量化交易模型真的非老不可

1. 什麼是量化交易

2. 如何建立一個股票量化交易模型並模擬

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

3. 量化交易都有哪些主要的策略模型

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。

量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。 量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

4. 如何建立量化交易模型

量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統

5. 量化模型一定會失效嗎

在量化投資開始逐漸普及到每一個投資者面前的時候，不禁就會有人產生疑問，是不是伴隨著參與到量化投資中的人數逐日增長，量化投資所高度依賴的模型也會逐漸失去其原有的投資「魔力」，甚至開始在市場中失效。當然，不可否認這一現象存在的可能性，一個簡單的例子就是曾經四年狂賺3000萬美元的海龜交易系統在公之於眾後，便難以復制其以往的神話。
細想其原因，不妨假設跟蹤同一個交易系統的人數足夠多，那麼對於其中的大部分人而言，要想成交在一個合理的價格區間就會變得十分困難，因為他們總會在要買入的時候發現價格已經被提前抬高了，並在要賣出的時候發現價格開始一瀉千里，他們此時的唯一方法就是不斷升級已有的配套設施，以爭取在第一時間交易。不過，上述假設如今是很難站得住腳的，因為在量化投資領域並不存在著一個普適的交易系統，即使是對於常用的多因子模型而言，選擇不同的因子，使用不同的預測方法，甚至是決定在不同的時間節點調倉，都會使最終的投資決策產生一定差異。同時考慮到策略同質性可能帶來的負面影響，很多開發者也會不斷努力去研發出更獨到、有效的投資模型，並對模型高度保密，也進一步保證了量化投資領域的多樣性。
因此在大多數情況下，如果我們發現某個量化模型存在失效的可能，我們更關心的會是模型本身是否存在問題，比如投資邏輯是否可靠、數據質量是否欠缺、回測系統是否周密，以及成本估算是否合理等，而不會過分擔心類似模型是否已經被其他投資者開發出來了。另外，因為絕大多數量化模型都是基於已有的歷史數據進行開發和維護的，因此隨著時間的推移，如果市場結構發生了本質變化，一些歷史回測結果良好的模型可能也會不再適用於當前市場，進而發生連續回撤，這也會是量化研究人員密切關注的問題。
總而言之，量化投資的復雜性和多樣性確保了這一行業依然具有巨大的發展潛力，但與此相伴的就是對量化投資人員的高要求。在不存在任何時刻都能獲取高收益的模型的情況下，量化投資就需要做到對採用的每一個模型深入理解，進而能夠在凈值發生回撤的時候快速找到問題所在，並決定是否改進模型，才能真正做到業績穩健可持續。
網路轉載

6. 股市中的量化交易是什麼意思呢

量化交易（quantitative Trading）是利用數學、統計、計算機的模型和方法來指導在金融市場的交易，可以自動下單業可以半自動下單，這個不是核心，核心在於是不是系統化交易（systematic trading）。

比如主觀交易會看K線交易，量化交易業會，但區別在於量化交易可以在歷史數據上回測各種交易規則，找到表現好的，然後才用來交易。這或許會有過度擬合的風險，但也有一些方法克服。

量化交易雖然有很多優點，但是真的能戰勝市場，並且保證勝率，我覺得很難說。

7. 量化交易有哪些重要的模型

您好，

1. Alpha策略模型
   Alpha策略包含不同類別：
   
   按照研究內容來分，可分為基本面Alpha（或者叫財務Alpha）和量價Alpha。業內普遍不會將這兩種Alpha完全隔離開。但是不同團隊會按照其能力、擅長方向以及信仰，在做因子上有所偏向。有的團隊喜歡用數據挖掘的方式做量價因子，而有的團隊喜歡從基本面財務邏輯的角度出發，精細地篩選財務因子。
   
   按照是否對沖可以分為兩類。全對沖的叫做Alpha策略，不對沖的在市面上常被稱作指數增強策略。二者所用模型一樣，但後者少了期貨的對沖。缺少對沖有壞處也有好處，壞處是這種策略的收益曲線是會有較大的回撤。但好處方面，在大漲的年份，這種策略的表現會特別好；從長期看, 公司可以賺取BETA分紅收益, 並且可以吸引看好指數的客戶。相比之下而對沖Alpha策略一般在大牛市中會遠遠跑輸指數；此外不對沖的好處是節約資金，對沖的Alpha策略至少要放20~30%的資金在期貨端用來做保證金。
   
   2.CTA策略模型
   關於CTA策略，
   
   CTA策略的特點是收益風險比相對Alpha來說會較低。但是在行情較好的年份收益可能會很高，尤其是在早期。而且，無論是在編程還是策略上，CTA入門的難度相對來說都是最低的。
   

請採納