Python与量化投资 第 六 章

Python与量化投资

从基础到实战

第六章 常见的量化策略及其实现

在前面章节基础上，本章将展示什么是量化投资，以及如何利用优矿量化平台编写各种策略。
本博客只介绍基本的理论，不进行深入研究，优矿平台可以免费使用，但是运行条件受限。可以研究其他的量化平台，不过想要条件好，就得会员。

6.1 量化投资概述

• 量化投资简介
  量化投资是借助量化金融分析方法进行资产管理的一种投资方法，而量化金融分析方法是一种结合了金融数据、个人经验、数学模型及计算机技术的复杂金融及分析方法。
  金融数据：行情数据、高频数据、因子数据、新闻数据等
  个人经验：基金经理的个人投资经验
  数学模型：统计分析、机器学习、深度学习
  计算机技术：简单计算、并行计算

• 量化投资策略的类型

常见的资产类别：
股票策略
基金策略：指数、分级、股票型、债券型、货币型、衍生证券型基金
期货策略：股指、商品期货
期权策略：指数和个股期权
债券策略：国家、政府、上市公司、未上市公司、其他资产债券、组合债券
海外资产策略：直接投资海外市场证券、通过国内跟踪海外市场的基金来进行间接投资

• 量化研究的流程
  

获取数据：公司财务数据、新闻数据、关联数据、基金行情数据、高频数据

数据分析挖掘：传统分析方法、新兴大数据、机器学习、数据挖掘方法

构建信号：在构建信号前进行数据处理、标准化、去极值、中性化；基础信号的研究、分组回测、ic、ir、衰减、行业分布；将基础信号合成复杂信号。

构建策略：策略模板

回测： 完美符合历史的真实行情、股票分红送转、除权除息处理、股票涨跌停处理等

策略分析： 策略归因、风险归因、订单分析、成交分析、多策略分析

模拟交易： 接入实时行情、实时获取成交回报、篮子交易、算法交易

实盘交易： 接入真实券商账户 、 极速行情、实时下单、实时获取订单回报

历史一直在变，唯一不变的是历史一直在发展。
在量化投资领域，数据是最大的核心，甚至是唯一的核心。

6.2 行业轮动理论及其投资策略

• 行业轮动理论简介
• 行业轮动的原因
• 行业轮动投资策略

6.3 市场中性Alpha 策略

• 市场中性Alpha 策略介绍
• 市场中性Alpha 策略的思想和方法
• 实例展示

6.4 大师策略

• 麦克· 欧希金斯绩优成分股投资法
• 杰拉尔丁·维斯蓝筹股投资法

6.5 CTA 策略

• 趋势跟随策略
• 均值回复策略
• CTA 策略表现分析

6.6 Smart Beta

• 基于权重优化的Smart Beta
• 基于风险因子的Smart Bata

6.7 技术指标类策略

• AROON 指标
• BOLL 指标
• CCI 指标
• CMO 指标
• Chaikin Oscillator 指标
• DMI 指标
• 优矿平台因子汇总

6.8 资产配置

• 有效边界
• Black-Litterman 模型
• 风险评价模型

6.9 时间序列分析

• 与时间序列分析相关的基础知识
• 自回归（AR）模型
• 滑动平均（MR）模型
• 自回归滑动平均（ARMA）模型
• 自回归差分滑动平均（ARIMA）模型

6.10 组合优化器的使用

• 优化器的概念
• 优化器的API接口
• 优化器实例

6.11 期权策略：Greeks 和隐含波动微笑计算

• 数据准备
• Greeks 和隐含波动率计算
• 隐含波动率微笑

第七章 量化投资十问十答

量化投资涉及很多方面，有各种场景下的应用，定义也比较困难，我们姑且将其定义为借助于数学知识、统计学知识开发出策略模型，根据策略模型给出的信号严格执行信号的投资过程。其本质是从数据的角度提炼出市场不够有效的成分，用模型加以概括。