苹果/安卓/wp
积分 1054, 距离下一级还需 321 积分
权限: 自定义头衔, 签名中使用图片, 隐身
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 设置帖子权限道具: 提升卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
悲催签到天数: 10 天连续签到: 2 天[LV.3]偶尔看看II
1、何为量化
是否运用工具是人和动物的根本区别。
量化交易作为当下非常前沿的投资方式，已经被国内部份投资者接受并加以运用。
所谓量化交易是将特定的期望收益为正的交易规则或策略编译为计算机程序，通过计算机计算并发出交易信号，由交易员下单或计算机自动下单来完成的交易。
2、为何量化
（1）现代投资组合理论强调通过多元化投资组合消除非系统性风险，以实现降低风险的作用。
（2）可以在投资决策过程避免了人的主观臆断和情绪影响；
（3）易于发现隐藏很深而又复杂的数据规律，可以快速地发现和利用其他市场参与人有时不容易察觉的交易机会；
（4）数量化投资的交易速度快，运作效率大大提高。在同等运行规模下，运营成本大大低于人工决策和操作，从而可有效地降低基金管理人的运营成本；
（5）只有过去能够盈利才能在一定程度上说明后市可能盈利，一切以统计依据为基础。
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
总评分:&经验 + 20&
论坛币 + 36&
量化的优点：
• 坚持严格按照自己的交易理论交易量化的优点，理性开发
• 克服人性的弱点
• 解放了人力，可以做更多的产品，更多的品种，节省精神体力，同时监控多种策略商品
• 快速进入市场，有一个想法，之后能很快进入到市场
&&严格执行& &&&克服人性& &&&解放人力& &&&快速入市
（1）纪律性：严格执行量化投资模型所给出的投资建议，而不是随着投资者情绪的变化而随意更改。纪律性的好处很多，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，行为金融理论在这方面有许多论述。
（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的观察等等。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、分析师盈利预测、市场情绪等多个角度的分析。
（3）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。
（4） 准确性：准确客观评价交易机会，克服主观情绪偏差，妥善运用套利的思想。量化投资正是在找估值洼地，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。与定性投资经理不同，量化投资经理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。
（5） 分散化：在控制风险的条件下，充当准确实现分散化投资目标的工具。分散化也可以说量化投资是靠概率取胜。这表现为两个方面，一是量化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，这些历史规律都是有较大概率获胜的策略。二是依靠筛选出股票组合来取胜，而不是一个或几个股票取胜，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。
2.2量化的缺点：
• 交易系统是死的，不能随机应变，碰到一些未发生的情况，无法处理量化的缺点
• 开发交易系统是一个过程，没有完美的策略，需要不断学习完善
• 交易系统会失效， 市场可能改变，策略也可能失效
&&交易不灵活& &&&策略无完美& &&&策略会失效
过去盈利，后市未必盈利，回测数据越漂亮，越危险。
hiv5 发表于
过去盈利，后市未必盈利，回测数据越漂亮，越危险。没有永远赚钱的系统，都是需要根据市场不断修正的
楼主怎么没说如何量化交易？
楼主~~说说如何量化交易，如何入门
好的，继续关注！
3、如何量化
量化交易框架
14:38:09 上传
3.1& &&&策略研发：
& &&&（1）各类市场数据的收集，整理，挖掘
& &&&（2）通过数据进行策略的开发（趋势策略、反趋势策略、套利策略、高频交易策略、事件驱动策略、基本面量化交易策略、固定收益类策略等）
& &&&（3）策略的回测与参数优化
& &&&（4）算法交易的实现
3.2& &&&程序开发：
& &&&（1）交易软件的开发
& &&&（2）交易数据库的建立和运用
& &&&（3）交易服务器的建立和运用
& &&&（4）交易速度的优化
3.3& &&&资金管理与风控
& &&&（1）各个市场及品种的投资资金分配（运用数学演算：熵、模拟退火、遗传算法、穷举算法等）
& &&&（2）在运用计算机进行风险监控的同时，进行人工辅助监控
& &&&（3）交易数据的分析
我国量化交易的发展
2005年之后，伴随着量化投资的传播，程序化交易开始出现在内地市场。在开始阶段，量化交易主要利用模型辨别交易信号，并以手工下单为主。
2010年股指期货推出后，由于市场流动性好，交易信号明显，成为程序化交易的主要标的，但参与量化交易的仍然以机构投资者居多。
2011年至2012年，市场上涌现出文华财经、交易开拓者、天语等交易软件，他们大多使用简单，上手容易，推动了程序化交易的普及，使采用程序化交易的投资者数量快速增加。
2012 年开始，随着期货资管的开闸，私募基金开始大量利用程序化交易参与到期货市场中，程序化交易技术和成交量均得到飞速发展。
2014年初，微量网成立，策略提供者可以运用官方提供的策略开发软件将自己的量化投资策略上传到网站出售，而投资者在注册后可以直接在微量网上选购策略，并可以在自己的期货和股票账户交易中运用这些策略，这标志着量化交易这种投资方式进入了全民时代，不再由机构投资者独享。
随着期货市场的不断完善，期货合约的设计逐渐合理，投资者逐渐成熟，在可预见的未来，量化交易还有较大的发展空间。
主观交易VS程序化交易关于主观交易和量化交易孰优孰劣的问题一直是投资界争论的话题。从经验上看，若交易方法得当，辅以不错的手气，主观交易往往能在短时间内带来巨大的收益，但是由于投资者在主观交易中经常违背交易纪律，不能做到坚决的止盈和止损，“净身出户”的例子屡见不鲜。
与主观交易不同，量化交易的交易纪律是由计算机程序保证的，若价格运行到程序设定的止损点位时计算机会坚决止损，不会出现主观交易者常犯的“死扛等反弹”的情况，其收益曲线一般较主观交易者更为稳定。除了维护交易纪律，量化投资者对比主观人工交易者还有以下几点优势；
1. 体力与精力
受制于体力和脑力，主观交易者无法时刻保持最旺盛的精力，进而影响交易绩效。而且当前三大商品期货交易所纷纷推出了夜盘交易，这更对主观交易者的脑力和体力提出了严峻挑战。
2. 交易速度与滑点
主 观交易者在投资决策前需要用肉眼收集相关信息，进行思路整理，进行必要的计算，最后打开软件下单，即使是最富有经验的交易员完成这一系列动作平均也需要5 秒左右的时间，对于以日内短期交易为主的期货交易来说，5秒延迟的滑点成本巨大，严重影响交易绩效。而由计算机执行的量化交易从收集信息到执行交易，仅仅 需要毫秒级别的时间，滑点成本显著小于主观交易者。
3. 理性与感性
按照行为经济学的理论，投资者在投资活动中存在各种认知偏差。如损失厌恶偏差，自确认偏差、参照点偏差、过度自信偏差、后悔厌恶偏差等等，这些负面的认知偏差往往令主观交易者在金钱与身体上面临双层煎熬，而计算机执行的量化交易显然无需考虑此问题。
量化交易的十大难题
1. 量化交易员（宽客）与基本面投资者一样会遭遇亏损。量化投资其实相对来说还处在初级发展阶段，比如你经常可以听到关于“新闻对于股价的真实影响有多少？”的争论，而此时基本面投资者只需简单的基于预测特定事件、比如超过或差于预期的财报做交易即可。而量化交易者则需要搞清楚具体此类消息对股价的平均影响程度，这不是件容易的事，你的研究对象时刻在变化着。2. 想在不同的股票/市场/产品中研究出一套通用交易规则很难。如果你想研究出一套只基于公司财报的交易系统这不难，比如基于超出预期的营收或股息来买入。但是供给面的情况如何？消费者层面的情绪如何？事实证明，财报的影响不及后两者的大，但是你若想把后两者纳入交易模型中，这相当费力费时。3. 股票、基本面、新闻消息之间的关系不停变化着。记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。对于基本面投资者来说，这是掘金的好时候，但对于量化投资者来说却是噩梦，因为大多数模型此时都会显示做多“优质股”做空“垃圾股”，后果则可想而知。4. 数学有时帮你解决问题有时又会成为障碍。宽客们要在浩如烟海的金融数据中“寻宝”，但是他们与普通人一样，一天只有24个小时，经常会碰到因一个分析无法推进而其他分析也陷入停顿的状况。5. 好材料却并不容易使用。Twitter（美国的微博）是市场突发消息和传闻的最大出处，所有投资者都不会无视这里传出的讯息。但是这里的消息格式往往不规范，语法也千奇百怪，你无法让计算机程序挑选出有效信息并运用于自动交易中。6. 并非100%有效。不管是量化还是基本面投资者，大家都是在玩数字游戏。如果你的交易生涯中能有66%的胜率就已经算干的很好了。不过量化交易与后者的不同点在于持仓时间，量化交易一般只做稳而快的短线交易，不像基本面投资可以等上相当长的一段时间，在一只股票上获取甚至100%的收益率。7. 一切都从回溯测试开始。多数时候，回溯测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容，不过并不是所有宽客都能意识到，过去不代表未来。8. 交易信号就在那里，也不在那里。现在的信息社会到处都是数据，科学家们甚至可以做到预测每家沃尔玛超市上空的天气如何。Google的统计为我们展示着每天全世界网民都在搜索哪些内容。包括你想在市场中搜索上升动能最强的股票，如今都不难做到。面对茫茫多的数据，你该把时间精力放在哪一块呢？这是个难题。9. 量化交易正被监管机构瞄上。我想很多宽客们前几天都听说了：巴菲特决定让旗下Business Wire终止向高频交易公司提供特许直投新闻的服务。这是巴菲特为保护自己公司声誉而高调与高频交易撇清关系的行为。虽然量化投资≠高频交易，但是不能否认，量化投资的主要优点之一便是“快”！如今量化投资者们获取信息的速度问题，已然被监管者们划进了重点监视区。下回监管者们又会关注哪个点呢？难说。10. 愈发激烈的竞争。从Deltix和RavenPack主办的这次大会中你就能明显感受到宽客们的热情，偌大的会场不仅座无虚席，就连站的地方都快没有，不但没有中场休息就连过了午餐时间也不见有人离场。很显然，量化交易在发展了20多个年头后，依然非常流行，但这背后也就意味着同行内的竞争十分激烈，越来越快的电脑与网络，越来越复杂的算法和数据库，入行门槛也不断提高。
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师零和市场中量化交易式的对冲基金如何做到持续生存？ - 知乎209被浏览5715分享邀请回答418 条评论分享收藏感谢收起在中国，做量化交易一天的工作是怎样的？ - 知乎5687被浏览321066分享邀请回答55895 条评论分享收藏感谢收起你似乎来到了没有知识存在的荒原...
来源链接是否正确？用户、话题或问题是否存在？阅读原文：
京东金融官方资讯QQ群: 有什么想咨询的都可以来询问我们
四、做好量化交易，需要交叉学科、融汇贯通的知识体系
数学、概率统计、数据结构、算法设计、经济、金融、证券、衍生品相关、投资与分析、主流策略开发语言等，都需要了解，而且要融会贯通。
关于做量化交易用什么语言更好，其实还是看自己的习惯和要达到的目标，如果是大型金融机构做量化分析系统或量化交易系统，可以用python，R，C++等都可以，各有优劣，看对于速度要求如何了。如果是个人或者中小机构，对于速度要求不高，策略也相对简单，可支出成本有限，而且缺乏的技术支持，用一些成熟的第三方平台，如文华、TB、金字塔、MC等也可以，我还见过用matlab，excel，包括一些网上平台，做量化交易的，其实只要策略能很好的实现，实盘能盈利就行。
这里讨论一下，有两个观点：
（1）错误理解：不自己做系统，不自己写接口的都不是量化交易，量化交易门槛特别高，low逼别玩。
其实不是这样，量化交易只是一种理念，是一种方法，是一种工具，是为交易策略服务的，只要策略开发和下单实现，都是运用的数学模型和计算机程序，而非人为主观判断，就是量化交易。一些股票老玩家，有一个可能盈利的交易策略，然后用第三方平台，搞来历史数据测一测，发现确实能盈利，然后就开始把系统架上去跑，这也是量化交易。就像搭建一个实体模型，比如艾尔菲铁塔什么的，你最好自己制作搭建材料，这样可以更好的更个性化的实现自己的目标，但你也可以去买一些已经做好了的现成的模型材料，用别人做好的材料来搭建模型，两种做法都是搭建模型，核心在于你搭建模型的思路和方法。用第三方平台就像搭积木，人家已经给你把积木做好了，你按照自己的想法把积木搭建起来就是，只是一些特别个性化的搭积木的想法，可能会受到积木本身的限制罢了。
自己做系统自己写接口的优势在于更加个性化，更符合自己的需求，而且速度更快，信息保密也能做得更好；缺点是财务成本更高，人员和硬件配备要求更高，而且系统更容易出BUG（别说什么大牛，华尔街海龟写的系统就不会有任何问题，还记得光大乌龙指事件吗？）。用第三方平台的优势在于成本低，重大BUG相对较少（不像自己做的系统，第三方平台毕竟几万人用了好几年，而且每天都在不断改进），交易者可以只专注于策略开发，而不用考虑系统维护；缺点是速度更慢，策略思路的实现会受到第三方平台功能的限制等。当然如果做高频交易，肯定得自己做系统写接口了，但现在国内的股票和股指期货市场，是做不了高频交易的。
（2）错误理解：量化交易的核心竞争力是优秀的计算机语言编程能力。
其实量化交易的核心竞争力是策略的有效性，能长期稳定盈利的策略是一切的关键，一些中低频交易策略，手动和量化区别不一定会很大。数学、计算机程序、金融、实盘交易经验，做好量化交易，这四样缺一不可，只是因为计算机程序这一块最有特色，是区别于其他交易方法的主要特点，所以总被外界当做量化交易的噱头和宣传点，久而久之大家甚至把编程能力作为最核心竞争力了，这明显有些喧宾夺主。
五、做好量化交易，需要丰富的交易经验
从来没做过交易的程序员来写几个程序就想赚钱，不可能。要做好量化交易，长期的实盘交易经验是必须的，这样才能更好的懂得市场的特性，品种的特性，行情的变化等，才能写出更加贴合市场，更加有竞争力的策略和模型。数学思维能力和编程能力很重要，但如果不熟悉市场，不了解品种特性，不了解金融市场百年发展史，不懂得人性的贪婪和恐惧，没自己实盘做过股票期货，很多东西数学模型和程序语言是不会告诉你的，就像你有再好的木匠工具，如果没有做木匠活的经验，你也很难做出漂亮实用的家具。
有人可能会说那用数据挖掘啊，让程序自己去开发策略，这也是现在一个很有潜力的流派，但问题就在于数据挖掘某种程度上也是依靠概率，没有绝对的必然性，通过数据挖掘做的策略可能会存在巨大风险。就像之前在书上看到的，就是数据挖掘发现，美国标普指数跟非洲某地咖啡产量连续多年相关性达到99%以上，美国原油指数价格跟一种墨西哥烧饼的价格连续多年相关性达到99%以上等等，如果真采用这两组数据的相关性去做策略，很明显是滑稽的。
其实数据挖掘可能出现的小概率风险，也就是我们常说的参数优化中的参数孤岛。简单的说，就是用历史数据测试策略，发现某个参数表现特别好，但这个参数是独立的，不连续的，跟次优参数差别很大，无法组成一个较优参数集合，这很有可能就是遇到了小概率事件，如果使用这个参数，历史回测可能很漂亮，实盘交易就会遭殃。
而且只有经过大量的实盘交易，你才会知道赚钱没有那么容易，亏钱却易如反掌，交易这行其实很苦很累，每天在盈利与亏损中挣扎，如何控制风险，获取收益是一个永恒的命题，更别说要做到长期稳定盈利。像巴菲特一样五十年如一日，年均收益20%多，真的就太难了。别去迷信短期暴利，几个月翻几倍之类的神话，毫无意义，资本市场最不缺神话，缺的是寿星，做量化交易就是做资产管理行业，我们是靠规模和复利取胜，而不是冒着巨大风险去博取短期暴利。
做外部客户委托的资金，无论是单账户还是基金产品，一定要亲自去操作，去实践，才能真正学到东西，成长起来，而且一定要公开化，阳光化，最好网上公布业绩。这样你才会了解到，受人委托，肩上的责任有多大，心理压力有多大，你能否在这样大的压力下，各种严格的限制条件下做好交易，这是真正的难点所在。你才会知道操作自己的资金，跟操作客户的资金，跟操作基金产品的区别有多大。有的人能做好交易工作室，但也仅限于此，做资产管理行业不像做工作室，难度大多了，因为是戴着镣铐，在众目睽睽之下舞蹈，每天都要公布净值的，这谁玩谁知道。
六、如何创建自己的量化对冲基金管理公司
过程很复杂，核心是要有起始资金，或者主要投资人，还有核心交易团队，这是最基本条件，然后还有大量的各种各样的工作要做，你要能独挡N面才行，比如你是核心交易团队，那就得会说服投资人投资，找合作渠道发产品，找客户销售产品，注册成立公司，管理公司，公司制度建设，人员招聘，薪酬制定等等。
阅读原文：
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：51491次
积分：1056
积分：1056
排名：千里之外
原创：39篇
转载：112篇
(10)(17)(21)(21)(19)(22)(16)(12)(13)