股票投资量化大师app V1.5.1（Store）如何学习量化投资 学习量化投资的顺序
如何学习量化投资 学习量化投资的顺序
　 如何学习量化投资
　　一什么是量化投资？
　　提起量化投资，就不得不提量化投资的标杆&&华尔街传奇人物詹姆斯&西蒙斯(James Simons)。
　　通过将数学理论巧妙融合到投资的实战之中，西蒙斯成为了投资界中首屈一指的&模型先生&。由其运作的大奖章基金(Medallion)在的二十年间，平均年收益率为35%，若算上44%的收益提成，则该基金实际的年化收益率可高达60%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。最为难能可贵的是，纵然是在次贷危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。西蒙斯通过将数学模型和投资策略相结合，逐步走上神坛，开创了由他扛旗的量化时代。
　　说回量化投资，量化投资就是利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。
　　价值投资和趋势投资（技术分析）是引领过去一个世纪的投资方法，随着计算机技术的发展，已有的投资方法和计算机技术想融合，产生了量化投资。
　　量化投资的优势
　　量化投资的优势在于纪律性、系统性、及时性、准确性和分散化。
　　纪律性
　　严格执行投资策略，不是投资者情绪的变化而随意更改。这样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。
　　系统性
　　量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的观察等。多层次模型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、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。
　　及时性
　　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。
　　准确性：准确客观评价交易机会，克服主观情绪偏差，从而盈利。
　　分散化
　　在控制风险的条件下，量化投资可以充当分散化投资的工具。表现为两个方面：一是量化投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史规律都是较大概率取胜的策略；而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，从投资组合的理念来看也是捕捉大概率获胜的股票，而不是押宝到单个股票。
　　如何进行量化投资？
　　使用量化策略是进行量化投资的有效方式。
　　二什么是量化策略？
　　什么是策略?
　　策略，可以实现目标的方案集合；在交易中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。
　　什么是量化策略？
　　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。
　　一个完整的量化策略包含哪些内容？
　　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。
　　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。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。
　　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。
　　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
　　三如何使用JoinQuant编写量化策略？
　　写在前面的话：使用JoinQuant编写量化策略需要具备一定的金融知识和编程基础，如果你不会使用Python编程，推荐你用几天时间学习一下这篇Python基础教程
　　1如何使用JoinQuant取数据？
　　(1)取行情数据
　　JoinQuant心得&&股票行情数据【1.21更新】
　　(2)取财务数据
　　JoinQuant心得&&基本面数据
　　2如何设置股票池？
　　可以使用get_index_stocks、get_industry_stocks或是自行设置股票池列表。
　　示例如下
　　#获取所有沪深300的股票,设为股票池
　　stocks=get_index_stocks('000300.XSHG')
　　set_universe(stocks)
　　或者指定自定义的股票池:
　　stocks=['000009.XSHE','002222.XSHE','000005.XSHE','000002.XSHE']
　　set_universe(stocks)
　　3如何买入卖出股票？
　　下订单方法
　　API原文：order
　　买卖一定数量（单位：股）股票。
　　order_target
　　API原文：order_target
　　通过买卖，将股票仓位调整至一定数量（单位：股）。
　　order_value
　　API原文：order_value
　　买卖一定价值量（单位：元）股票。
　　order_target_value
　　API原文：order_target_value
　　通过买卖，将股票仓位调整至一定价值量（单位：元）。4如何止盈止损？
　　可以使用持有的每只股票的持仓成本与当前价格实现止盈或止损，示例如下：
　　avg_cost=context.portfolio.positions[stock].avg_cost
　　price=context.portfolio.positions[stock].price
　　#收益50%止盈
　　if(price/avg_cost)&=1.5:
　　order_target(stock,0)
　　#亏损10%止损
　　if(price/avg_cost)&=0.9:
　　order(stock,amount)
　　5如何实现一个最简单的策略？
　　API文档提供了几个策略，这几个策略包含了大部分的使用方法
　　下面对用户需要实现几个函数做下简单介绍：
　　initialize
　　初始化方法，在整个回测、模拟实盘中最开始执行一次，用于初始一些全局变量，如设置基准、交易的手续费、股票池或滑点等等。示例如下：
　　def initialize(context):
　　#设定沪深300为基准
　　set_benchmark('000300.XSHG')
　　#调用此函数设置手续费，每笔交易时的手续费是,买入时万分之三，卖出时万分之三加千分之一印花税,每笔交易最低扣5块钱
　　set_commission(PerTrade(buy_cost=0.0001,sell_cost=0.001,min_cost=5))
　　#调用此函数设置滑点
　　set_slippage(PriceRelatedSlippage(0.002))
　　handle_data
　　该函数每个单位时间会调用一次,如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次。函数内部就是你的交易思路，详情可参考示例代码。
　　before_trading_start和after_trading_end（可选）
　　这两个函数与handle_data基本相同，只是没有传入data参数。before_trading_start会在每天开始交易前被调用一次，而after_trading_end会在每天结束交易后被调用一次。
　　6如何使用自定义消息？
　　JoinQuant提供了微信消息推送的功能，API为send_message
　　示例代码：
　　(1)清仓止损（发送消息）
　　def before_trading_start(context):
　　g.is_stop=dp_stoploss(kernel=2,n=10,zs=0.03)
　　if g.is_stop:
　　if len(context.portfolio.positions.keys())&0:
　　for stock in context.portfolio.positions.keys():
　　order_target(stock,0)
　　send_message(&清仓&)
　　return
　　(2)购买股票（发送股票池）
　　def before_trading_start(context):
　　g.is_stop=dp_stoploss(kernel=2,n=10,zs=0.03)
　　df=get_fundamentals(query(
　　valuation.code,valuation.market_cap
　　).filter(
　　valuation.code.in_(chosed_stocks)
　　).order_by(
　　#按市值降序排列
　　valuation.market_cap.asc()
　　g.per_buylist=list(df['code'])
　　send_message(g.per_buylist)
学习量化投资的顺序
　　公司金融学（金融机构管理）－投资学－金融市场学－国际金融市场－金融工程学－固定收益证券－衍生金融工具
　　到这里我想就可以硕士毕业了吧？进一步学习的话，则应该：
　　金融经济学（以及数理金融基础）－高级公司金融理论－高级资产定价理论－实证金融法和金融学－行为金融学
　　这三个可以作为博士生的不同研究方向吧。
　　如果是数学科班毕业的，应该：
　　实分析－泛函分析－测度论－随机过程－随机分析－数理金融学（即高级金融经济理论）
　　然而，以上学习的内容应该都是20世纪80年代的学习内容，学习的都是均衡的东西。目前，非均衡、非线性已经成为研究的新方向，毕竟均衡的东西都是死的东西，没有什么用。期待新金融学的发展和系统化吧！
　　1、金融学概览
　　博迪Bodie和默顿Merton合著的《Finance》。
　　这是两位大学者专为初学者写的。他们的思想是，一个成熟的学科，如化学、生物，引导课的教育标准应该覆盖普遍原理，并让学生对该学科的主题范围有个完整的了解。Bodie是著名的投资学家，Merton是诺贝尔奖得主，该书的序言是他们的老师萨缪尔森写的，大家手笔，值得推荐。
　　2、公司理财
　　罗斯Ross的《Corporate Finance》。呵呵，大家都同意该书的权威性啊。
　　3、投资学
　　博迪Bodie的《Investment》。和Ross的书一样，为另一个大领域打下基础。真是本好书，一看就知道作者为这本书花费了大量心血啊。难度级别适合初学者，但是仍然可供中级学**者参考，毕竟是经济学大家的作品啊。
　　4、衍生金融工具
　　赫尔Hull的《Options,Futures,and Other Derivatives》，由浅入深，在衍生这方面提供了一本很好的教材。这本书也是闻名遐迩了，呵呵。
　　5、计量经济学
　　学到高级后处处都会用到实证分析，计量早打基础好。两本比较经典的教材是：
　　古扎拉蒂Gujarati的《Basic Econometrics》，这本书相对容易一点，似乎更适合初学者。
　　伍德里奇Wooldridge的《Introductory Econometrics:A Modern Approach》，这本书属于中级难度，但是其结构安排似乎更合理一些。完全也可以供初学者使用，因为该书主体部分同样没有用线性代数。
　　6、总结与提高
　　Copeland,Weston,Shastri合著的《Financial Theory and Corporate Policy》，这本书为PhD学生提供一个金融学的理论体系框架，为MBA学生提供了更多实证方面的内容。它是一个对理论和实证的总结，是从学**到研究的桥梁。
　　7、其他背景知识
　　（我觉得对于初学者来说其实并非一定要在这上面专门花时间）
　　经济学：曼昆Mankiw的《Principles of Economics》，这本书似乎比萨缪尔森的更适合初学者。
　　数学：教材太多了，对于数学而言，教材似乎不是最重要的，最重要的是自己的理解和联系，大家觉得呢？对于初级的金融学，概率论，数理统计，加上一点微积分，似乎就足够了。
　　计算机：学学编程有好处，另外Matlab这个软件真是好东东，在各个学科用得越来越广泛了。
上一篇：量化投资怎么做 量化投资方法...
下一篇：加息对债市有什么影响？
金牌理财师将尽快与您联系
来电号码为：****