威科夫交易法—趨勢反轉策略

以期貨品種為例，現在期貨幾十個品種，你可以做全跟蹤，但是你要知道你跟蹤的目的。 這樣就能夠明確跟蹤的方法。 比如你如果是一個做短線的，那麼，你做全品種跟蹤不現實，看不過來，提醒可能也很難到位。 說白了，你策略的頻率和邏輯決定了你跟蹤的要點。

　　一般來講，有這麼一些思路你可以參考一下：

　　第一個，要考慮是不是所有的品種都要跟蹤，比如說小麥這些萬年沒有人交易的品種，要不要跟蹤，以此，決定你要跟蹤的品種，這個可以做第一步的簡化。

　　第二個，是不是所有的品種都要單獨跟蹤？ 這個要看自己的策略是什麼樣子的。 如果是全品種趨勢，那麼你可以進行分門別類的跟蹤，作為我而言，我就是做分門別類的跟蹤，然後再做一些細化的跟蹤的。

　　先問題主一下，你想做全品種的意義和目的是什麼？

　　有專業團隊做自營或資管的人會考慮這麼做，首先策略容量變大一些，容量大了資金規模上去，值得去買資料庫、搭建投研體系等，但是對資管行業來說，期貨市場的整體容量不算大，據我觀察，正兒八經養得起研究員團隊的，是“股債匯商”聯動做的宏觀對沖類私募。 如此一來是全市場全天候配置，比期貨維度更高，容量更大。 另外，不排除有大宗商品貿易背景的私募，商品數據既供投資用，又供貿易決策使用，實體貿易收集的第一線資訊又反哺投資部門，形成雙輪驅動。

　　個人做的話，一般是開發了一套具有應用普適性的交易系統，希望盡可能多地捕獲靠譜的入場信號，每天全品種掃描，信號變多，入場機會多了總收益能上去。 這種肯定走量化這條路，那麼談不上盯不過來。 只是每個人的系統都會設置一些前提條件，篩掉了不符合條件的品種（比如，設置了不做近一年新上市品種等）。 小資金量化有自己的生存空間，某些期權套利的機會，只有幾張能成交上，小資金們去吃這些大資金看不上的蒼蠅肉。

　　還有一類基本面量化，這個玩法聽起來高端一點，主要是對眾多商品的價格、庫存、加工利潤、開工率等數據組成的數據集進行機器學習自動建模，不過，國內商品的數據平臺分散，可見買一個wind是遠遠不夠的。