1、开发工具:PYTHON,Anaconda,Pandas 基本的工作环境(之前的博客有记录)
2、数据:
Akshare的使用
数据是量化工作中最有价值的资产,是否是好的数据至少要看如下几个方面:
是否包含退市股票
是否包含尽可能多的历史时间
是否注意了财务数据发布的时间
股票曾用名
有没有前收盘价数据,是否可以计算复权价、复权因子
所以,使用AKShare,收集并整理一份优质的数据,服务自己(某些人看来是重复的工作,造轮子的工作)我觉得十分有必要,并且要做为持续的工作展开。
同时要知道,好的数据的价值是巨大的,如果从别的第三方买整理后好的数据,几万是少了,动辄一年要花几百万。
数据包括了行情的数据(交易产生的),财务数据,以及其他数据。
数据来源:新浪财经,网易财经,腾讯财经,东方财富,大智慧,万得,同花顺,通达信,这些互联网网站,以及股票软件。
3、量化投资,量化了什么,投资了什么?
量化是指使用计算机作为工具,通过一套固定的逻辑来分析、判断和决策。量化策略既可以自动执行,也可以人工执行。
机器,他没有情感,决策相比人来说更加理性
机器,不知道疲惫,重复工作不管做多少次它都不会喊累,而人总是会疲劳的
机器,运算量大,人类即使有算盘,EXCEL等简单工具,也算不过计算机
国内的金融市场,量化交易,占比约10-20%,远低于欧美成熟资本市场的50-60%
无论是短线交易,还是长线价值投资,量化交易都可以成为一种辅助。
一个完整的策略需要包含
输入:策略处理逻辑
输出:选股、择时(买入、卖出)、仓位管理和止盈止损等因素。
4、举个例子来说下?
名称:小市值因子策略
结果:通过2006年到2016年的数据进行回测,10年实现了400倍的收益
描述:在所有的股票中,认为,市值小的股票,上涨的概率会更大
操作:每月末选股,买入,持有一个月,下个月末卖出
具体:在每个月的最后一个交易日,将所有的股票,按照市值从小到大排序,买入市值最小的10只股票,持有接下来的一个月,到下个月月底的时候,将持有的股票全部卖出,按照同样的选股策略,买入10只股票,如此往复。
5、量化是必赢?
未必。
从博弈角度来说,51%获胜就很厉害,如果通过历史数据(虽然历史数据有可能有个别比较烂,比如财务数据造假),在统计意义下都会得到比较客观的评价结果。
历史回溯的牛逼结果,不代表未来也是如此。小市值轮动策略之所以有效的背景,是由于审批制IPO管制形成的壳资源托底。但是,在注册制背景下,或者仅仅是IPO加速的隐形注册制,小市值策略终究会失效。目前,对于小市值策略,有不少投资者非常担心和焦虑,有的球友已经开始抛弃最小市值策略。
6、还有么?
我们假设庄家一定是要赚钱的,那么有没有可能抄庄家的作业,别人吃肉我喝汤行么,行!
盯着北向资金,它买我们买,他卖我们卖。买卖信号有了,但是买什么,也就是选股就是你自己的策略了。
类似的好玩的说法还有,如果散户买的股票,得赶紧卖,散户卖的股票,那估计是要大涨了,这些都是蛮有意思的策略。
所有的这些有意思的想法,都需要做成量化的 策略、择时。同时为了资金安全,一定要考虑自己手头的资金的分布,也就是仓位的管理,怎么分开用钱,风险最小,收益最大。
开启,量化之旅!