2017-07-31
关于“星文快投”，我的初衷是：简单、稳定、可定制的投标软件。前期版本其实也基本达到这个目标了，系统跑起来后，几天下来也累积过手三十多万个标的了，自动投标也工作正常，作为一个纯粹的工具，应该是达标了。不过，随着应用的深入，我也不断在思考：
1、用哪些属性来构造策略？可以用来组成策略的属性有很多，从接口来说，有最先获取到的摘要属性，如利率、金额等，还有随后可以获得的详细信息。除此以外，还可以从接口信息推算出进一步的信息，如通过毕业学校推算出“是否985/211高校”，通过投标的起止时间推算出“满标速度”等等。此外，在网页上还有一些接口没有的信息，也可以考虑通过爬虫抓取。但这些信息，是否有必要全用？哪些重要，哪怕付出更多的代价也必须要获得？哪些不重要，可以忽略？
2、策略如何评估？“一千个人有一千个哈姆雷特”，关于策略，每个人都会有自己的思考。到底哪个好，有各种专业的分析、数据、图表。但是，别人的分析可信度到底有多少？自己的策略和别人的策略的差异究竟有多大，能否量化？
3、模拟和实际投标是否一致？很多策略，从模拟来看很漂亮，但是实际投标可能存在问题。策略条件和API接口获取的属性能否一致？处理的效率能否跟上？标的数量是否够？
经过思考和实验，我把突破口放在一个点上——真实、高效的策略回测机制。如果数据具有可信度，同时能够快速得出策略的逾期率、标的数等数据，那么属性的取舍、策略量化评估、实际投标可行性等问题就迎刃而解。
基于这些考虑，对“星文快投”进行了较大的改版，包括：
1、数据整理：包括对官方提供的横跨两年的采样数据进行补充，分析，取舍。
2、高效回测：用户选择条件的同时，就会把当前策略的标的数量、逾期率、年化收益等实时反馈，同时保证系统的高效运行。
