有人问我，对于做量化而言，什么最重要？
这个问题把我问住了。
虽然我业余研究量化挺长时间的了，但从来没有想过这个问题。
到底是编程的能力？还是数学建模的能力？
是投资的经验？亦或是思路和想法？
不过这里面的比较还是比较简单的，编程需要数学建模为基础，而数学建模来自于思路和想法，而思路和想法产生自经验。
所以说经验最重要咯？
今天和一个私募从业者聊起来，他说一个大神告诉他：
把所有能找到的基本面，技术面，数据全部喂给神经网络算法，这个神经网络算法有十层"隐藏层"，然后让算法自己去做策略。
结果如何呢：
这里对冲后的年化，达到了60%，真的是非常惊人。
这个过程中最重要的是什么？是想法，这个想法并不是来源于投资的经验，反而更多的是技术导向的。
经过了解，这个策略的优化目标是夏普比率。
但是神经网络算法本身是有其优化目标的，也就是它的代价函数。
怎么从算法的优化目标，到实际的优化目标呢？
这个过程更多的应该是数学建模。
如果粗暴点理解机器学习的话，那就是人肉暴力回测十万百万彼遍，最终找到最优的参数。
但是通过算法怎么才能达到这样的效果呢？
怎么才能让夏普比率最大化呢？
