Python量化交易入门

Posted 2021-12-18 传智教育官方博客

文章目录

• 学习目标
• 一、量化交易（Quantitative trading）
• • 1.1 定义
  • 1.2 掌握技能
• 二、量化交易的分类
• • 2.1 分类
  • 2.2 三种分类特点以及要求
  • • 趋势性交易
    • 高频交易
• 三、 金融产品以及衍生品的常用投资技术
• • • 投资策略
• 四、量化交易优势
• 五、总结

---

学习目标

了解量化交易定义

---

一、量化交易（Quantitative trading）

1.1 定义

量化交易(量化投资)是指借助现代统计学和数学(机器学习)的方法，利用计算机技术来进行交易的证券投资方式。

量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

1.2 掌握技能

二、量化交易的分类

目标：
说明量化交易的分类
说明常见金融产品的专业投资方法
了解量化交易的优势

2.1 分类

关于这三种分类，不用记忆它们的定义。我们课程主要的量化投资方法是市场中性的策略。

2.2 三种分类特点以及要求

趋势性交易

适合一些主观交易的高手，用技术指标作为辅助工具在市场中如鱼得水的，但如果只用各种技术指标或指标组合作为核心算法构建模型，从未见过能长期盈利的。

一般也会做一些量化分析操作，使用编程如python/matlab 。
市场中性

在任何市场环境下风险更低，收益稳定性更高，资金容量更大。适合一些量化交易者，发现市场中的alpha因子赚取额外收益，例如股票与股指期货的对冲策略等。

会做一些量化分析操作，使用编程如python/matlab。

高频交易

在极短的时间内频繁买进卖出，完成多次大量的交易，此类交易方式对硬件系统以及市场环境的要求极高，所以只有在成熟市场中的专业机构才会得到应用

适合一些算法高手，使用C/C++编程语言，去进行算法交易，对软硬件条件要求比较高。

1、金融专业出生，对金融市场环境非深入了解（交易员、基金经理）

2、基本了解金融基础、投资知识，对数据挖掘、机器学习方法擅长，挖掘股票等的价值 （quanter）

3、非常擅长算法，C/C++ ，编写程序化的一些交易方法 （程序化交易员）

三、 金融产品以及衍生品的常用投资技术

投资策略

注：比特币不属于衍生品，通常使用的也是趋势策略，少部分使用高频策略

四、量化交易优势

严格的纪律性
完备的系统性

完备的系统性具体表现为“三多”。

首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；

其次是多角度，量化交易的核心投资思想包括宏观周期、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；

再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

靠数学模型取胜

股票实际操作过程中，运用概率分析，提高买卖成功的概率

五、总结

股票的量化投资可以说是一种价值投资，我们所做的也是去挖掘市场中的价值股票，而并非去预测股票涨跌来进行投资等等（至少目前机构不会采取这种方式指导投资），这需要大家明确的一个问题。

最终量化分析是众多投资机构的工具、分析手段而已。