作者：黑马程序员Python
链接：https://www.zhihu.com/question/604714281/answer/3076510313
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
量化交易（Quantitative Trading）
什么是量化交易？
量化交易是指借助现代统计学和数学的方法，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”时间以指定策略。用数据模型验证以及固化这些规律和厕所，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、稳定切高于平均收益的超额回报。
量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70-80%，而国内则刚刚起步。手工交易中的情绪拨动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准行，100%执行率则为它的盈利带来了优势。
如何判断是否该持有一只股票？
对于普通的股民来说，判断是否该持有一只股票，什么时候持有？持有多少？什么时候抛售？抛售多少？这几个选择往往会决定投资成败。
普通投资者在做选择前，会去分析一些数据，包括目标公司的运营情况、财务情况、公司股价过去一段时间的表现等等，分析一堆数据后，根据自己的主观判断来选择，或者听从一些大师的指导，或者跟随市场的主流趋势。
如果一位投资者准备投资多个股票，他还要搜集该公司所在行业的情况等，需要分析的量就增加了，职业股民几乎大部分时间都是在搜集信息整理信息然后做出判断。
对于金融机构来说，要处理的信息量是普通股民的成千上万倍，要做出的判断更是需要排除大量干扰以找到最准确的时机点。
无论普通股民还是专业机构，投资这个过程总体上可以分成两个步骤：
- 第一步骤，搜集整理既定信息，找出规律；
- 第二步骤，根据数据制定出策略，对于股票走势判断；
第一步骤在于“烦”，信息量太大、太杂，您需要搜集上市公司的大量数据，包括公司基本面数据、股票交易数据等等；
第二部分在于“难”，在获得信息后，个人判断买卖多少会被个人情绪所左右。很多的投资者可能都曾懊悔过：当时太冲动了，冷静点就好。
随着信息技术的提升和计算机算力的发展，第一步骤的内容在不断简化，您可以轻松获取各类信息数据表、走势图，数据获取的时间范围也能达到很大的跨度。
至于第二部分，因为无法针对性的进行数据分析，所以通过计算机数据分析后给出的投资操作，也处于参考阶段。
到了现代，随着计算机语言的不断开发和简化，越来越多的人掌握计算机语言后，凭借自己的数学能力，构建适合自己的计算模型，经过回测验证模型具有适用性后，可以在极短的时间内进行目标对象数据分析，以及交易点决策，这一过程中，只有计算机的分析，没有人为情绪的干扰。
这一交易方式经过时间的验证，证明其有效，于是在很多大型金融机构中得以使用，金融机构可以在瞬息间完成大量交易，也就是现在所说的量化交易：
通过计算机语言，如C/C++、MATLAB、R 或 Python等编写针对性的交易模型，利用数字分析和数学运算来完成体量庞大的信息采集、数据分析、纯理性策略决断以及交易执行。
量化交易员
其工作主要是：
- 策略识别：自行编写交易模型，或寻找现有策略，结合自身优势来决定策略的使用及交易频率
- 策略回测：将目标策略应用到历史数据，通过模型运算来验证模型的计算结果是否与历史结果相符，如果相符则可以继续使用，并进行细节的调整，如果不相符则放弃该模型。
- 执行系统：将验证成功的交易模型应用到实际交易中，完成自动量化交易，最大限度降低交易成本。
- 风险管理：跟踪根据交易模型进行的量化交易，发现交易过程中可能存在的风险，及时进行风险管理。
量化交易的创始人
Jim Simons，是首位将计算机数学模型与金融投资结合的伟大投资者，他创立的 Renaissance Technologies（文艺复兴技术）对冲基金公司，是目前最成功的以量化交易为主的对冲基金公司。
Jim Simons，以数学家、密码破解者的背景进入金融领域，主张将各种人为情绪因素排除在金融投资决策之外，使用成熟的计算机语言来判断市场行情并从中获取了惊人的收益。他认为计算机有自己的观点，在建立成熟成功的交易模型后，他会盲目地跟从计算机的结果，拒绝任何人为情绪来干扰计算机的运算判断结果。
自1982年创立其基于计算机量化交易的 Renaissance Technologies基金公司以来，短短30多年，Jim Simons凭借其量化交易系统，为自己积累了230亿美元的财富。
量化交易的优缺点
量化交易被大多数金融机构使用，目前也渐渐被许多个人投资者使用，同许多其他交易方式一样，它有自己的优缺点：
优点
可快速进行大量数据收集和分析，极大缩减目标选择的工作量。
当设定交易操作触发点后，交易可自动进行，减小了日常投资的工作量。
使用计算机数学模型来理性分析行情，判断操作方式，有效避免人为情绪的干扰。
缺点
单一的量化交易模型无法始终在动态市场中有效，需定期调整参数来适应市场的大环境变化。
量化交易平台有哪些？
量化交易的使用平台目前主要是各大金融机构、对冲基金等需要分析大量交易数据的平台。
也有越来越多的个人，在学会了计算机语言后自行编写交易程序，来进行更符合自身投资特色的金融交易。
可以编写量化交易的平台主要是目前几大计算机语言编写程序，如C/C++、MATLAB、或 Python语言编写平台。
学习量化交易的平台目前非常热门，通常会提供较完整的课程体系，从数学、逻辑、计算机语言以及金融学知识等几方面来培养高端量化交易员。
如何搭建Python量化交易系统？
量化交易系统可通过多种计算机语言来编写，而Python作为当下最流行的计算机语言，其使用率在多种语言中位居第一。
Python是一种跨平台兼容的高级编程语言，开源环境拥有多个专有的专业库函数，比如：
- Scipy、numpy、pandas、matplotlib、quantopian、Zipline、TA-Lib、Pybacktest等可快速开发无障碍量化交易策略。
- Tensorflow、seaborn、scikit learn、Keras、plotly、stats可帮助交易模型进行更有效的数据挖掘和交易执行。
- SpyderIDE优化了交易模型中的数据可视化，使财务分析变得更直观简易。
- PyAlgoTrade作为Python独家算法交易库函数，专注于纸面交易、回溯测试、实时交易和技术分析，带来更高效的量化交易。
使用Python作为计算机语言来编写交易模型和所有量化交易模型制定过程一样，由策略识别、策略回测、执行系统和风险管理构成。
但Python的优点在于，在所有过程中，其计算机语言更易懂，逻辑排序更有条理性，并且提供多个独家库函数可直接调用。
- 在策略识别阶段，可根据自身需要的交易特点来调用多个库函数，来编写更适合自己的交易策略。
- 策略回测阶段，专业的库函数可进行更全面的数据回测，以获得更准确的回测结果，保证前期编写的交易模型更有效力。
- 执行系统方面，因为语言逻辑的清晰性，使模型执行时出现BUG的概率大为降低，不错过任何投资获益点。
- 风险管理过程中，因为语言清晰，所以很容易找到调整点，进行数据细微调整来控制必须的风险管理，而不影响整个交易模型的完整运行。
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
