛的时候是 1000 倍，$1,000 参赛的时候，都是在 0.1 左右。

廖先生：前期因为想要拿名次，肯定稍微会重一点；后面我看到收益率慢慢起来了，就也不想让名次掉了。

Doo Prime：在您的交易历史当中最大的一笔交易显得特别突兀，因为其他头寸都比较小，但是两手的黄金空单就显得很大，而且这一笔交易就一下子赚了将近 $1,500，您还记得为什么在当时会突然下这么大的投资？

廖先生：好像是在 9 月 20 日那一天。我当时就笃定它会往下跌，这个单其实是我临时做的一个短线单。

Doo Prime：这一笔做的非常的精彩。

廖先生：也是为了培养盘感，时间又比较短，这个单子应该是我从开仓到平仓，基本上是没怎么浮亏过的。那个时候我应该是一直盯着的，不敢让它像 0.1 那些单子一样自己去跑。

Doo Prime：我们现在聊聊一下您的交易故事，您大概是什么时候入行的？

廖先生：我是读大学 2013 年的时候。我当时刚接触做币圈，因为门槛那些都比较低，然后大概大学毕业了也没怎么去公司做过，反正每天就是交易为生。

Doo Prime：专职是很多交易者的梦想。

廖先生：专职也是看天吃饭，但是还是得有别的收入，比如说你做经济业务也是能够在你低谷的时候能够维持正常生活的。

Doo Prime：其实交易者是一个非常孤独的事业，您平时有没有跟身边的朋友交流过，或者身边的朋友有没有跟你一起做交易？

廖先生：身边的朋友是其实没有，90% 以上做这个的都是网友，然后通过网友然后再变成朋友，同学或者亲戚、朋友做交易的都很少。

Doo Prime：从 2013 年到现在，您有没有经历过亏得很严重的低谷状态？

廖先生：我记得是 2020 年原油有一波跌成负数的那一波，我印象很深刻。我从大概20/30 开始建仓，然后到了后面十几万。大概是跌到 45 的时候，差不多子弹就打光了，没有想到市场还会出现这种情况。

还有一次是 2015 年英镑闪崩，也是记忆犹新。

Doo Prime：2015 年英镑闪崩那一次您有亏钱吗？遇到低谷您怎样走出来的呢？

廖先生：那次亏了几万块钱。

低谷的时候其实挺严重的，就茶不思饭不想，天天在懊悔，甚至都想放弃这个行业了，觉得自己始终是个韭菜。过了一段时间，发现其他的行业也不太熟悉，也没办法让自己和以前站在一样的高度，后面慢慢小资金把信心做起来了。

像这种财务危机，正常来说做全职的话肯定会遇到过很多次，每遇到一次就给自己多放一点备用金。

Doo Prime：那次负油价事件对您带来最大的价值或者反思是什么？

廖先生：敬畏市场，这个市场什么事都可以发生。所有的东西都可能会一夜之间化为乌有，仓位控制一定要到位。

Doo Prime：现在是专职交易，您对自己的交易生涯有规划吗？比如说成立资管基金或者工作室？

廖先生：我本来已经有工作室，现在的目标也不是说要做多大，就是要稳健经营。

Doo Prime：方便透露一下你们每个月的收益率吗？

廖先生：一般在 6 – 12% ，有时候差一点 3 – 4%，做资金量稍微大一点的话，会保守一些，不会说那么高。

Doo Prime：我们举办 #DooTrader 交易大赛，其实也是为了发掘像您这样的交易好手，把交易理念传递出来。现在您能给交易者几点建议吗？

廖先生：第一，千万不要拿压力资金来做交易，压力资金就是借来的钱，或者这笔钱是等着急用的钱，这个钱千万不要拿来做交易；

第二，见好就收，赚到钱也不要一直放在交易账号里面，一定要一段时间之内取一点。

第三，做交易不要和生活混为一谈。交易亏损也好，赚钱也好，不要影响生活，也不要让生活影响交易，如果让生活影响交易，你就会亏钱，是恶性循环。

Doo Prime：其实这一点对交易者的情绪管理要求比较高。

廖先生：是的，情绪管理很重要，要把交易和生活分开，保持良好的心态。

正如廖先生在其交易理念中表达的，心态占有 70% 的影响因素，将生活与交易分开，调整状态，做好风险把控，相信各位选手也能在比赛和今后的交易中有所收获。

距离第二轮比赛报名，还有最后 2 天

2022年 S3 #DooTrader 慈善杯全球交易大赛第二轮比赛将于 12 月 14 日收官，报名将于本周四 12 月 1 日截止，请各位选手抓住最后机会，展示你真正的实力，同时还可以有更多机会与业内高手进行技艺切磋，更有丰厚奖金等你来战，，把握时机，也许你就是新晋 #DooTrader 之星。

免责声明

本信息仅供一般参考，仅供大众参考，不应被视为买卖任何金融工具的任何投资建议、推荐、要约或邀请。本文中显示的信息是在未参考或考虑任何特定接收者的投资目标或财务状况的情况下准备的。凡提及金融工具、指数或一揽子投资产品的过去表现，均不应视为其未来业绩的可靠指标。Doo Prime 与其控股公司、附属公司、子公司、关联公司、合作伙伴及其各自的员工、对所显示的信息不做任何陈述和保证，对于由于所提供信息的任何不正确和不完整、对于因任何与个人或客户投资相关的任何直接或间接交易或投资风险、损益，所导致的任何直接、间接、特殊或后果性的损失或损害，不承担任何责任。

第四届拍拍贷魔镜杯冠军方案分享

## 1.介绍

? 队员:@回头是岸，@林萧， @观想，作者：@[一休](https://www.zhihu.com/people/qlmx-61/activities)

## 2. 赛题背景

资金流动性管理迄今仍是金融领域的经典问题。在互联网金融信贷业务中，单个资产标的金额小且复杂多样，对于拥有大量出借资金的金融机构或散户而言，资金管理压力巨大，精准地预测出借资金的流动情况变得尤为重要。本次比赛以互联网金融信贷业务为背景，以《现金流预测》为题，希望选手能够利用我们提供的数据，精准地预测资产组合在未来一段时间内每日的回款金额。

本赛题涵盖了信贷违约预测、现金流预测等金融领域常见问题，同时又是复杂的时序问题和多目标预测问题。希望参赛者利用聪明才智把互联网金融的数据优势转化为行业解决方案。

![img](https://aifile.ppdai.com/752890cd0f9e4aa0b36d529bd4433580..png)

数据包含训练样本、测试样本、每个标的的属性表、借款用户基础信息表、用户画像标签列表、借款用户操作行为日志表和用户还款日志表五个部分。

赛题的详解和数据见：[官网](https://ai.ppdai.com/mirror/goToMirrorDetail?mirrorId=17&tabindex=1)。
如失效关注公众号：**AI成长社**，回复：**魔镜杯** 即可获得
## 3.赛题理解

基于对赛题的分析以及金融风控业务的理解，得到以下几点：

- 赛题重要性：准确预测未来一段时期资产组合回款量。这能够帮助互联网金融企业更好的**把控运营节奏**，进行良性**资金配置**和**流动性管理**，最大化的利用现有资金。
- 赛题目标：预测资产组合在未来一段时间内每日的回款金额（但是我们无法预知资产组合的构成）

基于以上分析，决定在未知资产组合的情况下将原有的问题从宏观和微观两个方面进行挖掘，从微观角度挖掘用户的一些借贷习惯；从宏观挖掘公司每月每日资金的流入流出情况，来拟合最终的资产组合的回款情况，具体的结构如下图。

![stpe](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p29069j30mj07fmzk.jpg)

## 4. 特征工程

由于金融风控领域对模型特征要求有很强的可解释性，在挖掘基本的特征时，我们都会考虑挖掘的特征最终的作用点。我们最终的特征有三部分来源，分别是基本信息特征、用户浏览行为特征和用户还款行为特征。

**1.基本特征**

基于时间过滤筛选出未穿越的基本时间特征，具体特征如下图：
![]()

![feature](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p2et4mj30p107kwh7.jpg)

- 针对用户属性特征，删除了**cell_province**,**id_province**,**id_city**三个看似很强的地域特征。这部分数据存在缺失值，曾今尝试过用**id_province**的对**cell_province**进行填充，**id_city**进行分省份填充，但是最终线上结果没有有直接删除有效，删除操作线上提升大概200多分

```python
##尝试的填充代码
data[‘cell_province‘] = data[‘cell_province‘].fillna(data[‘id_province‘])
data[‘id_city‘] = data[‘id_city‘].fillna(data[‘id_province‘] + ‘000‘)
```

- 对age进行分桶处理

- 在标的属性特征中添加月利率特征：原始数据提供的是年利率，考虑到标的期限有3,6,9,12月，因此改成月利率特征，线上提升100左右

- 标的还款日期特征：应还款日期是在几月份，几号，星期几，线上提升200左右

- 用户画像特征：对用户画像做TFIDF处理，保留10维特征

```python
Tfidf_vect = TfidfVectorizer(max_features=10, ngram_range=(1, 1), min_df=1)
Tfidf_vect.fit(list(train[‘taglist‘]))
```

**2.用户浏览行为特征**

- 时间段切分：将一天分为8个时间段，统计每个时间段用户的操作天数及占比，凌晨和深夜操作的逾期概率更高
- 行为间隔频度：将用户行为序列的最大间隔天数和最小间隔天数取出，推测借款人粘性

**3.用户还款行为特征**

- 历史还款习惯（还款月粒度-33天）：有的用户喜欢还款日还款，有的喜欢提前一天还款，有的没有固定时间，基于此采用统计特征表示（众数、平均数、最大值、最小值、方差）
- 历史还款习惯（自然月粒度-上旬中旬下旬）：有的用户喜欢在月初还款，有的喜欢月末还款（可能与其工资日相关），采用还款日期的众数表示
- 历史借款情况：用户拥有标的数量，用户相邻标的间隔天数，用户从注册日到借款等待的天数

## 5 模型的设计

**1.label设计**
$$
公式：label = due\_date - repay\_date
$$
由于受到大小月份的影响，进行适当的修正，其中31表示借款当天还款，即$$auditing\_date == repay\_date$$, 32表示逾期，其余不存在的日期用0填充。最终的结果分布如下图。修正后的label定义方式相比直接采用距离天数的定义方式，线上提升100多分。

![label](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p2o0tpj30u60oiacj.jpg)

**2.训练集的调整**

统计数据发现2018年数据2月和3月的还款情况和其他月份有很大不同，逾期率更大，分析可能是由于春节的原因，故将2018年的2月和3月作为线下验证集，然后将其余的数据作为线下训练集。这种方式验证集比直接随机选取数据做验证集效果更好，线上提升在150分左右。如果分拆成两个模型，分别是2月作为验证集和3月作为验证集，线上还能再提升50分左右，最终为了模型更简单，没有使用这种方案。

**3.模型结构**

![model](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p34s2fj30ip0a1adu.jpg)

我们的模型分为两个部分，微观部分对应用户的一些特征，主要挖掘方向就是用户的还款风险以及还款时间偏好，特征见上面的特征部分，模型使用的事lightgbm模型。宏观部分主要是分析公司每月，每日的资金运转流通情况，统计分析自然天资金回流的概率，在微观预测的基础上调整回流日资金分配。最终线上得分5424分。

优点：

- 有一定可解释性，知道特征来源
- 可操作性比较强
- 模型稳定，切榜成绩几乎没有波动

**4.loss 优化**

- 预期类别权重调整：考虑到风控模型应该是越来越好，即往后逾期率会变低，如下图所示，基于此，训练模型时将逾期的类别适当降低，线上提升50；

![loss1](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p2tfofj30t30m73zn.jpg)

- 日期权重调整:统计分析月初的还款量较大，月底的还款量较小，将每月月初的loss权重增到到1.12，月末的loss权重的loss减小到0.79。复赛线上单模型5623。

![loss2](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p2y7kbj30xp0notaq.jpg)

针对该部分的代码：

```python
# 设置时间权重权重
train_data[‘sample_weight‘] = 1.0
train_data.loc[(train_data[‘repay_date‘] == ‘2018-01-01‘) |
(train_data[‘repay_date‘] == ‘2018-02-01‘) |
(train_data[‘repay_date‘] == ‘2018-03-01‘) |
(train_data[‘repay_date‘] == ‘2018-04-01‘) |
(train_data[‘repay_date‘] == ‘2018-05-01‘) |
(train_data[‘repay_date‘] == ‘2018-06-01‘) |
(train_data[‘repay_date‘] == ‘2018-07-01‘) |
(train_data[‘repay_date‘] == ‘2018-08-01‘) |
(train_data[‘repay_date‘] == ‘2018-09-01‘) |
(train_data[‘repay_date‘] == ‘2018-10-01‘) |
(train_data[‘repay_date‘] == ‘2018-11-01‘) |
(train_data[‘repay_date‘] == ‘2018-12-01‘) |
(train_data[‘repay_date‘] == ‘2019-01-01‘),
[‘sample_weight‘]] = 1.124115183 # 每月1号
train_data.loc[(train_data[‘repay_date‘] == ‘2018-01-31‘) |
(train_data[‘repay_date‘] == ‘2018-02-28‘) |
(train_data[‘repay_date‘] == ‘2018-03-31‘) |
(train_data[‘repay_date‘] == ‘2018-04-30‘) |
(train_data[‘repay_date‘] == ‘2018-05-31‘) |
(train_data[‘repay_date‘] == ‘2018-06-30‘) |
(train_data[‘repay_date‘] == ‘2018-07-31‘) |
(train_data[‘repay_date‘] == ‘2018-08-31‘) |
(train_data[‘repay_date‘] == ‘2018-09-30‘) |
(train_data[‘repay_date‘] == ‘2018-10-31‘) |
(train_data[‘repay_date‘] == ‘2018-11-30‘) |
(train_data[‘repay_date‘] == ‘2018-12-31‘) |
(train_data[‘repay_date‘] == ‘2019-01-31‘),
[‘sample_weight‘]] = 0.79326 # 每月月底
```

## 6.总结

- 用组合目标趋近于实际的目标：整个赛题的目标是想预测资产组合的回款情况，但是资产组合我们无法预知，通过微观的标的回款情况加上宏观的日回流情况来对实际目标进行趋近
- 对整体目标进行可解释性的拆解有助于特征的设计：将目标拆解为用户的信用风险、还款习惯以及整体的日回流趋势，让特征提取思路清晰可追溯
- 可进行多目标学习的尝试：基于我们现有模型的整体架构和思想，可进行多目标学习的尝试，这方面可以继续挖掘和扩展

## 7. 可深入探索模型

![model2](http://tva1.sinaimg.cn/large/007X8olVly1g7m1p3avw7j30mq0as44n.jpg)