量化交易

量化交易

1. 概念：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。

• 便于理解的说，从一个灵感开始；量化交易主要把灵感细化成明确的可执行的交易策略。量化交易具体概念信息
  例如：

  如果股价显著低于近几日的平均价，则买入
  如果股价显著高于近几日的平均价，则卖出

显然它是不够明确的。比如多低叫显著低于？多高叫显著高于？近几日究竟是几日？买入卖出是买卖多少？我们把它细化：

  如果股价低于近20日平均价10%，则用全部可用资金买入
  如果股价高于近20日平均价10%，则卖出全部所持的该股票

还有一点不明确的地方，买卖哪个股票呢？我们认为这个交易方法盈利与否应该跟交易哪个股票关系不大，但st股票除外（知道st股票是一类有风险特别大的股票），所以股票的选择范围是除st股外的国内A股的所有股票。所以我们进一步细化：

  每个交易日监测是除st股外的国内A股的所有股票的股价
  如果股价低于近20日平均价10%，则用全部可用资金买入该股票
  如果股价高于近20日平均价10%，则卖出全部所持有的该股票

现在我们基本已经把之前的灵感细化成明确的可执行的交易策略，可能还有些地方不够明确，也可能有些细节还不确定要改动，这些可以随时想到随时再改。

2. 把策略转成程序

• 把明确后的策略通过编程转成程序，好让计算机能根据历史数据模拟执行该策略，以及能根据实际行情进行反应并模拟交易或真实交易。

把刚刚的策略翻译成计算机可识别的代码语言：
每个交易日监测是除st股外的国内A股的所有股票的股价

  如果股价低于近20日平均价10%，则用全部可用资金买入该股票
  如果股价高于近20日平均价10%，则卖出全部所持有的该股票

这样一来，就把刚才细化好策略转成了代码程序，计算机就能运行了。这个过程你可以理解成用计算机能听懂的语言（代码），把你的策略告诉给计算机了

# 转化为类似这样的代码
def initialize(context):
      g.security = ['002043.XSHE','002582.XSHE']
  def handle_data(context, data):
      for i in g.security:
          last_price = data[i].close
          average_price = data[i].mavg(20, 'close')
          cash = context.portfolio.cash
          if last_price > average_price:
              order_value(i, cash)
          elif last_price < average_price:
              order_target(i, 0)

3. 检验策略效果

• 基本的检验策略方法有回测和模拟交易两种方法
• 回测：是让计算机能根据一段时间的历史数据模拟执行该策略，根据结果评价并改进策略

  设定初始的虚拟资产比如500000元、一个时期比如20060101到20160101，把这一时期的各种数据如估计股价行情等发给计算机，计算机会利用这些数据模仿真实的市场，执行你刚才告诉它的策略程序。
  最后计算机会给你一份报告，根据这个报告你就会知道，在20060101的500000元，按照你的策略交易到20160101，会怎样？一般包括盈亏情况，下单情况，持仓变化，以及一些统计指标等，从而你能据此评估交易策略的好坏

  如果结果不好，则需要分析原因并改进。如果结果不错，则可以考虑用模拟交易进一步验证

• 模拟交易：是让计算机能根据实际行情模拟执行该策略一段时间，根据结果评价并改进策略。

   设定初始的虚拟资产比如500000元，选择开始执行模拟交易的时间点，比如明天。那么从明天开始，股市开始交易，真实的行情数据就会实时地发送到计算机，
   计算机会利用真实的数据模仿真实的市场，执行你的策略程序。同时，你会得到一份实时更新的报告。这报告类似于回测得到的报告，不同的是会根据实际行情变化更新。同样你能据此评估交易策略的好坏

回测是用历史数据模拟执行策略，模拟交易是用未来的实际行情模拟执行策略。
如果策略在回测与模拟交易的表现都非常好，你可以考虑进行完全真实的真金白银的实盘交易

• 与回测不同，回测是用历史数据模拟，模拟交易使用实际的实时行情来模拟执行策略的
• 进行实盘交易并不断维护修正

让计算机能自动根据实际行情，用真金白银自动执行策略，进行下单交易。注意，这时不再是用虚拟资产模拟交易，亏损和盈利都是真钱。实盘交易一般也会给出一份类似模拟交易的会不断更新的报告，从而不断要观察策略的实盘表现并及时调整与改进策略，使之持续平稳盈利

4. 量化交易的价值

• 可以利用大量历史数据检验策略，效率提升百倍
• 更科学更客观的衡量交易策略的效果
• 全市场实时捕捉交易机会
• 更多的盈利机会

5. 量化交易需要什么

• 要有各种数据。要有能方便使用的各种投资相关的数据。这要考虑到各种数据的收集、存储、清洗、更新，以及数据取用时的便捷、速度、稳定
• 还要有一套量化交易的系统，要有能编写策略、执行策略、评测策略的系统。这要考虑到系统对各种策略编写的支持、系统进行回测与模拟的高仿真、系统执行策略的高速、系统评测策略的科学可靠全方面

6. 聚宽

• 聚宽是一家量化交易平台，为投资者提供做量化交易的工具与服务，帮助投资者更好地做量化交易。
  在聚宽量化交易平台，“大型收割机”已经为你准备好了，不需要你自己造了，你只需要学会使用它
• 聚宽让做量化交易的成本极大降低
  • 提供多种优质的便于取用的数据
  • 提供投资研究功能，便于自由地统计、研究、学习等
  • 提供多种的策略评价指标与评价维度
  • 支持多种策略的编写、回测、模拟、实盘
• 聚宽让量化交易的成长之路更为平坦