股票app推荐怎么样,股票配资精选,股票怎么样逃顶

量化交易（Quantitative Trading）是指并非透過個人主觀、自己的認(rèn)知去判斷，
而是透過數(shù)據(jù)運算來判斷做決策，是一種依靠數(shù)學(xué)和統(tǒng)計模型來辨別市場交易的策略。

這篇文章速石來介紹量化交易策略是什么、怎么做、有哪些類型及優(yōu)點缺點介紹。

本文的內(nèi)容為:

量化交易是什么？
量化交易策略的優(yōu)點
量化交易策略的缺點
量化交易策略怎么做?執(zhí)行流程和步驟
量化交易策略有哪些類型？
量化交易策略的未來?
重點整理：量化交易策略是什么？

量化交易是什么？

量化交易是一種依靠數(shù)學(xué)和統(tǒng)計模型來辨別市場交易的策略。

量化交易通常需要大量的數(shù)據(jù)與算法邏輯，
一般會對包括基本面、籌碼面、技術(shù)面、經(jīng)濟(jì)面、事件、時間周期等等數(shù)據(jù)信息進(jìn)行分析，并根據(jù)合理的邏輯設(shè)計及驗證策略，最終根據(jù)數(shù)據(jù)與策略進(jìn)行交易決策。

量化交易大多會需要程式語言進(jìn)行數(shù)據(jù)分析與執(zhí)行，一般都是大型機(jī)構(gòu)投資人、對沖基金使用的交易策略，它們的交易量通常很大。

但是目前也逐漸有越來越多個人投資者開始使用量化交易策略。

量化交易根據(jù)數(shù)據(jù)做決策 vs 傳統(tǒng)交易用人主觀判斷做決策

量化交易策略的類型，許多可以和傳統(tǒng)的策略一樣，
差異只在于是由個人做最終決策，還是根據(jù)數(shù)據(jù)結(jié)果執(zhí)行決策。

例如傳統(tǒng)的價值投資，是通過個人去做充足的研究，對價格、價值做出分析，做出選股決策。

但你也可以用量化的方式做價值投資，用數(shù)據(jù)去判斷價格、價值，最終做出選股決策。

量化交易策略的優(yōu)點與缺點如下：

量化交易策略的優(yōu)點

可以被驗證
可以克服情緒
藉由數(shù)據(jù)可以發(fā)掘出肉眼和經(jīng)驗無法找到的超額報酬機(jī)會
可以管理更大規(guī)模的策略與資金

量化交易策略最大好處，就是它可以被驗證、可以克服情緒，
因為我們主觀判斷的時候，其實會有很多情緒在里面，但如果是透過數(shù)據(jù)運算做決策，那情緒的影響就減少了。

雖然我這樣說，但對情緒、風(fēng)險控管不佳的人，如果不照著策略走，那即使量化也沒有用。

此外，一般經(jīng)理人單靠人力能管理的資金規(guī)模其實很有限，因為一個人主動管理時，研究范圍有限、策略最多就那么多，對風(fēng)險分散程度有限，
但量化策略能夠讓一個人或一個團(tuán)隊管理大量策略算法。

量化交易策略的缺點

進(jìn)入門檻高、數(shù)據(jù)取得困難且高成本、需要程序能力、許多策略需要大資金才可執(zhí)行
每個人使用的數(shù)據(jù)或策略可能都一樣、競爭使利潤變薄
可能對邏輯和參數(shù)過度優(yōu)化而不自知
金融市場規(guī)則變化、短期失靈，或參與者變化，都有可能會讓過去有效的策略失效
任何數(shù)據(jù)本身必然有限制、有極限，不可能永遠(yuǎn)保持創(chuàng)造超額報酬的能力
無法規(guī)避一些特殊的人為影響，例如戰(zhàn)爭、政變等等，市場變得不效率時量化策略如果分析的數(shù)據(jù)信息不足，不一定能及時反應(yīng)。

今天你會拿數(shù)據(jù)驗證、別人也會拿數(shù)據(jù)驗證，那大家做出來的東西可能就都一樣，所以量化交易的競爭其實是相對激烈。

許多量化交易機(jī)構(gòu)的優(yōu)勢，都源自于可以拿到別人沒有的資料，或者擁有別人想不到的數(shù)據(jù)運用方式。

另外，金融市場變化快速，有些方法可能會逐漸失效，失效可能是因為市場狀況變了，當(dāng)數(shù)據(jù)背后的數(shù)據(jù)、法規(guī)、各種事情發(fā)生改變，這個策略就可能會失效。

量化交易策略怎么做？執(zhí)行流程和步驟

進(jìn)行量化交易策略的時候，會按照以下幾個步驟來進(jìn)行，

步驟1：取得資料和數(shù)據(jù)

量化交易策略的第一步，就是整理數(shù)據(jù)資料，一切的策略都源自于數(shù)據(jù)資料。

資料可能是買的，也可能是自己寫爬蟲抓資料、收集、存進(jìn)數(shù)據(jù)庫。

當(dāng)然，最陽春的版本，也可以用Excel做紀(jì)錄和計算。

步驟2：清理資料

許多數(shù)據(jù)商提供的資料，往往有些應(yīng)用上的限制（例如不同國家的日期字段不同、不同國家的財報字段名稱不同等等），
或者有些數(shù)據(jù)商提供的資料有誤（兩家廠商提供的數(shù)據(jù)不一樣、缺漏資料、某天資料有誤等等），這都必須先進(jìn)行整理。

在數(shù)據(jù)統(tǒng)計領(lǐng)域有一句話叫做 Garbage in， garbage out，意思是垃圾進(jìn)、垃圾出，
拿有問題的資料，自然就會做出有問題的策略。

步驟3：設(shè)計策略：

就是必須找到一個有利可圖的事情，也許是統(tǒng)計上有優(yōu)勢，或者是別人還沒有發(fā)現(xiàn)的事情，邏輯上說得通、有辦法獲利的市場。

我們會對市場進(jìn)行一些假設(shè)，認(rèn)為市場可能會因此產(chǎn)生超額報酬，并且去尋找對應(yīng)的數(shù)據(jù)，
取得相關(guān)的數(shù)據(jù)來測試這個策略，并試圖優(yōu)化策略以獲得更高的報酬、更低的風(fēng)險。

由于市場通常非常效率，大多策略是呈現(xiàn)隨機(jī)性、無利可圖、沒有超額報酬，或者報酬/風(fēng)險不如大盤及一些基準(zhǔn)指數(shù)的。

10個策略通常有一兩個略有一點用處就算有收獲。

這一步要提醒的是，我覺得應(yīng)該是先有策略，再找對應(yīng)數(shù)據(jù)，或至少先知道數(shù)據(jù)的意義，進(jìn)而思考它的應(yīng)用，
不應(yīng)該用數(shù)據(jù)去應(yīng)湊出策略，我個人目前并不贊同像是機(jī)器學(xué)習(xí)或者類神經(jīng)語言的方式產(chǎn)出策略。

步驟4：回測、分析策略：

有策略和數(shù)據(jù)后，會進(jìn)行驗證，根據(jù)策略邏輯與數(shù)據(jù)，進(jìn)行回溯測試（簡稱回測），分析同樣的策略在歷史上的有效性、在各種行情下的變化。

進(jìn)行回測程序，必須使用一些軟件的回測程序，或像是Python、C++... 等程序語言，進(jìn)行運算，

回溯測試的目的是提供證據(jù)，證明通過上述過程確定的策略，應(yīng)用到歷史和樣本外資料時是可以獲利的。

回測分析的重點除了看績效、風(fēng)險，也包括：

厘清超額報酬的邏輯：如果邏輯說不出來或說不通，即使數(shù)據(jù)有用，也可能只是巧合。
了解數(shù)據(jù)假設(shè)與限制：任何數(shù)據(jù)和分析邏輯都有限制，厘清限制，未來數(shù)據(jù)失效時才有能力識別出是短暫失效還是長期失效。
觀察一些劇烈波動的時間點：看看策略在那些時間點的變化，是否符合自己預(yù)想。
參數(shù)驗證：參數(shù)理論上要能經(jīng)得起調(diào)整、位于參數(shù)高原、避開參數(shù)孤島，小幅的調(diào)高、調(diào)低參數(shù)，成果都不該有過于劇烈的變化。
訊號時間性驗證：如果把訊號提前或延遲，得到的結(jié)果理論上要更好/更差一些，如果不符合的話，可能參數(shù)或邏輯存在過度優(yōu)化。
可以看一下速石的量化交易案例

步驟5：可行性驗證：

當(dāng)量化交易策略有可行性之后，和一般做實驗一樣，會經(jīng)過幾個比較關(guān)鍵的驗證，包括：

in-sample test 樣本內(nèi)測試：也就是回測的步驟，會使用歷史數(shù)據(jù)做驗證。
out-of-sample test 樣本外測試：一般會保留一段時間的數(shù)據(jù)，在樣本內(nèi)測試時不使用，等樣本內(nèi)測試結(jié)束、決定參數(shù)后，再套到樣本外測試，確認(rèn)設(shè)定參數(shù)可行。
paper trade 紙上交易：根據(jù)最新的交易做紙上交易，只模擬并紀(jì)錄損益，但不用真錢操作。等確認(rèn)可行才進(jìn)入下一步。一般紙上交易短則1~3個月，長則不一定。
正式上線：實際資金投入，初期也會觀察一段時間看看成果是否符合回測及訊號符合預(yù)期。

這些主要是衡量策略在歷史數(shù)據(jù)與實際執(zhí)行的差異，
如果是被過度優(yōu)化的策略，很可能歷史回測像一條龍、實際交易像一條蟲。

有一些常見的指標(biāo)，會用來衡量一個策略的表現(xiàn)，包括：

長期年會報酬率、各年度報酬
夏普比率
索丁諾比率
information ratio信息比率
MDD最大回落跌幅
等等

步驟6：自動化執(zhí)行策略：

如果驗證完覺得可行，就把這個策略自動化去運作自動交易并盡量減少交易成本。

考慮到許多商品可能24小時交易，或者開盤時間跨時區(qū)，以及減少人為因素，
一般會讓程序自動執(zhí)行，或聘請專門的下單（稱為打單）人員來下單。

系統(tǒng)化的執(zhí)行，也是量化交易的一個重點。

即使需要人為干預(yù)，也需要邏輯十分明確（例如根據(jù)某些數(shù)據(jù)，判斷市況已經(jīng)不符合當(dāng)初假設(shè)），而非任意干預(yù)。

步驟7：風(fēng)險控管：

衡量風(fēng)險就是管理風(fēng)險，并且去調(diào)整自己的部位做好資產(chǎn)配置。

量化交易的最后步驟就是要管理風(fēng)險、衡量風(fēng)險，風(fēng)險來源有很多，會涵蓋幾乎所有可能干擾交易的因素，底下列舉幾個：

數(shù)據(jù)風(fēng)險：例如數(shù)據(jù)商提供的最新數(shù)據(jù)有誤。
執(zhí)行風(fēng)險：例如保證金沒算對、導(dǎo)致資金不足。
人為疏失：例如程序或交易員下錯單、該下單沒下、或者沒換倉等等。
技術(shù)風(fēng)險：例如位于交易所的服務(wù)器突然出現(xiàn)故障、網(wǎng)絡(luò)中斷、當(dāng)初寫的程序有bug等等。
經(jīng)紀(jì)商風(fēng)險：例如經(jīng)紀(jì)商破產(chǎn)。

了解風(fēng)險后還要組成資產(chǎn)配置，因為多個策略同時進(jìn)行，每個策略該放多少錢、跑多大規(guī)模金額，也是個問題。

例如，
有些策略有容納資金量的上限，超過后就會流動性不足，或者影響市場波動。
又或者同一類型策略太多，或者同一風(fēng)險源的策略太多，藉由控制部位規(guī)模，來讓風(fēng)險得到控制。

另外，雖然在量化交易中，受到心理影響、認(rèn)知偏誤的風(fēng)險會減少，但仍會受到一些干擾，像是損失規(guī)避（Loss Aversion），也就是心里不愿意接受損失，就算虧損了也不平倉，因為必須承受損失的痛苦。

量化策略不會是完美無缺的，但如果個人過度手動干預(yù)量化成果，那么量化很可能會失去意義。

步驟8：策略管理：

策略管理包括決定上架新策略、下架舊策略策略，以及決定各策略的規(guī)模和比例。

一個新策略從開發(fā)到運作，經(jīng)過漫長的過程和驗證，只要不是有bug，通常不會隨便失效，
但凡事沒有絕對，策略看久了你會知道，沒有策略是可以永遠(yuǎn)有效的。

競爭者增加、法規(guī)或市場特性改變、數(shù)據(jù)計算規(guī)則改變、新替代商品出現(xiàn)、市場流動性改變等等，都會讓一個策略可能未來某些時間失效、趨于隨機(jī)。（記得，策略失效不是賠錢，而是變的隨機(jī)）

量化交易策略有哪些類型？

任何投資策略，都可以用量化的方式執(zhí)行

量化交易所用的策略類型，其實和傳統(tǒng)各類型策略都一樣，
差別只在于量化交易是用數(shù)據(jù)來做決策。

換句話說，只要是找的到數(shù)據(jù)參考的策略，基本上也都可以完全用量化進(jìn)行。

當(dāng)然，每種策略適不適合量化并不一定，一般來說交易頻率越高、運算越復(fù)雜的策略，就越可以單純透過量化方式執(zhí)行。

10種常見的量化交易策略分類：

其中有些策略特別適合量化，例如：Long/Short Equity 、市場中性、固定收益套利。也有些可以部份量化，但難以完全量化，例如：并購套利、事件驅(qū)動。

策略	特色	報酬特性
多/空股票策略（Long/Short Equity）	在做多、做空部位上，分別取得超額報酬，減少空頭市場風(fēng)險，通常會運用杠桿	根據(jù)做多/做空比例而定。常見如130%多頭頭寸/30%空頭頭寸，報酬/風(fēng)險與純做多（Only long）策略差不多，但預(yù)期在空頭市場的傷害會略小一點。
市場中性策略（Market Neutral）	保持Beta為零，策略不受系統(tǒng)性風(fēng)險影響。最困難的是戰(zhàn)勝交易成本，以及避免極端事件風(fēng)險。	不受空頭市場影響，回調(diào)風(fēng)險很小但報酬也很小，當(dāng)市場波動越大時報酬越好。
只做空（Short-Only）	做空有問題的企業(yè)，只透過做空獲利。但有可執(zhí)行性問題，有些標(biāo)的或市場即便你看空，也不代表容易做空。	在空頭市場特別強(qiáng)，但多頭市場就比較差，畢竟市場好的時候雞犬升天，甚至很可能被軋空到天上。
并購套利（Merger Arbitrage）	在并購事件發(fā)生時或發(fā)生前布局，賺取套利價差。	確定性很高，報酬穩(wěn)定，但遭受意外打擊時傷害也大
可轉(zhuǎn)債套利（Convertible Arbitrage）	賺取可轉(zhuǎn)債與股票現(xiàn)貨之間的訂價差異。	確定性很高，報酬穩(wěn)定，但遭受意外打擊時傷害也大。
固定收益套利（Fixed Income Arbitrage）	計算定價差異并做套利。	很穩(wěn)定，夏普率高，但報酬不高，如果用杠桿則會增加違約時的風(fēng)險。此外債券在某些時候流動性會極端的差，這時風(fēng)險也高（或利潤也大）。
事件驅(qū)動（ Event Driven）	事件發(fā)生時做出判斷，賺取利潤。	事件驅(qū)動的范圍很大，算是一個策略類型統(tǒng)稱，很難直接給出結(jié)論。
信用類衍生商品策略（Credit）	發(fā)災(zāi)難財，別人的困難就是你的機(jī)會，本多終勝。	只要篩選優(yōu)質(zhì)債券，報酬可以很穩(wěn)定，且資本雄厚很重要，但從基金的角度，資本意味著資金成本高，安全性與報酬率不可兼得。
全球宏觀（Global Macro）	找市場周期、找長趨勢、判斷轉(zhuǎn)折。一般來說會搭配動態(tài)資產(chǎn)配置組合策略。	根據(jù)資產(chǎn)配置的比例而定，風(fēng)險越低報酬通常也越低。
量化策略（Quantitative）	不做人為判斷，根據(jù)數(shù)據(jù)或指標(biāo)做出投資交易決策。	量化策略泛指很多策略類型，而不是某一策略，但大多目標(biāo)都是追求高夏普率。

量化交易策略的未來

量化交易策略存在一個問題，
舉例來說有個人用某一個基本面指標(biāo)設(shè)計出一個量化策略，另外一個人也用同一個基本面指標(biāo)設(shè)計出一個量化策略，
那最后會有很大機(jī)率，這兩人的策略都差不多。

因為當(dāng)大家互相競爭的時候，這個策略就會失效，
因為錢不是被A賺走就是被B賺走，或是被其他更多人賺走，因為可以賺的超額報酬就這么多，大家分完就沒了。

那么量化交易策略的未來，該怎么做才能？底下列出4個方向：

方向1. 找到傳統(tǒng)金融市場沒有的數(shù)據(jù)

傳統(tǒng)金融市場價格、基本面、籌碼面、技術(shù)面這些策略之外，你去找其他的策略、其他的數(shù)據(jù)，

例如：直接從衛(wèi)星圖去分析去百貨公司的人數(shù)、記錄來訪的車子數(shù)量，借此提前知道這間公司生意好不好，提前去操作它的股票。

例如百貨公司和賣場的人數(shù)及車子很多可能代表生意很好，就可以提前做多;
人數(shù)及車子很少可能代表生意不好，就可以提前放空。

這樣可以在報財還沒公布前就知道這件事，因為財報大約3個月公布一次，但如果可以用衛(wèi)星知道客流量，那不用等3個月就能知道了。

方向2. 找到冷門的小市場

越熱門的市場代表規(guī)模越大，通常參與者越多，雖然里面散戶很多，但是高手可能也很多。

所以不想和人家競爭的話，就是要去找到目前比較冷門的市場（但這些市場可相對來說風(fēng)險也高），底下舉例幾個小市場：

加密貨幣市場
發(fā)展中國家的股市
不受監(jiān)管的衍生性金融商品

但是要注意，一旦這些市場變得更受歡迎、市場參與者變化、市場行為就會發(fā)生變化，機(jī)會就會變得更少，因為參與這市場的人變多了。

另外，小市場代表著容納的資金更小，即使擁有成功有效的策略也難以放大規(guī)模，利弊總是一體兩面的。

方向3. 擁有特殊高門檻技術(shù)

例如高頻交易就是一個高門檻技術(shù)例子，它需要高技術(shù)、高昂的設(shè)備成本投入，才能夠進(jìn)行。

高頻交易是一個很重設(shè)備與技術(shù)的交易方式，它的目的是賺取市場中出現(xiàn)極短暫的微小價差，在很短的時間內(nèi)快速進(jìn)出，類似造市者，獲取別人下單之間的價差。

這是一種方法沒錯，個人覺得高頻交易是偏資本和技術(shù)的競爭，而總有人資本和技術(shù)比我們硬很多。
找到獨有的優(yōu)勢依然是關(guān)鍵。

方向4. 機(jī)器學(xué)習(xí)？

機(jī)器學(xué)習(xí)是人工智能（AI）的一種，著重于建立能從數(shù)據(jù)中學(xué)習(xí)、透過所訪問的數(shù)據(jù)來提高績效的系統(tǒng)，

這是一種比較新的方法，但有沒有用并不太確定。

平常做傳統(tǒng)的統(tǒng)計，需要很明確邏輯去做驗證，但透過機(jī)器學(xué)習(xí)就不用給很明確的邏輯，你只要給它一些數(shù)據(jù)，它就會自己去做研究，

雖然有些說法認(rèn)為機(jī)器學(xué)習(xí)可行，許多國際知名的量化交易基金也都有采用機(jī)器學(xué)習(xí)在操作，例如拿它來做配置投資組合、決定比例、優(yōu)化整體風(fēng)險的決策，

不過速石認(rèn)為這種方法比較危險，并不推薦一般人去使用機(jī)器學(xué)習(xí)的方式來設(shè)計策略。

點擊查看更多金融解決方案

快速重點整理：本篇量化交易策略的內(nèi)容：

量化交易（Quantitative Trading）是指并非透過個人主觀、自己的認(rèn)知去判斷，而是透過數(shù)據(jù)運算來決策做判斷，是一種依靠數(shù)學(xué)和統(tǒng)計模型來辨別市場交易的策略，是大型機(jī)構(gòu)投資人、對沖基金常使用的交易策略。
量化交易策略的優(yōu)點是可以被驗證、克服情緒，缺點是每個人使用的資料可能都一樣，而且金融市場變化快速會讓策略失效。
進(jìn)行量化交易策略的時候，基本上會按照8個步驟來進(jìn)行：取得資料和數(shù)據(jù)、資料清理、設(shè)計策略、回測分析策略、可行性驗證、執(zhí)行策略、風(fēng)險控管、策略管理。
任何策略只要能被量化，都可以作為量化策略。可以完全量化做決策，也可以僅部分量化。

以上就是本篇的關(guān)于量化交易策略的的介紹，想了解更多金融相關(guān)信息 歡迎掃碼關(guān)注小F（ID：iamfastone）獲取

- END -

我們有個金融設(shè)計研發(fā)云平臺
集成多種金融應(yīng)用，大量任務(wù)多節(jié)點并行
應(yīng)對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務(wù)快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群

掃碼免費試用，送200元體驗金，入股不虧~