1.2.3　交易策略和阿尔法因子

说完了算法和数据，下面我们就要讲讲如何将二者结合起来并应用到投资中。我们先通过各种数据源提取出有效信息，并且通过特征工程（feature engineering）将数据转换为阿尔法因子（alpha factor），再将这些因子拿来训练模型，使模型可以对交易品未来的趋势或价格变动做出预测，并触发买单或者卖单。例如，模型预测次日股价大涨，则下单买入，反之则卖出。

在这个过程中，阿尔法因子（以下统称为alpha因子）的确定是一个复杂的工程。在这一步中，我们需要探索输入的数据与目标收益之间的关系，并进行复杂的特征工程，还要不断测试及对模型进行调优，以此来优化模型的预测能力。

当然，经过数十年的学术研究，金融学家已经帮我们总结好alpha因子。如果要给小瓦完全解释明白这背后的理论，我们就要花很大的篇幅去讲解市场金融理论和投资者行为学等。不过这些不是主线“剧情”，因此本书不展开介绍了。