量化入门介绍

标题

量化入门介绍

作者: quantgalaxy@outlook.com   
欢迎交流   

0. 介绍

0.1 什么是量化交易

最近发现很多人想进行量化交易，学习量化相关知识，自己进行交易，或者为今后进入量化公司做准备。

量化交易是一种投资方式，使用先进的数学模型替代人为的主观判断，并利用计算机技术从庞大的历史数据中筛选能带来超额收益的多种“大概率”事件以制定策略。

这种投资方式的目标是减少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。

其实量化交易是很偏数学和计算机的一门知识。入门的话，基本都要从计算机知识学起，然后就是量化的入门概念，后续可能进阶到机器学习。

网上很多文章，都进行了很大范围的推荐，一下子吓退了很多人，我这里写的这个文章，是想用很简单的几本书，让你对量化有个概念，然后快速的可以判断自己是否感兴趣，而不是一下子让你深入到细节中。

0.2 量化交易的类型

量化交易大致可分为以下四种类型

• 对冲交易：这种交易方式指的是同时进行两笔品种相关、方向相反、头寸相当的交易。这样无论市场如何波动，两笔交易可以形成盈亏相抵的局面。
• 趋势交易：这是一种通过计算机设定的程序，根据市场行情、趋势的指标，在价格或数量达到一定数值时，发出买入或卖出的信号，自动进行交易的方式。
• 高频交易：这是一种利用计算机化交易从那些人们无法利用的极为短暂的市场变化中寻求获利的交易方式。简单来说，就是持仓时间极短。
• 量化搬砖：这是一种将货币从价格低的交易平台转移至价格高的交易平台，并从中赚取价差的行为。

此外，根据不同的投资策略，量化交易还可以分为趋势类、马丁类、网格类、算法交易、高频交易、剥头皮类以及人工智能类等。
请注意，不同的量化交易类型各有特点，适应不同的市场情况和投资需求。投资者应根据自身的风险承受能力和投资目标选择合适的量化交易类型。
不同的类型，对应不同的出发点。

1. 量化需要的技能

1.1 Python

python现在基本是入门最快的语言，各种工具也非常多，对新手非常友好，可以满足大部分量化需求。
如果你进入量化公司进行高频交易，可能才会需要学习c++，这是后话，对新手来说，必备的是学习python。

1. 《Python编程 从入门到实践》 Python入门书，看最新版本。第一本和第二本可以二选一。
2. 《Dive Into Python 3》 Python入门书，有中文和英文资源。第一本和第二本可以二选一。
3. 《python金融数据分析》 看最新版本。主要是使用python进行数据处理的介绍，目标是学会一些数据处理库：Pandas，NumPy，SciPy，Matplotlib。

1.2 量化交易概念

1. 《打开量化投资的黑箱》
2. 《投资策略实战分析：华尔街股市经典策略20年推演》
3. 《量化交易从入门到精通 如何构建你的算法交易系统》

1.3 量化进阶

这是两个不同的方向，可以先选一个方向的一本书看看，不需要同时看那么多，看不进去的，换个方向看看。

1.3.1 组合管理方向

1. 《主动投资组合管理 创造高收益并控制风险的量化投资方法》
2. 《量化股票组合管理 积极型投资组合构建和管理的方法》
3. 《因子投资 方法与实践》

1.3.2 高频日内方向

1. 《高频交易》
2. 《日内交易四部曲：如何利用普通指标获取丰厚利润》
3. 《日内交易入门》

作者: quantgalaxy@outlook.com   
欢迎交流   

1.4 经济类知识

1. 《经济学原理》曼昆
2. 《麦克米伦谈期权》
3. 《普林斯顿概率论读本》

1.5 机器学习

机器学习已经在量化交易中大范围使用，毕竟靠人找规律，或者是靠人发掘因子，都十分低效，这里只是列出来了机器学习的入门资料。
如果想把机器学习应用在量化领域，需要更多的资料，在量化深入学习中再讲。

1. 吴恩达机器学习课程：b站上看视频

2. 量化需要的资源

2.1开源框架

一套好的框架，是进行策略验证，实盘交易的基础。
下面两个，都是开源的回测框架，非常适合新手学习和使用。也方便的改为实盘交易，在量化深入学习中再讲。

1. backtrader: https://www.backtrader.com/
2. backtesting.py: https://kernc.github.io/backtesting.py/

2.2 数据获取

数据是进行量化的基础，下面两个网站，提供了足够的历史数据和api接口，可以方便的获取数据，进行回测实验和模型训练。
后续如果进行实盘交易，建议使用券商的api接口，购买券商的数据权限。

1. tushare: https://tushare.pro/
2. akshare: https://akshare.xyz/

3. 总结

上面列出来的图书，你应该在半年内看完，如果感觉没兴趣，或者在半年内都没有看完，其实就可以放弃了。

半年看完第一遍书后，可以根据需要的资源，进行自己的量化策略开发，进行回测。

在看书的时候，也可以在一些量化平台进行简单的信号或者因子试验，比如bigquant，上面有非常简易的手段进行因子挖掘，策略回测。但是对于更深入的机器学习和模型搭建，还是需要自己构建一套完整的量化框架，在量化深入学习中再讲。

作者: quantgalaxy@outlook.com   
欢迎交流