比特派app中文版下载|什么是量化交易
作者： 比特派app中文版下载
2024-03-13 21:42:53
量化交易到底是什么？ - 知乎
量化交易到底是什么？ - 知乎切换模式写文章登录/注册量化交易到底是什么？林鱼儿天地无心而化育万物，仁者有道而生生不息。今天和一位好友聊天，我发现他对于量化、程序化、编程、代码、算法、自动化交易的根本概念没有搞清楚，遂写一篇文章解疑释惑。1、首先，什么是量化交易呢？百度定义如下：量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，进而交易的过程。量化交易是一个很大的范畴，其核心是用数学模型或者说明确的交易规则指导交易，而不是纯主观判断。例如这就是一个量化的过程：（1）思想：看见大阳线就买入（2）量化过程：大阳线有大有小，何为大何为小？那么我根据历史数据通过计算机统计发现，该品种在当前时间框架下，K线实体是前一个K线实体的2.5倍的情况下就是大K线了。该统计经过了10年数据验证，具有统计学意义上的差异，所以我认为目前是可靠的。（3）量化规则的创立：只要是阳线，而且实体体积是前一K线实体的2.5倍，就买入。量化，顾名思义就是数量化，就是把模糊的东西精确化，定量分析。聪明的你发现了一个大问题！这太局限啊，难道3倍5倍的就不是大阳线了，这太死板啊，我得错过多少机会啊。（我们后面解决这一问题）。2、程序化程序化是什么？程序化就是将思维通过算法编程进而上机的过程。这是一个很宽泛的概念，不仅是用来交易。你比如让计算机计算1+1：思维：计算1+1算法：程序开始声明变量a，声明变量b，声明变量c；变量a赋值1，变量b赋值1；计算a+b，并且将结果存储在变量c中；输出变量c的值；程序结束编程过程(形成代码）：（以C++为例）#include 一文读懂什么是量化交易！ - 知乎切换模式写文章登录/注册一文读懂什么是量化交易！散户小韭菜金融专业毕业，多年投资经验，解答各类投资问题、低佣量化交易基本概念量化交易并没有一个精确的定义，广义上可以认为，凡是借助于数学模型和计算机实现的交易方法都可以称为量化交易。目前，国内比较常见的量化交易方法包括股票多因子策略（阿尔法）、期货CTA策略、套利策略和高频交易策略等。量化交易在2010年之前还是非常小众的领域，后来随着沪深300指数期货的出现，量化交易的基金开始出现井喷现象。无论是中长线CTA策略，还是高频交易策略或股票阿尔法策略，都取得了非常好的业绩。2010年到2014年是量化交易的红利期，各类量化交易策略都赚取了足够多利润。利润是最好的广告，很多人都开始关注量化交易，量化交易基金的规模因此开始快速增长。也正是这种“高利润”，导致了大家对量化交易存在大量的误解。比如，2015年的“股灾”，很多人认为股指上的高频交易起到了推波助澜的作用，是股灾的元凶。之后，中金所做出的一系列动作，如对股指限制交易频率、提高交易手续费等，很大程度上就是为了限制高频交易。所以需要换一个思路，我们不一定要靠纯粹的所谓“量化”来做交易，量化只是一种手段，目的还是为了提升投资业绩。换句话说，我们并不一定要成为专业的量化从业人员，才能使用量化的方法。任何交易经理，包括大量传统的基本面分析师，都可以使用量化的手段来帮忙提升投资研究效率和业绩。本文的初衷就是希望传统的投资从业人员也能从量化的思路中获得助益。量化，并不是谁的专利，人人都可以学习。量化交易的特征严格来说，量化交易与主观投资并不是非黑即白的关系。传统的主观投资经理查看财报，根据财务数据做投资决策，这算不算量化分析？既然进行了数据分析，主观投资当然也算是一种化分析。那么，量化交易与主观投资的区别究竟在哪里呢？它们的区别并没有那么泾渭分明。每一个交易者，或多或少都用到了主观或者量化的方法。投资者在收集信息、拟定决策的时候，有两种不同的倾向，一种是感知的、直觉的，另一种是逻辑的、量化的。这样就分为了四个维度，如下：直觉接收，直觉决策：阅读新闻，感知交易者情绪进行决策。直觉接收，量化决策：抓取网络文本，建立模型进行交易决策。量化接收，直觉决策：研究财报数据，根据直觉经验进行交易决策。量化接收，量化决策：通过统计分析，建立多因子模型，进行交易决策。量化交易策略的最大特点是其具有一套基于数据的完整交易规则。在投资决策的任何一个环节中，必须要有一套完全客观的量化标准。比如，A股票的横指标达到多少的阈值时，我们才决定开仓，每次开仓要买多少手。这种规定必须是唯一客观的，不允许有不同的解释。当然，这些规定可以通过研究和主观判断来进行修改，但是一旦确定，就需要严格遵守。03 量化交易的优势量化交易的优势可以总结为三个词：客观性、大数据、响应快，具体说明如下。1. 客观性量化交易一般通过回测来证实或者证伪策略的历史有效性，而且在进行实盘交易的时候，很多都是通过程序化交易自动下单的，这能在很大程度上保证决策的客观性，受人为情绪等因素的干扰较少。2. 大数据量化交易在研究或者决策中，通常会引入大量的数据来进行分析。比如股票，只需要一套代码，就可以同时分析全市场3600多支股票。这种大数据的分析效率在传统投研方法中是做不到的（当然，不可否认的是，传统投研对公司基本面的研究是更深入的）。3. 响应快由于是用计算机进行自动分析，所以分析和响应速度都十分迅速，一般能达到秒级，高频交易甚至是以微秒为单位的。手机APP量化平台权限申请，免费使用发布于 2021-08-10 15:58量化量化交易高频交易赞同 21添加评论分享喜欢收藏申请 股票量化交易到底是什么？ - 知乎首页知乎知学堂发现等你来答切换模式登录/注册量化股票量化交易股票量化交易到底是什么？关注者148被浏览86,719关注问题写回答邀请回答好问题 1添加评论分享59 个回答默认排序顽固的石头1988期货从业人员资格证持证人 关注第一，我先说交易的本质：职业交易员交易的是：权利，暴力，资源，优势，趋势，关系，信息差，漏洞，地段，流量，。。。。金钱就是这些东西的附属品，被这些东西吸引并且流向，自然规律。依靠这些依仗去获利。散户交易的本质是：赌博的快感，真爽，为了爽而交易。第二量化：量化 的本质是迭代，就是迭代掉老一批盘手的手工操作。并不创造什么，就是迭代掉他们，通过速度更快，覆盖面更广的方式迭代。不奇妙的发布于 2023-12-05 08:40赞同 121 条评论分享收藏喜欢收起量化上头啦量化QMT/PTrade （需求请留言） 关注很多刚入股市的散户初闻量化交易，总觉得神秘莫测，难以理解。但其实，量化交易是在证券交易中一种常见的投资方式。大白话来解释：量化交易就是借助现代统计学和数学的方法，利用计算机技术来进行自动化交易，它最大的特点便是以先进的算法代码代替人工决策。图上就是量化交易的源代码，而这个数字就是我们说的量化策略。相比于人工交易的精耕细作，量化交易更类似于大机械化的劳作，好比大型收割机之于锄头镰刀，它能将我们的交易效率提高百倍，同时提升我们交易的胜率，以及克制我们自身人性的弱点。什么叫做人性的弱点？作为生物个体，我们做投资没有办法回避的一个弱点就是，我们的时间、体力、精力、注意力、判断力都是很有限的。比如说你要用传统的方法，每只股票都去仔细分析它的基本面或者看它的技术图形，那即便像巴菲特这样的股神，也只能分析很少的股票。所以当大规模资产管理的行业出现以后，基金经理们就开始犯愁，然后在想，有没有一些可行的方法，可以让一个人研究更多的证券，然后管理更多的钱呢？这个想法一直没有能够得到实现。一直到上个世纪70年代，计算机的计算能力突飞猛进，使得对金融数据的分析成为了可能，随后量化交易便开始出现，并在整个金融市场上占据着越来越大的份额。不过要告诉大家的是，不要觉得量化有多高大上就一股脑地冲进来，量化交易的风险也是很大的。为什么呢？因为量化交易是在历史数据里面去挖掘规律，所以它依赖的是历史数据，也就是过去的趋势，那如果这个趋势存在的条件发生变化，过去的策略就都没有用处了。发布于 2023-11-20 10:23赞同 5添加评论分享收藏喜欢 量化交易快速入门指南（适用于无编程背景人士） - 知乎首发于品职教育CFA&FRM双证备考切换模式写文章登录/注册量化交易快速入门指南（适用于无编程背景人士）李斯克特许金融分析师（CFA）、金融风险管理师（FRM）持证人在 AI 这个话题被不断神化的同时，量化对于大多数人来说也成了一个越来越遥远的领域。但近年来量化投资越来越受到投资者的关注，量化产品也为投资者创造了较好的回报，很多人对量化交易就有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。但是量化交易究竟怎么做？从小白到入门又分为几步，很多人其实在入门级别就倒下了。为了让大家能更直观的感受到量化的学习过程，我也会分享我们一个学员学习量化的小故事，这位学员在无编程经验的背景下，花费了4个月左右时间成功从传统金融背景转行进入量化团队。本篇文章我将从以下几方面为大家讲解量化的入门知识一、什么是量化交易？（一）普通人眼中的量化交易（二）真实的量化交易1.量化的定义2.近在咫尺的量化交易二、如何成为量化交易员（一）第一步：量化交易的养成（二）第二步：从Python上手编程（三）第三步：走向量化下面就跟着老李一起来揭开量化投资的神秘面纱。一、什么是量化交易？（一）普通人眼中的量化交易在和很多金融领域的学生聊天时，我发现大多数人在聊到量化时第一反应就是：它很难。接着会继续问道：- 量化岗是不是需要数学、物理博士？- 量化是做高频么？- 量化需要会C语言么？- 现在量化是不是在往AI方向上走？其实这些问题的答案很难用简单的「是否」去解答，对于一个领域的探讨永远是多元化的，在能够帮助大家解答这些问题之前，我们还要先从量化最本质的话题聊起：什么是量化交易？（二）真实的量化交易通常人们在科普量化时，会和大家解释Q-Quant和P-Quant，或者卖方/买方量化的角度将量化交易进行划分，这些类似的话题在知乎有很多，笔者今天想更多的从量化本身的定义出发，和大家聊聊这个话题。1.量化的定义量化，就是用数学模型（而非人脑），决定交易的品种、数量、方向、时机。不难理解，量化的一大核心就是用数学模型去替代人脑，让模型的理性替代人的感性，将我们的投资逻辑转化成数学语言，去严格执行模型中制定的交易规则，去决定交易中的买卖要素（品种、数量、方向、时机）。正所谓英雄不问出处，实时造就英雄，量化策略也是一样。一个量化策略好坏是根据它实盘的战记，观察它是否适合当前的市场、当前的资产情况、当下的时代背景，而非依据模型的复杂程度来进行评判，其底部是由投资逻辑去做支撑。这也就意味着，当大家在谈起量化时，不必与高频、深度学习、AI等这些高深词汇画上等号。一个好的策略它可以是简单的，也可以是复杂的，究其根本，是对底层投资逻辑的考量。2.近在咫尺的量化交易事实上，在我们的身边就有一个简单又好用的量化交易模型——当你打开基金软件，选中基金后，指定每周五定投500元，点击确认按钮，你便已经实现了一个最简单的量化策略。看到这里，你或许会轻笑，但不要小瞧这个用Excel就能实现的量化策略，定投策略在很多时候比我们跟风式的买卖更容易实现稳定的收益，原因如下：a.基金定投具有类似长期储蓄的特点，能积少成多，平摊投资成本，因此定期定额投资可抹平基金净值的高峰和低谷，消除市场的波动性。b.定投由于其量化属性（由规则决定买卖时机），可以规避投资者对进场时机主观判断的影响，大大降低因为主观判断失误（在市场高点买入，市场低点卖出）而造成的巨额损失。因此，定投策略可以很好的弱化定投目标的波动性，以及投资人由于个人情感和信息因素造成的投资点判断失误等问题。也由此可以看出，定投策略是一项十分适合中长线投资的策略，而投资者唯一需要做的，只是选出一项自己中长期看好的标的，即可进行定投操作。（ps：如果大家想从实例角度进一步理解定投策略及其优化的效果，可以在评论区留言，我们将在未来文章中进行进一步展开。）二、如何成为量化交易员通过前文的叙述，我们不难发现「量化」其实并没有大多数人想象的那样遥不可。那么，是不是意味着如果我们想要成为一名量化交易员，其实也没有想象中的那样困难呢？老李这里参考了一位品职学员的亲身经历来简单和大家复盘一下他的转行经验，希望对各位读者有所帮助。这位学员在无编程经验的背景下，花费了4个月左右时间成功从传统金融背景转行进入量化团队，那他是如何做到的呢？（一）第一步：量化交易的养成正如在「量化的定义」中谈及的，大多数人会侧重在「数学模型」四个字上，而忽略了量化的另一个核心要义——交易。在整个量化策略的构建中，我们需要先将交易逻辑转换成数学语言，再通过编程语言等工具实现数学语言到程序的转化。在这三个步骤、两次转化的过程中，其底部，是由扎实的交易逻辑做支撑。交易素养的培养是一个需要时间积累的过程，这也是传统金融从业者转行做量化时的一大优势。而目前大多量化团队也没有做到「全自动化交易」，由于数学模型自身的局限，以及黑天鹅、周期轮动等因素的影响，大部分量化团队还是保持人工+智能的方式进行量化投资，这也更加提升了量化研究员本身对交易的理解。意识到量化的底层逻辑是由什么支撑后，这名学员消除了最开始的竞争焦虑，不再忧心「量化更偏爱程序员」的传言，开始逐步投入自己该做的事情。由于学员属于金融后端的工作，除了基础的金融知识外，还需要补充一些前端交易的内容，于是决定从学习和模仿投资大佬们所分享的交易经验开始入门，在工作和学习编程之余，阅读了一些经典投资传记，并记录和梳理了大量的读书笔记，尝试站在巨人的肩膀上进行快速成长。《巴菲特的第一桶金》作为最出圈的投资者，伟大的投资家沃伦·巴菲特，用37年，22笔投资，赚得了自己的第一个1亿美元。书中再现了这一历程中巴菲特的进化、思考和他的投资路线图。《彼得·林奇的成功投资》作为华尔街最为优秀的股票投资者和证券投资基金经理之一，彼得·林奇在书中分享了他的选股逻辑，告诉普通投资者如何成为股票投资专家。只要仔细观察一下商业的发展趋势，留心一下周围的世界，从购物中心到自己工作的地方，你就可以比专业分析人员更早地发现那些潜在的将会大获成功的公司。《战胜一切市场的人》在本书中，这位传奇的金融天才用清晰简单的语言分享了自己在赌场和市场这两大领域的激动人心的冒险之旅，并分享了他击败庄家、战胜市场的秘诀，比如盯住“5”和“A”两张牌，就能决胜21点；而“凯利公式”“科学预测”和“价格锚点”则是战胜市场的最重要的投资策略。《笑傲股市》本书作者威廉·欧奈尔是华尔街经验最丰富、最成功的资深投资人之一，在这本书中总结了他的选股模式CAN SLIM，也被众多投资者应用于量化领域的实现。美国个人投资者协会将本书中的CAN SLIM方法与彼得·林奇和沃伦·巴菲特的方法进行比较后，于2001年发表独立研究，结果显示CAN SLIM方法每年都可以取得最好和最持续稳定的业绩，是最佳投资系统方案。（二）第二步：从Python上手编程在学习投资交易的同时，该学员开始尝试补齐最大的短板——编程，尝试从网红编程语言Python入手，快速上手量化所需的编程工具。1.Python是学习量化的拦路虎吗？这个对于很多人来说曾经是魔王级难度的关卡，在网红编程语言Python的帮助下，大大降低了我们与编程之间的距离。而对于量化小白而言，除了Python简单易学的特性外，其强大的模块社区支持，也能很好的帮助量化交易员实现大量机器学习算法模型。很多时候，我们不需要花大量的时间研究如何用编程去实现某个算法，而只需要去了解算法，并懂得如何将其应用就行了。相当于为侠客配备好了武器库，而我们只需要专注于练好武功心法即可。Python能够帮助很多量化交易员大大加快了编程效率。2.如何自学Python关于Python的学习，和大多数人一样，他购买了大量的学习资料，也曾询问过我相关内容的推荐，和学习方法，我给了他两方面的建议：第一：在学习前期语法和pandas阶段，尽可能快速的学习和掌握知识，学习过程中可以不求甚解。在大致理解了整体框架和Python能提供的功能后，在后续的实践案例中进行一次次巩固，才能在自学过程中快速又精确的掌握自己最需要的技能。第二：书籍推荐：图灵系列丛书中非常经典的「动物书」系列：语法入门《Python编程 从入门到实践(第二版)》真正针对零基础入门，从安装到环境配置，从基础语法到实践项目，十分适合小白自学使用。数据分析《利用Python进行数据分析（第二版）》Python数据分析中的核心库「Pandas」创始人编写的数据分析书籍，十分详细的讲解了Pandas库的使用，结合了一些数据分析案例，让大家在能更好的在案例实践中掌握Pandas的应用方法。数据爬虫《Python 3 网络爬虫开发实战》在量化研究中，除了策略本身以外，数据也是十分重要的一环，而网络爬虫是我们获取数据的重要手段之一，也是各个领域的数据分析人员（包括量化）十分重要的一大技能。本书中涉及丰富的实战案例，通过多个案例介绍了不同场景下如何实现数据爬取。（三）第三步：走向量化上述三本书大概花费了该学员一个半月的时间，此时的他对于编程也仅仅是入门，还算不上熟练，对于语法和pandas的应用也只能算得上刚刚及格，但正如我之前提到的那样，走向精通的道路可以在量化实战中不断深化。接下来，他开始自己寻找一些量化相关的视频及书籍，尝试学习和掌握经典的量化策略，利用Python构建了属于自己的基础回测框架。在学习经典策略的过程中，开始逐步优化基础框架，尝试利用回测框架进行一些开源研报的策略复现。在这个过程中，开始深入的推敲不同数据类型（如：价量数据、财务数据、资金流数据等）背后的数据逻辑，了解分析师们的分析方法和思路，掌握因子构造的基本方法，尝试对已有策略做优化和迭代。在后期，开始结合投资传记中提炼出来的交易逻辑，做一些独立策略的构建，并将自己的策略研究结果写入简历中开始尝试做一些建立的投递和面试。整个转行跨行的过程中是十分煎熬又充实的，中间学员也曾和我聊过几次，反思自己为了不知能否成功的理想而付出的各种机会成本是否值得，除了对未知领域探索时的恐惧，更多是对前途的迷惘和担忧。很多时候难住我们的可能并不是学习量化本身，而是在选择跨行转行时能否放下现在的所有，而幸运的是，这位学员坚持了下来。量化本身不难，难的在于自己勇敢的迈出第一步。编辑于 2021-08-05 16:06量化量化交易量化研究赞同 47625 条评论分享喜欢收藏申请转载文章被以下专栏收录品职教育CFA&FRM双证备考CFA&FRM知识和备考经验分享，让备考少走 量化交易 - MBA智库百科 全球专业中文经管百科，由121,994位网友共同编写而成，共计435,717个条目 查看 条目讨论编辑 收藏 简体中文繁体中文 工具箱▼ 链入页面 链出更改 上传文件 特殊页面 可打印版 永久链接 量化交易 用手机看条目 扫一扫，手机看条目 出自 MBA智库百科(https://wiki.mbalib.com/) 量化交易(Quantitative Trading) 目录 1 什么是量化交易 2 量化交易的优势 3 量化交易的风险性[1] 4 参考文献 [编辑]什么是量化交易 量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。 量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。 [编辑]量化交易的优势 詹姆斯·西蒙斯，量化交易的代表人物 1. 严格的纪律性 量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。 2. 完备的系统性 完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。 3. 妥善运用套利的思想 量化交易正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。 4. 靠概率取胜 这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。 [编辑]量化交易的风险性[1] 首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。 一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。 由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。 又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。 第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。 [编辑]参考文献 ↑ 张云.光大乌龙背后的量化交易三大风险.一财网.2013-08-17 来自"https://wiki.mbalib.com/wiki/%E9%87%8F%E5%8C%96%E4%BA%A4%E6%98%93" 打开MBA智库App, 阅读完整内容 打开App 本条目对我有帮助72 赏 MBA智库APP 扫一扫，下载MBA智库APP 分享到： 温馨提示 复制该内容请前往MBA智库App 立即前往App 如果您认为本条目还有待完善，需要补充新内容或修改错误内容，请编辑条目或投诉举报。 本条目相关文档 初识量化趋势交易体系 16页 初识量化趋势交易体系 16页 动量交易行为量化及其对基金业绩的影响 6页 双向交易背景下的指数基金量化投资研究 4页 我国量化基金同质化交易倾向研究 4页 数量化研究：基于交易所公开信息的探索 30页 德州扑克AI算法在量化择时不交易中的应用 26页 虚拟遗憾最小化应用于量化择时与交易 25页 数量化专题之六十一：探究交易公开信息之市场观察篇 22页 量化投资与策略交易 48页 更多相关文档 本条目相关课程 本条目由以下用户参与贡献 Gaoshan2013,Mis铭,方小莉,寒曦,田牌操作系统. 页面分类: 股票投资方法 评论(共7条)提示:评论内容为网友针对条目"量化交易"展开的讨论，与本站观点立场无关。 171.15.106.* 在 2016年7月18日 17:16 发表 量化交易是未来 ，金融交易的趋势。国外已经很普及。在国内，量化概念还仅仅是一部分人知道、理解，在众多平台崛起的抢占市场的现在，京东也是看到了前景巨大。但是国内已经不少量化先行者了，比如 BotVS、riceQuant 、 MaigeQuant 等等~~，专业交易员是时候用量化武器武装自己了 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 沧浪之水 (Talk | 贡献) 在 2017年12月14日 02:00 发表 ？ 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 27.154.171.* 在 2018年1月5日 14:48 发表 未来是中国的 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 42.234.93.* 在 2019年3月9日 15:50 发表 我信你？ 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 39.11.103.* 在 2020年8月25日 20:55 发表 有人在玩/ 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 14.30.31.* 在 2021年1月22日 12:28 发表 2 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 M id 6e96e76804dbfa95b66c4198d9cca85d (Talk | 贡献) 在 2023年6月4日 08:34 · 河南 发表 终极量化的终端就是灰飞烟灭！ 回复评论 发表评论请文明上网，理性发言并遵守有关规定。 发表评论请文明上网，理性发言并遵守有关规定。 首页 文档 百科 课堂 商学院 资讯 知识点 国际MBA 商城 企业服务 问答 首页
专题
管理 营销 经济 金融 人力资源 咨询 财务 品牌 证券 物流 贸易 商学院 法律 人物 分类索引 百科VIP 百科VIP会员权益 无广告阅读 免验证复制 开通/续费百科VIP 登录 消息 昵称未设置
百科VIP
未开通 收藏夹 账号安全中心 我的页面 我的贡献 我的讨论页 我的设置 退出登录 打开APP 导航 最新资讯 最新评论 最新推荐 热门推荐 编辑实验 使用帮助 创建条目 随便看看 本周推荐 最多推荐 翻异别勘智能卡食品新质生产力包装印刷生产线第一性原理宗庆后纪梵希头寸 奶头乐理论蘑菇管理定律猴子管理法则情绪ABC理论垃圾人定律100个最流行的管理词汇破窗效应INFPSWOT分析模型21天效应 以上内容根据网友推荐自动排序生成 下载APP
此页面最后修订：16:44,2016年10月11日. 智库首页 - 百科首页 - 关于百科 -
客户端 -
人才招聘 -
广告合作 - 权利通知 -
联系我们 -
免责声明 - 友情链接 ©2024 MBAlib.com, All rights reserved. 闽公网安备 35020302032707号 意见反馈 问题分类 类型 反馈内容 添加图片(选填)0/9 联系方式 取消 提交 提交成功 反馈结果请前往 MBA智库App 查看 （我的 > 帮助与反馈 > 我的反馈） 知道了 什么是量化交易？有哪些需要了解的信息？ - 知乎首页知乎知学堂发现等你来答切换模式登录/注册经济交易量化交易什么是量化交易？有哪些需要了解的信息？关注者9被浏览1,007关注问题写回答邀请回答好问题添加评论分享8 个回答默认排序螃蟹哥炒币 关注什么是量化交易？量化交易是一种利用数学模型和计算机技术来进行交易决策的方式，它可以有效地降低人为情绪和主观判断的影响，提高交易效率和收益。量化交易的过程包括数据获取、策略研发、回测验证、风险管理和自动执行等环节，它可以应用于股票、期货、期权、外汇等多种金融市场。量化交易和普通的交易有什么区别？普通的交易通常是基于投资者的经验、直觉或者基本面分析来进行的，它往往受到市场情绪、信息不对称、心理偏差等因素的干扰，导致交易决策不理性或者不及时。而量化交易则是通过建立客观的数学模型，将交易逻辑转化为程序代码，通过计算机自动执行交易指令，从而避免人为的干预和误判。那那量化交易有什么优缺点？量化交易的优点主要有以下几个方面：1.客观性：量化交易可以消除人为情绪和主观判断的影响，使交易决策更加理性和科学。2.大数据：量化交易可以利用大量的数据进行分析和挖掘，发现市场中隐藏的规律和机会。3.响应快：量化交易可以实现高速的数据处理和交易执行，抓住市场中短暂的波动和变化。4.多样性：量化交易可以涵盖多种市场、品种、风格和策略，满足不同投资者的需求和偏好。量化交易的缺点主要有以下几个方面：复杂性：量化交易需要具备一定的数学、统计、编程等专业知识和技能，对于没有相关背景的人来说，学习成本较高。风险性：量化交易也存在一定的风险，比如模型失效、数据错误、系统故障、黑天鹅事件等，可能导致意外的损失或者亏损。竞争性：量化交易是一个高度竞争的领域，随着技术的发展和市场的变化，需要不断地更新和优化模型和策略，否则可能会被淘汰或者超越。应该怎么操作量化交易？操作量化交易需要以下几个步骤：- 数据获取：首先需要获取所需的金融数据，比如股票价格、财务指标、宏观经济数据等，可以通过网络爬虫、数据库访问或者第三方平台等方式获取。- 策略研发：其次需要根据自己的投资目标和风险偏好，设计并编写适合自己的量化策略，可以参考已有的经典策略或者自己创新新的策略。- 回测验证：然后需要对策略进行回测，即用历史数据来模拟实盘运行的情况，评估策略的表现和风险，比如收最大回撤、夏普比率等指标。- 风险管理：接着需要对策略进行风险管理，即在交易过程中监控和控制风险，比如设置止损、止盈、仓位、杠杆等参数，避免过度交易或者亏损过大。- 自动执行：最后需要将策略部署到交易平台或者服务器上，实现自动化的交易执行，比如通过API接口或者模拟鼠标键盘等方式下单。门槛是什么？量化交易的门槛主要有以下几个方面：- 知识门槛：量化交易需要具备一定的数学、统计、编程等专业知识和技能，对于没有相关背景的人来说，需要花费一定的时间和精力去学习和掌握。- 资金门槛：量化交易需要有一定的资金规模和成本，比如购买数据、软件、硬件、服务器等资源，以及支付手续费、佣金等费用。- 法律门槛：量化交易需要遵守相关的法律法规和市场规则，比如不得进行操纵市场、内幕交易、违规交易等行为，否则可能面临处罚或者诉讼。应该注意什么？量化交易需要注意以下几个方面：- 数据质量：数据是量化交易的基础，因此需要保证数据的准确性、完整性和及时性，避免因为数据错误而导致策略失效或者损失。- 模型有效性：模型是量化交易的核心，因此需要保证模型的科学性、稳定性和适应性，避免因为模型过拟合或者过时而导致策略失效或者损失。- 系统安全性：系统是量化交易的工具，因此需要保证系统的可靠性、高效性和安全性，避免因为系统故障或者攻击而导致策略失效或者损失。发布于 2023-12-01 16:00赞同添加评论分享收藏喜欢收起飞云观天之道，执天之行 关注量化交易，是交易者的操盘思路编写成程序，用以全自动交易，或者人工加量化半自动模式交易。如果自己不懂，可以找专业人士沟通，事半功倍。发布于 2023-12-06 10:50赞同添加评论分享收藏喜欢 量化交易 - 知乎首页知乎知学堂发现等你来答切换模式登录/注册量化交易百度百科的定义，量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂…查看全部内容关注话题管理分享索引百科讨论精华视频等待回答详细内容定义量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。简单来说，量化交易就是一种投资方法。案例提到量化交易，我首先想到的是长期资本管理公司失败案例。该公司采用的量化交易策略是，“市场中性套利"即买入被低估的有价证券，卖出被高估的有价证券。这种策略在大多数时间是有效的，所以自创立开始，长期资本管理公司业绩骄人。但是，1998年的小概率事件，直接导致了长期资本管理公司破产。当时，俄罗斯政府宣布延期偿还所欠债务。除了长期资本管理公司的“市场中性套利”策略，还有投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易。以长信量化先锋混合型证券投资基金为例，它采用的量化交易策略是投资时机选择，投资品种选择两种。[1]长信量化先锋混合型证券投资基金2018第三季度报告百科摘录8什么是量化交易下的内容摘录区块链前沿分享价值，走在区块链前沿。量化交易有时候也被称为自动化交易，是指以先进的数学模型替代人为的主观判断，利用计算机技术进行数据分析，制定投资策略，极大地减少了投资者情绪波动的影响，避免在市场不稳定投资狂热或悲观的情况下，投资者做出非理性的投资选择。 量化交易有很多种，包括跨平台搬砖，趋势交易，对冲等跨平台搬砖是指当不同的交易平台存在较高的价差时，在价格较低的平台买入，在价格较高的平台卖出，即低买高卖，赚取差价，这样的行为即被形象地称为搬砖。 趋势交易相对复杂一些，它会通过计算机设定的程序，智能根据市场行情、趋势的指标，在价格或数量到达一定数值时，发出卖出和卖入地信号，来自动交易或提醒用户进行交易。 对冲是指同时在一个或不同的平台进行、两笔与行情相关、买卖方向相反、数量相当、盈亏相抵的交易，以达到对冲风险的效果。 量化交易是成熟交易市场的标志。知乎小知 摘录于 2020-04-24编程小白如何结合量化实例学习python量化建模？下的回答内容摘录Spencer量化交易，指的是利用数学模型，在金融市场中寻找稳定超额收益的投资手段。量化交易有着挖掘信息能力强，不易受主观情绪影响，下单及时、准确，风险控制严格等特点，能够获得稳健的收益。而其相对于传统主观投资，上手难度也比较大，门槛较高。入门量化交易，主要需要了解如下几方面的知识。知乎小知 摘录于 2020-04-24比特币、莱特币等数字货币适合量化交易吗？下的内容摘录Oec充满理性，好奇心，乐观积极的学习者量化交易是指借助现代统计学和数学的方法，利用计算机技术，通过建模分析、参数优化等手段，并从历史金融数据中提取影响投资的指标，并使用该程序进行自动交易以获得“超额”收益。这种投资方法称为量化交易。知乎小知 摘录于 2020-04-24查看全部 8 个摘录浏览量6.3 亿讨论量39.3 万 帮助中心知乎隐私保护指引申请开通机构号联系我们 举报中心涉未成年举报网络谣言举报涉企侵权举报更多 关于知乎下载知乎知乎招聘知乎指南知乎协议更多京 ICP 证 110745 号 · 京 ICP 备 13052560 号 - 1 · 京公网安备 11010802020088 号 · 京网文[2022]2674-081 号 · 药品医疗器械网络信息服务备案（京）网药械信息备字（2022）第00334号 · 广播电视节目制作经营许可证:（京）字第06591号 · 服务热线：400-919-0001 · Investor Relations · © 2024 知乎 北京智者天下科技有限公司版权所有 · 违法和不良信息举报：010-82716601 · 举报邮箱：jubao@zhihu. 个人如何做量化交易?需要具备哪些技能和知识？ - 知乎首页知乎知学堂发现等你来答切换模式登录/注册量化量化交易数量化交易者个人如何做量化交易?需要具备哪些技能和知识？请问大佬聊一下学习的路径，方向，工具，必备知识哈显示全部 关注者66被浏览103,523关注问题写回答邀请回答好问题 31 条评论分享19 个回答默认排序quantkoala量化交易话题下的优秀答主 关注根据个人经历和经验，腆着脸唠一下个人做量化交易的入门路径，我推荐的快速学习路径是：投资想法 -> 量化基础 -> 量化平台 -> 量化策略这是抽象的概括，之后再把每个步骤详细唠唠，这里首先需要确定快速入门的学习原则：适度学习，够用就行~~~不要走“贪大求全”的弯路，陷入“胡子眉毛一把抓”的陷阱，不然很容易就从入门到放弃了~2021版《新华字典》中，收录了13000多个汉字，而日常生活中只需要用到其中3000多个，也就是说，不用啃完编程书籍等大部头才可以开始，按常用按需学习就行。一、投资想法很多人做量化，都是因为自己有初始的投资想法，想验证正确性提高交易胜率，或想解放双手追求效率，全自动程序化盯盘交易，量化跟人工智能AI一样，都是手段，用来实现自己想要的目的，不是为了量化或AI本身而学习。有初始的投资想法，在开始学习的时候有一个好处，就是可以在学习量化时有的放矢，听到相关的知识点的时候，脑子就会在想，我想要的功能能不能这样实现。比如，你想实现均线交易策略，那么你在学习pandas模块时，听到rolling和mean函数，就会有“确认过眼神，找到对的人”的赶脚。如果在投资想法这边还是没有感觉，不介意的话可以看看我之前的文章，里面很多策略想法都是从交易书籍、研报论文和市场观察中发现的。股票&ETF相关策略：《复现网红阻力支撑指标RSRS，手把手教你构建大盘择时策略》《私募奇葩要求，投资经理3周须开发4000个量化因子，手把手教你4行核心代码轻松应对》《手把手教你，利用机器学习模型，构建量化择时策略（附全流程代码）》《复现网红阻力支撑指标RSRS，手把手教你构建大盘择时策略》《Barra太复杂，唠一个适合萌新Quant上手的量化基本面多因子模型F-Score》《ETF轮动策略在阻力支撑相对强度RSRS指标加持下起飞》《两个简单的GARP因子，帮这位量化基金经理，跻身同类Top10（含复现）》《跟踪『聪明钱』，巧用北向资金进行大盘择时》《量化萌新向ETF择时策略：当北上资金遇上布林带》《跟着“基金一哥”张坤量化选股的快乐，你想象不到！》《小市值因子已然凉凉，绩优小市值依旧狂浪》《中国版“漂亮50”量化策略》《鱼身策略懒人爱，量化内卷别乱买》商品期货相关策略：《唠一唠曾在全球量化策略热榜上排名第9的TrendModelSys策略》《又来唠一唠曾在全球量化策略热榜上排名第6的RUMI策略》《又来唠一个另类异质量化策略：20后的Trendflex策略》《『导数』在量化策略中的妙用：日内波动极值vs低阶多项式拟合策略》《K线标准化结构图：构建一个趋势策略，就是那么朴实无华》《CTA策略中的Alpha：期限结构之展期收益率策略》《量化本无妙手，背后都是坚实的本手：波动率不对称性RSJ量化策略》《兄弟家量化策略很多，拿一个『波动率收敛突破策略』盘一下》《兄弟家量化策略很多，又拿一个『操盘手策略』盘一下》《动物庄园：商品期货跨品种套利策略》《量化同质越来越严重，如何保持策略的长久优势？（附异质化另类量化策略）》《唠一唠指标之王MACD的另类用法：高低形态短线量化策略》《股指期货除了无脑吃贴水之外，还有更卷的量化操作策略吗？》二、量化基础这里面主要包含两大部分，一个是量化通识，另一个是编程基础。关于量化通识，看量化故事类的书籍都可以有所了解，以前我也列过一个书单。《量化投资书单推荐（20本）》如果没有那么多时间，想快速了解量化投资的方方面面，开始的时候只看这本就够了。《萌新量化投资入门的第一本书》对于Python的快速学习，墙裂推荐廖雪峰老师的Python教程，不仅免费写得非常简单易懂，而且每个小节之后，都有编程互动小题目给你即时反馈，非常有趣，不用再想着自己啃完编程大部头再去编写策略，教程链接：https://www.liaoxuefeng.com/wiki/1016959663602400廖老师的教程非常详尽，连Web开发都讲了，但是再次重申咱的快速入门学习原则：不贪多，够用就行。对于量化基础而言，学到“错误、调试和测试”章节就可以了，后面等有时间再看。遗憾的是，里面没有讲到量化常用的numpy和pandas模块，这个可以在学了廖老师课程之后，再单独度娘学习一下。三、量化平台对于量化初学者而言，不建议自己搭建量化框架/平台，应该以实现量化策略为主，把数据获取清洗、回测框架搭建和对接实盘接口等工作交给专业团队打理，因此强烈建议使用现成的第三方量化平台，这里给大家推荐一些。如果你打算用Python做量化交易，可以选择以下6个量化平台，在他们的官网的“帮助中心”里面，都可以找到对应的上手教程和策略模板。聚宽JoinQuant：https://www.joinquant.com优矿Uqer：https://uqer.datayes.com米筐RiceQuant：https://www.ricequant.com掘金量化：https://www.myquant.cn迅投QMT：http://www.thinktrader.netvn.py：https://www.vnpy.com四、量化策略有了编程基础，又选定了量化平台，恭喜你，你终于有能力实现自己最初的投资想法了，量化策略是投资想法的逻辑化和程序化展现。由于每个人的投资想法不尽相同，只好举一个简单的双均线交易策略为例进行描述，因为“双均线”这是一个接触到投资交易，都基本会听过的词儿，“专家”告诉你在金叉的时候买，在死叉的时候卖，那实际效果到底是怎么样的呢？在聚宽JoinQuant量化平台上，拿茅台作为交易标的，咱定义5日均线和20日均线在出现金叉的时候，第二天一开盘就全仓买入，出现死叉时，就把所有持仓全部卖出，策略代码如下。如果已经看完廖老师的前几章课程，这代码就大概能看懂七七八八了，剩下的再结合平台的API说明就能全部弄清楚了。大概的实现流程就是，在初始化函数initialize中设置了交易标的、策略参数和交易费率，以及定义了一个每天在开盘运行的函数stock_trade，并且开启了“防未来函数”功能。在stock_trade函数里面，计算昨天和前天的5日均线和20日均线，如果金叉就买入，死叉就卖出。# 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): # 交易的股票 g.stock = '600519.XSHG' # 长短均线参数 g.short_len = 5 g.long_len = 20 # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_price', True) # 过滤掉order系列API产生的比error级别低的log log.set_level('order', 'error') # 打开防未来函数 set_option('avoid_future_data', True) # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock') # 开盘时运行 run_daily(stock_trade, time='open', reference_security='000300.XSHG') ## 开盘时运行函数 def stock_trade(context): stock = g.stock short_len = g.short_len long_len = g.long_len # 获取股票的收盘价 # 当取日线数据时, 不包括当天的, 即使是在收盘后，没有未来 data = attribute_history(stock, long_len+1, '1d', ['close']) # 计算双均线数据 data['ma5'] = data['close'].rolling(short_len).mean() data['ma20'] = data['close'].rolling(long_len).mean() # 昨日MA5和MA20数值 ma5 = data['ma5'].iloc[-1] ma20 = data['ma20'].iloc[-1] # 前日MA5和MA20数值 pre_ma5 = data['ma5'].iloc[-2] pre_ma20 = data['ma20'].iloc[-2] # 取得当前的可使用的资金 cash = context.portfolio.available_cash # 如果昨日出现金叉，则今日开盘买入 if (pre_ma5 < pre_ma20) and (ma5 > ma20) and (cash > 0): # 用所有资金买入股票 order_value(stock, cash) # 输出买入信息 log.info(">>> %s 买入 %d 股 %s" % (str(context.current_dt), context.portfolio.positions[stock].today_amount, stock)) # 如果昨日出现死叉，则今日开盘全部卖出 elif (pre_ma5 > pre_ma20) and (ma5 < ma20) and (stock in context.portfolio.positions.keys()): # 输出卖出信息 log.info("<<< %s 卖出 %d 股 %s" % (str(context.current_dt), context.portfolio.positions[stock].total_amount, stock)) # 卖出所有股票,使这只股票的最终持有量为0 order_target(stock, 0)运行策略，就会不断输出自定义的交易信息。并且在运行过程中，收益率曲线也在不断地生成。大家觉得这个回测绩效怎么样？双均线策略算有效吗？你可以自己贴代码跑回测试试，同时再调整交易标的和双均线参数试一试，一般情况下回测很快，不需要一个东的时间。虽然我这里以JoinQuant策略为例，但所有量化平台的实现逻辑都是想通的，你只需要定义自己的函数，告诉系统“你要在什么时间？交易什么标的？交易数量是多少？”，你只要解决这3个“什么”的问题，所有的量化平台你都可以玩得转了。如果你能完全理解并且复现这个双均线策略，可以说明量化已经初步入门了，接下来要转起“正向飞轮”，实现和玩转更多策略，把多标的交易加进去，把基本面数据加进去，把滑点设置加进去，把仓位控制加进去......等你回测出心仪的策略效果，接着上模拟盘跟踪，然后就是实盘，接着就是不断迭代优化，慢慢地就变成合格宽客，最后就变成量化大神了。更多量化内容更多相关资料请见下方文章卡片，另外还有一个坚持周更的量化公Z号『量化君也』，专注于量化策略分享/交流/社群，欢迎来玩~发布于 2023-05-09 23:21赞同 202 条评论分享收藏喜欢收起wang peng 关注量化交易是一个综合学科，不仅要求知识的广度还要求深度，它交叉了金融、数学以及编程的很多知识，很多想要进入量化领域的朋友不知道如何入门，别的不好说，给大家简单列举一下推荐的书吧，这些推荐的书基本都是我看过的觉得很不错的，不一定适合每个人，也不一定是最好的，也欢迎补充，不欢迎抬杠：ps：书单里提到的中文书籍请自行购买，英文书籍如果不太好下载到，可以私信我发给你。量化：如果对量化交易是什么以及基本框架都不是特别了解的朋友，首先推荐看下这本这本书是Rishi K.Narang所写的，很适合入门，有助于形成一个相对更为系统性的框架。而且在语言描述上偏向于通俗易懂，深入浅出的方式为你介绍了量化投资的箱子里到底装了什么东西。不过也有缺陷，翻译上存在的问题吧，前后翻译出现的不一致的现象，以及高频交易这一块，写的很乱。 书的内容不多，但是为我们展现出了量化投资的整体框架，逻辑性强，有条理，阅读起来体验良好。文章是一个循序渐进的过程，一步一步为我们揭开量化投资的面纱。 整本书分为四个部分：量化交易是什么？量化交易是怎么做的？怎么评价量化交易？以及高速和高频交易。量化交易的简介是对名词的扫盲，怎么做的过程介绍有助于我们了解QUANT到底在做什么。豆瓣读书：打开量化投资的黑箱（原书第2版）然后是E. P. Chan的两本不得不提的书，基本上好多帖子都推荐过，虽然年份有点久了，但是作为入门书籍，还是相当不错的，第一本主要讲概念和基本原则，第二本介绍了一些策略豆瓣读书：Quantitative Trading这本也有中文版，量化交易豆瓣读书：Algorithmic Trading还有一本入门书籍我看很多人推荐，这本我还没读，先放着吧。豆瓣读书：Quantitative Value然后是大名鼎鼎的海龟交易法则，本书详细介绍了一整套期货的交易规则，并且可读性非常好。豆瓣读书：海龟交易法则主要讲factor model，非常适合量化选股入门。豆瓣读书：量化股票组合管理英文版豆瓣读书：Quantitative Equity Portfolio Management然后可以读读石川博士关于因子投资的大作偏理论，且读且耐心。豆瓣读书：因子投资：方法与实践还有一些我也没来得及看的，如图，如有需要私信我吧证券、交易：本杰明•格雷厄姆被誉为 “现代证券分析之父”“华尔街教父”，价值投资理论奠基人，其在投资界的地位，相当于物理学界的爱因斯坦，生物学界的达尔文。《证券分析》被誉为投资者的圣经。市场反复证明，《证券分析》是价值投资的经典之作。宜配合《聪明的投资者》一起阅读。豆瓣读书：证券分析豆瓣读书：聪明的投资者读懂财报推荐以下这两本这本书用台湾人固有的幽默，套用一些武侠的内容，用浅显通俗的语言将财报的基本原理阐释了一遍豆瓣读书：财报就像一本故事书（最新增订版）本书坚持以投资者的视角出发，尽*大可能摒弃晦涩的术语和难懂的公式，以一份真实的财报为例，阐述了财报阅读方法和排雷技巧，并侧重介绍了如何通过财报中的异常数据，提前发现和排除投资陷阱的实战经验，力求让毫无会计基础的投资者，也能轻松读懂财报，远离毁灭价值的垃圾企业。豆瓣读书：手把手教你读财报（新准则升级版）下面是埃尔德的两本书也值得推荐此书前半段讲了交易的一些心理，后半段讲了一个实际的交易框架，三重滤网交易系统，值得一看。豆瓣读书：以交易为生（原书第2版）豆瓣读书：走进我的交易室彼得·林奇（Peter Lynch），是美国乃至全球首屈一指的投资专家。他对投资基金的贡献，就像乔丹对篮球的贡献，他把基金管理提升到一个新的境界，将选股变成了一门艺术。豆瓣读书：彼得·林奇的成功投资豆瓣读书：https://book.douban.com/subject/26634824/《金融炼金术》是索罗斯的投资日记。读者可以从《金融炼金术》中欣赏到索罗斯如何分析个股、如何把握市场转变的时机、如何面对不利的市场行情并及时调整对策，从而在风云变幻的金融市场中立于不败之地的精彩艺术。豆瓣读书：金融炼金术经济、金融：应该是经济学最经典的教材了吧，想学习量化投资，不懂经济学，未来势必是会吃亏的，这本书多地强调经济学原理的应用和政策分析，而非经济学模型，整本书充满了人文气息，且没有任何复杂的数学公式。豆瓣读书：经济学原理(第7版)对资本市场运作和投资标的有个初步了解豆瓣读书：投资学（原书第10版）一本对行为金融学各项最近研究的介绍与探讨的书，有助于全面的了解行为金融学的知识。豆瓣读书：行为金融还有几本英文原版，有需要私聊我把数学：在量化领域会用到很多数学方面的知识，主要包括高等数学（微积分）、线性代数、统计学、概率论、随机过程等。建议丢弃了书本太久的朋友可以首先阅读下下面这本书这是一本写给所有人的数学通识讲义，书中通过关键知识点串联起整个数学体系，帮助你逐步建立起属于自己的数学知识结构。而贯穿全书的数学发展史，其实就是人类认知的发展史，你可以借此逐步训练自己的认知：从直观到抽象，从静态到动态，从宏观到微观，从随意到确定再到随机。对于理工专业的读者，这本书能够帮助你更好地梳理以往的数学知识，站在更高的地方更全面地看待数学以及人类知识体系；对于非理工专业的读者，则能更好地训练自己的数学思维，让你直击本质、化繁为简，做出正确的决策。豆瓣读书：吴军数学通识讲义微积分推荐这本把豆瓣读书：普林斯顿微积分读本(修订版)更详细的还有一本，页数是上一本的两倍，作为补充吧豆瓣读书：托马斯微积分线性代数推荐Introduction to Linear Algebra，中文版就叫线性代数豆瓣读书：线性代数（第5版）Introduction to Linear Algebra配套视频：麻省理工Gilbert Strang教授线代大师-线性代数（全）_哔哩哔哩_bilibili另外有一本用python学习线性代数的书籍也很值得推荐统计方面最推荐下面这本：豆瓣读书：商务与经济统计再补充两本：豆瓣读书：概率论与数理统计豆瓣读书：普林斯顿概率论读本编程：对于编程技能来讲，量化入门语言肯定是python，在这里推荐以下几本书，都是我看过觉得特别好入门的。Python编程：从入门到实践豆瓣读书：Python编程豆瓣读书：深入浅出Python（影印版）Head First系列都非常的生活化，作为入门教材再好不过了。python入门后就要学习两个包的使用了，numpy以及pandas，强烈推荐以下这本：如果你想要自建自己的资源库或数据库，那SQL的知识肯定也少不了，优先推荐豆瓣读书：SQL必知必会（第5版）豆瓣读书：SQL基础教程（第2版）入坑机器学习的话，优先推荐Andrew Ng老师的视频课程，网易云课堂有，请搜索吴恩达机器学习书的话我当时学完视频后用的这本，觉得还不错，可以快速学习Scikit-Learn框架以及TensorFlow框架。豆瓣读书：Scikit-Learn与TensorFlow机器学习实用指南（影印版）高频可能会用到C++，入门的话最推荐首先看这本豆瓣读书：Essential C++ 中文版编程这方面我整理了以下，还有一些英文原版书，有需要的也私聊我把传记、小说类：《宽客》是一本讲述华尔街顶级数量金融大师的另类人生的书。2007年金融危机爆发以来，作者采访了大量加州抵押贷款违约业主、对冲基金经理和顶尖经济学及金融学学者，在《华尔街日报》上对危机做了全方位、多角度的报道。本书对华尔街新兴的主宰者“宽客”进行了前所未有的深入描述，其中既有宽客新锐中的佼佼者：穆勒、格里芬、阿斯内斯和魏因斯坦，又有隐士般的吉姆• 西蒙斯，史上最成功对冲基金的创始人阿伦•布朗，以及多位宽客中的异类。这群数学天才就像闯进华尔街糖果店的小孩——他们从华尔街的最底层开始一步步登上最高峰，又造成了一次又一次的市场崩溃。豆瓣读书:宽客 《宽客人生》是我这些年来看过最好的自传了，描述了Emanuel Derman从高深的前沿物理研究转入华尔街的金融工程研究的人生轨迹。从中，我们既可以体会到德曼跟我们一样面临着生计的问题，又可以知道华尔街的quant(金融工程师)究竟干的是什么活，对quant所应该具备的素质，技能以及就业前景基本上市没概念的，看完此书后大致清楚了些。豆瓣读书：宽客人生讲述了一个数学家爱德华·索普（Ed Thorp）如何驰骋高校理论学界、拉斯维加斯赌场、华尔街的传奇一生。主人公索普从小就展现出了天才的一面，异于同龄人的阅读和计算能力，超强的记忆力，最难能可贵的是从小就烙印在股子里的实践科学观：实践是检验真理的唯一途径。羡慕于他将兴趣爱好融入了一身的事业之中：将数学的理性、物理学的建模思维用于战胜 21点、轮盘赌，作为量化操作的鼻祖用对冲的模型在各类投资市场上游刃有余；佩服于他在人身巅峰时激流勇退只为陪伴家人左右，很多事后看来明智的选择只因当时以家庭为重。很喜欢他的一个比喻：“从抽象的角度来说，生活就是机遇和选择的结合。机遇可以被想象成手上的牌，而选择则是你的玩法。”豆瓣读书：战胜一切市场的人本书展现的是这样一群智力超群、性格怪异的“终结者”，他们之前仅是名不见经传的华尔街员工，却由于对次贷市场的繁荣和金融工具的泛滥充满质疑和不信任，最终洞见了美联储和财政部都不曾察觉的市场疯狂，将赌注压在美国金融机构行将崩溃上。结果，他们打败了华尔街。豆瓣读书：大空头然后股票交易者不得不提的一本书这本书充满了利弗莫尔的人生和投资思路。他曾数次大起大落，做多和做空都赚过大钱，一生积攒的经验，后来历代的股神，包括格雷厄姆、巴菲特、索罗斯、彼得林奇等都受其影响，尤其以彼得林奇为最。所以杰克•施瓦格说：“在对当代30位最杰出的证券交易员的采访中，我向他们提出了同样一个问题：哪一本书对证券交易员最有启发？迄今为止，独占这一名单榜首的是70年前出版的伟大著作《股票作手回忆录》。”豆瓣读书：股票作手回忆录这一本介绍国际金融界大佬在大萧条中的群像著作。本书讲述了第一次世界大战后，欧洲和美国的政府和中央银行如何根据巴黎和会的安排，重建金融体系，并由此引发了20世纪30年代那场世界性的“大萧条”的故事。全书围绕英、美、德、法四个主要发达国家的中央银行行长展开，他们手握重权，力图重塑世界繁华；又个性鲜明，不少人盲目自信，最终饮恨沙场，把世界推入金融危机的深渊。本书角度独特，不仅如一部优美的传记，情节引人入胜；又如一部有独特视角的经济金融史。豆瓣读书：金融之王可以说是一本量化投资人物史，基本上量化行业最顶尖的人物发家史都提到了。对冲之王（经典版）浓缩了查理芒格，这位巴菲特合伙人一生智慧的一本书。豆瓣读书：穷查理宝典1994年，华尔街。一家名为长期资本管理公司的对冲基金成立了。这家基金号称“每平方英寸智商密度高于地球上任何其他地方”的梦之队，在成立之初就毫不费力地说服80名创始投资者每人至少拿出1000万美元。在50个月之内，该基金的资本由最初的12.5亿美元上升到48亿美元，实现了约40％的年均回报率和185％的总资本收益率。然而，在1998年3-9月的短短6个月内，该基金却整整亏掉50亿美元，甚至在这年的某一天之内就亏掉5.53亿美元。最后濒临破产的故事豆瓣读书：赌金者未完待续。。。发布于 2022-11-01 02:30赞同 202 条评论分享收藏喜欢股票量化交易到底是什么？ - 知乎
量化交易（投资方法）_百度百科
（投资方法）_百度百科 网页新闻贴吧知道网盘图片视频地图文库资讯采购百科百度首页登录注册进入词条全站搜索帮助首页秒懂百科特色百科知识专题加入百科百科团队权威合作下载百科APP个人中心量化交易是一个多义词，请在下列义项上选择浏览（共2个义项）展开添加义项量化交易播报讨论上传视频投资方法收藏查看我的收藏0有用+10量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。中文名量化交易外文名Quantitative Trading关键词数学模型、大概率、计算机、投资方法类 别投资方法专业基础金融、统计、数学建模、软件工程代表人物詹姆斯·西蒙斯目录1国外市场2国内发展趋势3交易特点4应用5潜在风险6量化策略国外市场播报编辑首先，从全球市场的参与主体来看，按照管理资产的规模，2018年全球排名前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，而且进入2019年由量化及程序化交易所管理的资金规模进一步扩大。其次，全球超70%的资金交易用计算机或者程序进行，其中一半是由量化或者程序化的管理人来操盘。在国外招聘网站搜索金融工程师(包括量化、数据科学等关键词)会出现超过33万个相关岗位。第三，从高校的培养方向来看，已有超过450所美国大学设置了金融工程专业，每年相关专业毕业生达到1.5万人，市场需求与毕业生数量的差距显著，因此数据科学、计算机科学、会计以及相关STEM（基础科学）学生毕业后进入金融行业从事量化分析和应用开发的相关工作。 [1]国内发展趋势播报编辑目前国内量化投资规模大概是3500到4000亿人民币，其中公募基金1200亿，其余为私募量化基金，数量达300多家，占比3%(私募管理人共9000多家)，金额在2000亿左右。中国证券基金的整体规模超过16万亿，其中公募14万亿，私募2.4万亿，乐观估计，量化基金管理规模在国内证券基金的占比在1%~2%，在公募证券基金占比不到1%，在私募证券基金占比5%左右，相比国外超过30%的资金来自于量化或者程序化投资，国内未来的增长空间巨大。 [1]交易特点播报编辑量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。应用播报编辑量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。1、统计套利 [2]统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较常采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。2、算法交易。算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。潜在风险播报编辑量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。3、网络中断，硬件故障也可能对量化交易产生影响。4、同质模型产生竞争交易现象导致的风险。5、单一投资品种导致的不可预测风险。为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。量化策略播报编辑量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。量化策略既可以自动执行，也可以人工执行。 [3]一个完整的量化策略包含哪些内容？量化策略一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。选股量化选股就是用量化的方法选择确定的投资组合，期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。1 多因子选股多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。2 风格轮动选股风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。3 行业轮动选股行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。4 资金流选股资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。5 动量反转选股动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段，价格就会崩溃回归，在这样的环境下就会出现反转特征，就是前一段时间弱势的股票，未来一段时间会变强。6 趋势跟踪策略当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。择时量化择时是指采用量化的方式判断买入卖出点。如果判断是上涨，则买入持有；如果判断是下跌，则卖出清仓；如果判断是震荡，则进行高抛低吸。常用的择时方法有：趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。仓位管理仓位管理就是在你决定投资某个股票组合时，决定如何分批入场，又如何止盈止损离场的技术。常用的仓位管理方法有：漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等止盈止损止盈，顾名思义，在获得收益的时候及时卖出，获得盈利；止损，在股票亏损的时候及时卖出股票，避免更大的损失。及时的止盈止损是获取稳定收益的有效方式。策略的生命周期一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。产生想法任何人任何时间都可能产生一个策略想法，可以根据自己的投资经验，也可以根据他人的成功经验。实现策略产生想法到实现策略是最大的跨越，实现策略可以参照上文提到的“一个完整的量化策略包含哪些内容？”检验策略策略实现之后，需要通过历史数据的回测和模拟交易的检验，这也是实盘前的关键环节，筛选优质的策略，淘汰劣质的策略。实盘交易投入资金，通过市场检验策略的有效性，承担风险，赚取收益。策略失效市场是千变万化的，需要实时监控策略的有效性，一旦策略失效，需要及时停止策略或进一步优化策略。新手上路成长任务编辑入门编辑规则本人编辑我有疑问内容质疑在线客服官方贴吧意见反馈投诉建议举报不良信息未通过词条申诉投诉侵权信息封禁查询与解封©2024 Baidu 使用百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号 京公网安备110000020000量化交易快速入门指南（适用于无编程背景人士） - 知乎
量化交易 - MBA智库百科
什么是量化交易？有哪些需要了解的信息？ - 知乎
量化交易 - 知乎
个人如何做量化交易?需要具备哪些技能和知识？ - 知乎
什么是量化交易？
什么是量化交易？ 个人服务 企业服务 简 English 繁體中文 简体中文 股票报价 股票 期权 期货 外汇 投资工具 选股器 热力图 财报日历 机构追踪 主题投资 资讯 要闻 24/7 财经日历 专题 视频 牛牛圈 推荐 话题广场 课堂 富途尊享服务 投资课程 词条百科 财报预测 投资讲座 帮助中心 关于 注册/登入 立即开户 暂无匹配内容 请检查网络设置后重试 刷新加载中富途热股热门资讯历史记录行情全部＞资讯全部＞帮助全部＞ 简体中文 返回 股票报价 股票 期权 期货 外汇 投资工具 热力图 财报日历 机构追踪 主题投资 资讯 要闻 24/7 财经日历 专题 视频 牛牛圈 推荐 课堂 富途尊享服务 投资课程 词条百科 财报预测 投资讲座 帮助中心 关于 English 繁體中文 简体中文 深色 浅色
富途牛牛量化：不写代码也能做量化
5836人 学过2024/01/05
什么是量化交易？
核心要点量化投资主要依靠数据和模型来寻找投资标的和投资策略量化投资的优势包括纪律性、系统性、及时性、分散化等量化投资的不足包括样本误差和样本偏差、策略共振、错误归因、黑箱等概念详解近年来，量化投资日益兴起，成为越来越受欢迎的投资策略之一。那么，什么是量化投资呢？简单来说，量化投资就是利用计算机技术并采用一定的数学模型，去实现投资理念和投资策略的过程。传统的投资方法主要包括基本面分析法和技术分析法，而量化投资则主要依靠数据和模型来寻找投资标的，确定投资策略。量化投资不是靠个人感觉来管理资产，而是将适当的投资思想、投资经验反映在量化模型中，并利用计算机处理大量信息，总结归纳市场的规律，建立可以重复使用并反复优化的投资策略，并指导投资决策过程。在应用方面，量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制等。量化投资的优势相对传统投资方法，量化投资既有优势，又有不足之处。其中量化投资的优势主要包括以下几点。（1）纪律性传统投资很大程度上会受到诸如贪婪、恐惧等人的情绪的影响，有时候很难保证交易执行的纪律。而量化投资一般会严格执行量化投资模型所给出的投资指令，而不会随着投资者情绪的变化而随意更改，因而有着相对严格的交易纪律。（2）系统性量化投资的系统性特征主要包括多层次的量化模型、多角度的观察及海量数据处理等。多层次模型主要包括大类资产配置模型、行业选择模型、精选个股模型等。多角度观察主要包括对宏观周期、市场结构、企业估值、成长性和盈利质量、市场情绪等多个角度的分析。海量数据处理是指量化投资能通过计算机获得远超人脑的数据和信息处理能力，进而捕捉更多的投资机会。（3）及时性量化投资能及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。量化投资正是在不断寻找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。（4）分散化量化投资的分散化，也可以说是靠概率取胜。这表现为两个方面：一是量化投资从历史数据中发现规律，这些历史规律多是过去有较大概率获胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合理念来看也是捕获大概率获胜的股票，而不是押宝到单个股票上。量化投资的不足说完量化投资的优势，以下列举几个量化投资的不足。（1）样本误差和样本偏差很多量化投资策略非常依赖历史数据，但是历史数据可能缺乏足够的多样性和足够长时间的积累，因此样本取样可能因为数量过少而出现误差，或者因为取样非随机而出现偏差。在此基础上取得的相关性规律，一旦离开样本范围就可能失效，从而失去参考性。（2）策略共振许多量化策略，和技术分析策略相似，一旦某个策略被证明有效，随着使用者增加，策略共振之下，它的有效性就减弱。（3）错误归因在应用比较广泛的的多因子量化策略中，是从数据的结果来反推原因，只要构建足够多的因子，就很可能实现某个特定的已知结果。然而，当基于这个多因子组合构建的量化策略，用于实际交易的时候，可能会因为错误归因的原因而失效。因为从结果来倒退原因，无法准确区别哪些是偶然因素，那些是决定性的因果因素。（4）黑箱各种量化策略，包括高频、对冲或套利等，往往都没有内在因果关系，其策略的有效性大多建立在历史数据的强相关性上。策略的逻辑在于，根据历史数据，如果55%或更大概率是有效的，那么只要重复数据足够多，胜算就会积累。但是只有相关性，不了解内在因果关系，投资者就无法预知，在什么情况下，历史无法指导未来。就像一只火鸡，主人每天都来喂食，但最后一天却是来杀死它。风险及免责提示：以上内容不构成任何金融营销或投资邀约，亦不构成任何投资建议，在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。目录先导篇
什么是量化交易？
基础课
如何在牛牛上进行量化交易？
进阶课
由零开始构建自己的策略
深度理解量化运行框架
购买力的灵活运用
证券策略与期货策略的不同
策略专题
网格交易策略
双均线策略
马丁格尔策略
菲阿里四价策略
关于我们 认识富途 投资者关系 加入富途 站点服务 交易費用 帮助中心 交易工具 协议声明 免责声明 服务条款 隐私声明 客户服务专线 +852 2523 3588 交易日：全天24小时 非交易日：09:30 - 21:30 1对1开户服务 WhatsApp +852 3001 5885 媒体查询：media@futuhk.com 商务合作：BD@futuhk.com 办公地址 香港金钟金钟道 95 号统一中心 13 楼 C1-2 室 营业时间：9:00am-6:00pm (星期一至五) 富途实体店 九龙尖沙咀弥敦道96号地下 (尖沙咀港铁站B1出口右行, TheONE对面) 营业时间：10:00am-10:00pm © 2024 FUTU. 反馈建议 信息安全漏洞反馈 投资者关系 富途牛牛服务协议 隐私政策 富途证券 富途安逸 友情链接 粤公网安备 44030502008587号 粤ICP备17008904号-3© 2024 FUTU