python 量化交易知识

1.历史:原先股票交易市场是由交易员来进行买卖股票,现在越来越由机器自动化代替.
2.银行中量化交易员中,就是在复杂的金融衍生品中,分析投资标的的价值,来以某种策略管理仓位,进行买进卖出.
3.名词:
    (1)程序化交易:由程序来代替交易员交易.
    (2)量化交易:用数学,统计学,机器学习来寻找合适的买卖时机.
    (3)算法交易:用算法来确定买卖时间点与种类,多少.多用于高频交易.
4.通常的电子盘交易（比如股票，数字货币），是通过券商或者软件，直接把买卖请求发送给交易所；
而算法交易的底层，就是让程序来自动实现这类操作。券商或者交易所，通常也会提供 API 接口给投资者。
比如，盈透证券（Interactive Broker）的接口，就可以支持股票、期权的行情数据获取和交易；而 Gemini、OKCoin 等交易所，也提供了对应的接口进行数字货币行情获取和交易。
5.算法交易系统:
 
6.用python 进行算法交易的理由:
    (1)数据分析能力.   -高效的数据处理能力,numpy+pandas
    (2)大量成熟的算法交易库  -你可以使用 Zipline 进行策略回测，或者用 Pyfolio 进行投资组合分析。而许多交易所也都提供了基于 Python 的 API 客户端。
    (3)便利的交易平台: 帮用户完成行情模块与执行模块.用户只需要定义策略模块.
比如，Quantopian，就提供了基于 Zipline 的标准回测环境。用户可以选择 Python 作为开发语言，并且和社区的网友分享自己的策略。此外，国内也有诸如 BigQuant、果仁网等类似平台，提供不同市场和金融产品的交易。
    (4)广泛的行业应用.

7.高频交易和中低频交易，哪个更适合使用 Python？
中低频比较适合，python 处理速度比较慢，高频一般用C++
    (1).高频交易是不太依靠数学模型来预测的，主要是靠掌握的信息量来择时的，而信息量更多是靠最好的it技术来达到目的。隔壁专栏深入浅出计算机组成原理里第37讲SpreadNetwork公司化3亿美元修建一条从芝加哥到新泽西的光缆，就是为了把原来两地的网络访问延时，从17ms降低到13ms，而光缆最大的客户就是所谓的高频交易公司。
    (2).相反中低频交易在用计算机根据历史数据拟合股票价格走势，然后再根据当下获得的数据预测未来的量化交易相对是适合的。量化交易的回报取决于你的模型的好坏以及你是否能够找到别人不知道的因子。
    (3).综上，python相对是适合中低频交易的。
    (4).量化交易终究是对过去经验的某种再现，而股票价格是非连续，再者不确定性是这个世界固有特性，所以量化交易风险还是很高很高的