量化交易之门的目录

1. 量化投资学习推荐的书籍都有哪些

量化投资学习是指利用先进的数学模型代替人类的主观判断，利用计算机技术，从庞大的历史数据中选择各种能够带来超额回报的“高概率”事件，制定策略并进行交易的过程。量化交易是一门跨学科的知识，它需要快速解决问题的能力和自我学习的能力，也需要不断研究的试错方法。这里有10本关于量化投资学习的入门书籍，希望能给你一些启发。

《高频交易员》，市场就像一个读心者，准确地读到你的买卖和相应的涨跌，你是否开始怀疑，是你还是这个世界疯了？这本书的主人公布拉德·胜山就是这样的。高频交易最重要的是速度，也许在一眨眼的时间里就有一百万美元的价差。那么谁在操纵市场呢?屏幕背后的秘密是什么?这本书将带你进入高频交易的世界在简单的术语。《赌金者》，长期资本管理公司出身于一位闪闪发光的诺贝尔经济学奖得主、一位美联储前副主席、一位华尔街的金牌交易员，还声称自己“每平方英寸的智力密度高于地球上任何其他地方”。短短三年，他就成为了华尔街最受欢迎的明星，并凭借丰厚的回报几乎控制了华尔街的顶级投资银行。这支耀眼球队的资产在短短150天内从48亿美元暴跌至5亿美元，亏损逾90%。最终，在1998年9月23日，美联储与各大投资银行、商业银行和投资机构联手，纾困并接管了其业务。

2. 量化交易都有哪些主要的策略模型

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。

量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。 量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

3. 量化交易领域有哪些经典学术论文

量化交易的功能一般包含三大块：研究、模拟、实盘。转化到技术层面为：数据、回测、实盘、安全等等。
基于国内市场，我们遇到的挑战如下：
1：数据
数据包含两类，一类是行情数据，一类是财务、基本面、舆情、研报等其他数据。行情数据：
目前市面上分钟级的数据比较精准，可以用于中低频的交易回测；历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得，较容易找到的渠道很容易出现漏数据、不精确等情况，需要工程师专门结合了多家数据源进行核对修复。
2：回测
回测最难的在于如何确定成交量，同时要考虑复权、停牌、ST*等问题，这里面有很多细节
3：安全
安全在交易的开发中是重中之重，如何保证策略的安全性，不被外部、内部人员所窃取，分为2部分。
一部分是WEB安全，一部分是策略的编译安全。
因为量化交易是用户可编程的，我们量化选用的是PYTHON语言，因为有强大的科学计算库和高性能，导致用户可以调用很多系统级API，在这上面我们下了很大的功夫来保证用户的策略安全，做到理论级的策略隔离。

只能大概讲一下，这里面每一个部分都可以延伸出来成为一个话题。

4. 学习量化交易都有哪些书可以参考

提两本相关的学术著作。一本是2011年的论文集 Econophysics of Order-driven Markets，收录了一系列关于盘口和高频数据建模的论文。另一本是2013年的 High-Frequency Trading book，包含一些策略研究和机器学习方面的应用。这两本一定程度上可以反应学界目前对这个领域的研究现状。

5. 量化交易是什么

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。
应答时间：2020-12-11，最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
https://b.pingan.com.cn/paim/iknow/index.html

6. 什么是量化交易

一、什么是量化交易
量化交易即使用现代统计学和数学工具，借助计算机建立数量模型，制定策略，严格按照既定策略交易。具体又可分为高频交易和非高频交易，其中非高频交易适合一般个人投资者和中小机构。

量化交易是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预期年化预期收益的多种“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。

二、量化交易的优点
1、投资业绩稳定。
因为量化交易业绩所依靠的通常是由很多次的大概率事件产生的利润积累起来的，达到它的要求才能够进场。经过多个步骤，层层把关，从而极大地提高成功率。尽管它并不能保证你每一次都能够赚钱，但它能够它靠概率取胜。

这主要表现在两个方面：
量化交易从历史数据中不断地挖掘有望在未来重复的规律并进行利用。

依靠一组股票来获胜，而不是一个或者几个股票获胜。从投资组合理念来看就是捕捉大概率获胜的股票，而不是押到单个股票上。

2、能够理性投资。
在容易失去理性的情况之下帮助你保持理性，因而在市场反应过度、丧失理性的时候能够及时把握住时机。

3、信息的处理能力强。
个人交易证券市场，对市场各种信息必然会感到十分茫然，而量化交易对信息的处理能力更强。当我们而对证券市场时，感觉它就如同大海似的，在茫茫的大海之中，要想持续地获取回报，就需要一个指引。而这个指引就是我们的交易模型，就像是茫茫证券市场航行时的罗盘。

7. 量化交易该如何入门

5000万差不多吧。没5000万不要谈量化交易，手续费能不能赚回去都是问题

8. 量化交易平台的挑战都有哪些

量化交易平台的功能一般包含三大块：研究、模拟、实盘。转化到技术层面为：数据、回测、实盘、安全等等。
基于国内市场，我们遇到的挑战如下：
1：数据
数据包含两类，一类是行情数据，一类是财务、基本面、舆情、研报等其他数据。行情数据：
目前市面上分钟级的数据比较精准，可以用于中低频的交易回测；历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得，较容易找到的渠道很容易出现漏数据、不精确等情况，需要工程师专门结合了多家数据源进行核对修复。
2：回测
回测最难的在于如何确定成交量，同时要考虑复权、停牌、ST*等问题，这里面有很多细节
3：安全
安全在交易平台的开发中是重中之重，如何保证策略的安全性，不被外部、内部人员所窃取，分为2部分。
一部分是WEB安全，一部分是策略的编译安全。
因为量化交易平台是用户可编程的，我们京东量化选用的是PYTHON语言，因为有强大的科学计算库和高性能，导致用户可以调用很多系统级API，在这上面我们下了很大的功夫来保证用户的策略安全，做到理论级的策略隔离。

只能大概讲一下，这里面每一个部分都可以延伸出来成为一个话题。

9. 想学量化交易的C++编程，有没有比较好的参考书可看

下面这个可以参考一下，具体还要看个人的情况。

我觉得应该根据你的工作需要或者说你的发展方向而定。基本上两大类吧：C/C++和Java。比如，如果你要做企业级应用的你应该学习Java和C＃；如果你想做嵌入式，那么应该学好C语言；其他情况下，在你不知道要做什么之前你可以选择学习C/C++。学会这两大类中的一类，对于你学习其他语言都将是比较轻松，包括脚本语言，动态语言„„呵呵，这里想就自己的学习经历和情况给大家一个建议，仅供参考。
1、我的入门是从学习C语言开始的（其实课程是C＋＋)，这是我们学校的公共课，我上课比较认真（虽然老师讲得很差，而且一段时间后，我就发现自己的基础掌握比她好，当然理解深度没她好），因此，我认为对于完全没有基础的人而言，听别人讲比较容易入门。当时的教材是学校自己编的，挺烂的。
建议一（以C/C++为例），对于刚想进入编程的人（就是从来都没有接触过编程的人），最好是听课的方式（自己看的话估计要很慢，而且很痛苦），可以找视频或者培训等。C语言推荐入门教材：谭浩强的C语言，最新版是第三版，不过第二版应该也可以了（蓝色的）。说明一下：坚决不同意直接看K&R的《The C programming language》，这本书绝对不是初学者可以看懂的，里面讲语法的并不多，语法都是合在程序里面讲。不过这本书非常好，入门以后一定要看的一本书。
当然可以从C＋＋直接入门，C＋＋之父强烈推荐从C＋＋直接入手。C＋＋推荐入门教材：钱能的C++（红色的，清华大学出版），这本书第一版不是ISO C＋＋，不过比较经典，作者现在也出了第二版了，第二版好像不是太好。国外的最好的入门教材据说是：《Acclerated C++》作者是Koenig和Moo夫妇，非常厉害。他们的著作还有《c陷阱与缺陷》《c＋＋沉思录》。《Acclerated C++》这本入门的书我没有看过，我觉得还是先找本国内的书好好看，看的差不多了，国外的经典书籍随便看就会觉得很有味道，否则你可能会很受打击。入门的书至少要看两三遍（要彻底理解哦 ):）。如果是C＋＋，我建议后面类的部分至少要理解三到五遍。说明一下，c＋＋模板的部分可以先不用看，如果有兴趣的话，等把c＋＋学的差不多了，我觉得可以把模板、STL、泛型编程结合起来学习，这个又是一个很大的工作量了，又得下很大的功夫。所以说，C++博大精深啊。
建议二、学习过程中要结合简单的算法，像冒泡还有类似c语言程序百例这样的小例子做做；更进一步应该做点大一点的项目，最好是控制台程序。或者你已经着手学习win32、MFC或linux，你也可以结合平台做点小的项目。
2、第一阶段是最苦的，接下来相对就知道应该怎么去学习了。这时候假设你已经有了扎实的c＋＋基础。这是你可以选择也应该选择发展方向了，做企业级应用，还是系统开发，嵌入式设计或者游戏开发„„ 那时我其实并没有考虑那么多，因为我不是学计算机的，因此我就把参加一些计算机之类的考试当作学习目标。我当时其实C＋＋语言基础已经很不错了，但是上机实践很少（那时我没有电脑），因此参加省计算机二级，全国计算机三级和全国计算机四级考试，结果上机都没有通过。我很郁闷，二级的时候是我不知道怎么样进那个DOS界面把题目调出来，三级的时候是很快就编好了，也通过运行了，可是成绩出来却不及格，四级的时候是编好了，可能是我那题目比较难，好像用了两次循环，结果那破机器竟然承受不了。后来一乱就毁了（当然主要是上机太少了）。不过我那些上机都没有去补考。二级和三级的时候是自恃水平已经远远超过考试要求了，四级的时候则因为自己已经通过高级程序员考试，觉得补考上机好像没必要。（我高程和四级都是在2003年考的）。
建议三：定位学习方向，并好好学习计算机基础知识。在你还不确定学习方向，或者你还在大学本科期间，那么我认为应该先把计算机的基础知识好好学习一下。我认为计算机必学的基础课程而且要精学——首先是数据结构，其次是操作系统、软件工程，数据库。这四门课不管你将来想从事哪个方向的基本上都会用到。当然，有时间的话，其他基础课都是应该掌握的，离散数学、组成原理、体系结构、网络、编译原理甚至跨学科的。方向是很重要的，因为知识其实是无限的，一个小小的领域就够你研究很久了。本科生可能还没有什么方向的感觉，但是到了研究生你一定要清楚自己到底想要做什么，要往哪个方面发展，不要盲目学，瞎学乱学，否则最后可能看似什么都会，其实什么都不会。
我也曾经学习过Java一段时间，这篇文章既然是谈编程语言的入门学习，我也简单说一说。因为有了比较C＋＋扎实的语言基础，所以Java学起来比较轻松。我先找了国内一本薄薄的教材很快看了一遍（几乎都理解，但是只看了一遍），空闲的时间配合清华张孝详老师的java视频。以后其实才算我真正要开始入门JAVA的学习，我用了是《core java》中文第六版（本来想用候捷翻译的第二版的《Thinking in Java》，发现被同学弄丢了），这本书我差不多用了20天才把里面的知识都搞懂，当然包括程序风格的模拟，最重要的时我把有关GUI编程的那三章里面的程序例子几乎可以默写出来（当然，那是因为我理解了，其实这样就变成了我的知识了），里面的API我也记得差不多了。（说明：Java里面的GUI编程没什么用处了，建议大家先跳过，GUI不是Java的长处，如果以后需要的话再查手册或者再记忆学习）。
其实学习了C＋＋以后，学习Java是比较容易了，但是建议不要两种都学啦，他们的用途是不一样的，你应该熟悉其中一种，更重要的是熟悉其应用领域所需要的专业知识甚至平台，以及使用他们的企业，有创业计划的还应该考虑一下他们的应用领域，最重要的是思考他们的潜在的应用领域。
对于初级的学习就讲到这里，接下去的学习其实都是高级部分，先不介绍了，因为：一、我自己都还没有学懂，这里乱吹会误人子弟。 二、高级东西的学习很多，有很多选择，又需要很多繁琐的知识，可能也一下子没办法讲清楚。