量化交易是指依據(jù)客觀數(shù)據(jù)來計算開倉和平倉的時點，相對于主觀交易具有確定性和紀律性等優(yōu)點。目前量化交易主要可以分為：基本面量化交易，技術(shù)指標量化交易和高頻量化交易三大類。無論是哪一類量化交易，想要入門都離不開收集整理基礎數(shù)據(jù)，開發(fā)量化數(shù)學模型和歷史數(shù)據(jù)績效回測這3個步驟。

基本面量化交易相較于技術(shù)指標量化交易需要更多的經(jīng)濟和金融知識儲備，較難上手。根據(jù)不同的模型需要定期收集來自國家統(tǒng)計局、海關(guān)、央行等部門發(fā)布的經(jīng)濟數(shù)據(jù)，然后根據(jù)交易標的受各類經(jīng)濟數(shù)據(jù)的影響情況開發(fā)量化模型，最后跟歷史行情走勢復盤模型的績效。

技術(shù)指標量化交易相對來說是最容易上手的，基礎數(shù)據(jù)一般只需要價格、成交量、持倉量等數(shù)據(jù)，而這些數(shù)據(jù)基本上各種行情軟件都提供。然后可以使用一些經(jīng)典指標，例如布林帶、KDJ、MACD等，也可以自創(chuàng)指標，最后通過歷史行情走勢復盤驗證指標的有效性。

高頻量化交易可以說是最難上手的一種，其基礎數(shù)據(jù)要求收集tick級別的海量數(shù)據(jù)，而且除了編寫量化模型以外，還需要考慮機器的硬件速度，距離交易所服務器的遠近等問題。對于新手來說一般不推薦直接學習高頻量化交易。

最后，想要較為順利的完成以上3個步驟，可能需要較為精通計算機編程，因為無論是基礎數(shù)據(jù)的收集整理，還是最后交易過程的程序化實現(xiàn)都離不開簡單的編程步驟，好在目前很多平臺都提供一些簡單語言，有一定基礎的人參照示例很快就可以自己編寫了。

量化交易是指通過嚴謹?shù)臄?shù)學或統(tǒng)計學模型，借由計算機的輔助，通過對大量歷史數(shù)據(jù)的分析，從而選擇大概率有超額收益的投資方法，然后由計算機直接執(zhí)行的方式。

注意：量化交易在執(zhí)行層面上有很強的客觀性，但本質(zhì)上是一種主觀性很強的交易方式。因為策略思想，投資邏輯，市場選擇以及計算機何時執(zhí)行都是由投資者事先確定的。

量化交易系統(tǒng)的結(jié)構(gòu)主要由以下幾部分組成：

1.尋找策略思想

2.取得所需數(shù)據(jù)

3.生成策略模型

4.檢驗策略模型

5.部署實盤交易

6.策略運行評估

注意：每一個組成部分都不是一蹴而就的，需要反復測試，修改，驗證。

如果您是專業(yè)的投資者，我個人認為入門以及唯一應該做的就是確定好自己的策略思想就好了，其他的交給專業(yè)的機構(gòu)去完成，因為系統(tǒng)開發(fā)不是一個簡單的過程。

如果您只是單純地想了解量化交易的話，入門依然是策論思想，包括經(jīng)典理論，邏輯推理，經(jīng)驗總結(jié)等。比如說宏觀基本面和中觀行業(yè)面的信息，然后傳統(tǒng)的經(jīng)典理論有道氏理論，艾略特波浪理論，時間周期等等。

推薦幾本書：《日本蠟燭圖技術(shù)》（強推），《江恩投資哲學》《聰明的投資者》。

注意：經(jīng)典的投資理論很多是基于作者所處的年代和市場，因而有其局限性，所以需要根據(jù)自己的實際情況去糅合各家的理論所長，在交易中靈活運用并總結(jié)為可以為己所用的精華。

最后補充幾個經(jīng)常和量化交易一起出現(xiàn)的概念：程序化交易（自動化交易），高頻交易，算法交易。

程序化交易：強調(diào)下單交易工具是通過計算機自動檢測和執(zhí)行，跟策略本身的開發(fā)和優(yōu)劣無關(guān)。

高頻交易：這個高頻是指交易依賴的信息是高頻度信息，而不是頻繁交易的意思，它有可能交易很多，也可能交易很少。交易過程中采用低延遲技術(shù)對數(shù)據(jù)進行分析和處理，對計算機的硬件和軟件要求較高。

算法交易：目的是減少對市場的沖擊和影響，降低交易成本，比較典型的例子是“大單拆小”，在大多數(shù)情況也是通過程序化交易實現(xiàn)的。

量化投資的門檻還挺高的，從知識儲備來說，計算機Python和金融學知識至少都是要了解的，可以選懂一樣再學另一樣。而真正做量化的時候就涉及到數(shù)據(jù)，回測框架和策略研究，建議最好先用一個平臺，因為自己一個人買數(shù)據(jù)做框架不現(xiàn)實，我自己用的是聚寬的平臺，好處是常規(guī)的財務數(shù)據(jù)，行情數(shù)據(jù)和技術(shù)指標基本都有，入門是夠用了。談到升級，難度就大很多，比如多因子策略，需要用到的回測框架就復雜很多，要做IC回歸，T檢驗，分層測試，這時候就要再補習統(tǒng)計學的東西，真的都弄了一遍發(fā)現(xiàn)常規(guī)的因子賺不到什么錢，要要開始因子挖掘，量化也是條不歸路，且行且珍惜吧。

1.??? 堅持。堅持是一種習慣的最佳培養(yǎng)方式，到點必須執(zhí)行某種動作，長期堅持。我就堅持看出，到點就執(zhí)行，哪怕打開書我就犯困，走神，也要堅持執(zhí)行，而且堅持看30分及以上。

2.??? 訓練速讀速記的能力。這個技能是自學者的必備技能，因為他可以幫你充分利用碎片時間。這個技能經(jīng)常會給我?guī)�來驚喜，長期大量的碎片信息記憶積累，會在不經(jīng)意的某天鏈接成知識塊，也為我進行系統(tǒng)學習時提供充足的素材、提高學習效率。最重要的一點是，它是靈感的重要來源。

3.??? 建立學習正反饋機制。為什么人喜歡玩游戲，尤其是電子游戲，有人專門分析過這個問題，那就是游戲有及時的反饋，然玩家隨時獲得成就感，所以就會不斷的投入注意力。我也為自己在學習問題上建立了很多正反饋機制，例如，如果一周內(nèi)我的學習時間達到10小時，我就會去吃點好吃的。如果超過15小時，我就會去買點自己想要的。如果超過20小時，我就會在周日給自己放一個小假。再例如，激發(fā)自己的好奇心和欲望，讓自己能夠想要去知道結(jié)果，或者急切的渴望達成。再再例如，讓自己中二一點，給這件事情賦予一個神圣的意義，讓整個事情充滿儀式感。。。。

4.??? 與自己的終極目標相結(jié)合。這個其實是第三條的超級加強版，其實很多人都論述過這個觀點，那就是把一件辛苦的事情和自己的終極目標相結(jié)合，那么這件事情會變得非常有樂趣，誰勸都沒用。

5.??? 豐富的學習手段。這個主要是看個人的愛好了，我的做法是把記筆記變成一種樂趣，我紙質(zhì)筆記和電子筆記都用，還買了彩色筆豐富筆記顏色�？傊�就是弄一些讓自己能夠愉悅的學習工具來使用。

?

說一下我個人的經(jīng)歷吧。之前先做國際市場自動化交易差不多有五年。

這五年非常痛苦。人生真的感覺沒有什么樂趣，除了交易還是交易。每天除了改參數(shù)。想策略。復盤測試。在改參數(shù)，在想策略。。。。。

基本上能想到的都想到了。最后還是沒有大成功。略見小偉的成功。

當然，現(xiàn)在回過頭來看，這種經(jīng)歷真的是一輩子的財富。因為自動化交易，它是一種逆人性的培訓方式。不是什么人都能夠有這樣一種閱歷。我現(xiàn)在的大腦就是那個時候特殊訓練。自我感覺確實有點不入流吧。

雖然經(jīng)歷過啦，也無法在串改。雖然沒有賺取大額的資金，但是為以后穩(wěn)定盈利。賺取了堅實的基礎。

這個行業(yè)靠自己太難了。

因為以前在后臺工作。最多能統(tǒng)計幾十萬客戶的盈虧比例。全自動交易手法。以及各種策略。有些學是學不來的。

書不在多，看這幾本就行：

系統(tǒng)學習1：Barra USE3 handbook

系統(tǒng)學習2：Quantitative Equity Portfolio Management（QEPM）， Ludwig Chincarini 偏學術(shù)風格。

系統(tǒng)學習3：Active Portfolio Management（APM）， Grinold & Kahn 偏業(yè)界風格。

系統(tǒng)學習4：Quantitative Equity Portfolio Management（QEPM）， Qian & Hua & Sorensen APM的補充

值得總結(jié)的是數(shù)學、計算機、分析框架等工具都只是量化投資的形，優(yōu)質(zhì)投資想法才是靈魂。所以在修煉上述量化投資的基本功的同時，請不要忘記向有洞察力、有獨立思考的其它派系的投資專家學習，無論他/她是價值投資、成長投資、漲停板敢死隊、技術(shù)分析、主題投資、逆向投資、各類套利。將你自己想出的或者從別人那里習得的投資想法，用量化框架驗證、改進、去偽存真，并最終上實盤創(chuàng)造價值。

色既是空，空既是色

用 tushare 獲取股票行情數(shù)據(jù)，用python scikit learn 庫 做模型

學習量化交易，一定bai要理解它的風險性du從何而來。

首先是一二級市zhi場“級差”風險，其次是交易員操作風險，最后是系統(tǒng)軟件的風險。

第二種風險是交易員操作失誤。這同時也牽扯到第三種風險，系統(tǒng)軟件風險，每個交易員在系統(tǒng)中都有相應的交易權(quán)限，包括數(shù)量、金額。

有個業(yè)內(nèi)資深人士帶路會事半功倍，尤其對金融愛好者而言，一些理解上的細微偏差，都可能導致整體概念上的錯誤認識。

比如我就是通過資深人士帶著入門的。除了學習量化收益，還學了很多投資理財方面的知識，有各種理財偏好，每個群體對應了不同的投資類型……推敲過后，我選擇了無界財富，因為他們風控模式可以看出，比如國有金融機構(gòu)風控、銀行存管這些，比較穩(wěn)健的方式。

所以說，他不僅是學我習量化交易的前輩，還是我理財?shù)娜腴T引導人，他多次提醒我們不要盲目跟風，以自己的風險承擔能力來選擇。如果偏好穩(wěn)健的方式，同樣可以選擇無界財富這類穩(wěn)健平臺作為入門。

需要解決困擾的趨勢、買賣點，識別莊家動向和主力資金流向，股票深套想要解套，選股、買賣點把握不好，可以私信貓九 關(guān)注股票股市貓九，投資不迷路！

量化交易，指的是利用數(shù)學模型，在金融市場中尋找穩(wěn)定超額收益的投資手段。量化交易有著挖掘信息能力強，不易受主觀情緒影響，下單及時、準確，風險控制嚴格等特點，能夠獲得穩(wěn)健的收益。而其相對于傳統(tǒng)主觀投資，上手難度也比較大，門檻較高。入門量化交易，主要需要了解如下幾方面的知識。
1.數(shù)學/統(tǒng)計學知識
既然說到用數(shù)學模型，那數(shù)學和統(tǒng)計學的知識是必不可少的。由于國內(nèi)金融市場尚不完備，一些衍生品交易受到限制，所以相較國外市場，能用到的數(shù)學/統(tǒng)計學知識也要少一些。對于非理工背景的投資者，需要補充基礎的高等數(shù)學，線性代數(shù)，概率論，統(tǒng)計學，最優(yōu)化理論等等學科的知識，這些內(nèi)容可以在高校教科書中找到。對于一些新興的利用機器學習的交易策略，還需要了解一些數(shù)據(jù)挖掘的知識。但既然是入門，這部分自然不是必要的。
另外，計量經(jīng)濟學的應用尤其廣泛。進行策略研究時經(jīng)常要面對大量的時間序列、面板數(shù)據(jù)。雖然在實踐過程中更加注重策略結(jié)果，只要能賺錢的策略就是好策略，但在嚴謹?shù)挠嬃坷碚摰闹С窒�，回歸結(jié)果更準確，能更好的刻畫數(shù)據(jù)背后的關(guān)系，故往往更容易得到與預期相近的結(jié)果。其中，時間序列回歸與截面、面板回歸的邏輯與假設均有較大區(qū)別，且廣泛用于刻畫及預測金融資產(chǎn)的收益，波動。計量經(jīng)濟學的書籍推薦伍德里奇的《計量經(jīng)濟學導論：現(xiàn)代觀點》；時間序列推薦布魯克斯的《金融計量經(jīng)濟學導論》。

2.編程能力
由于量化策略要處理大規(guī)模的數(shù)據(jù)，并采用復雜的數(shù)學算法，故需要利用程序來完成這一過程。大部分面向?qū)ο蟮木幊陶Z言，如Python，Java，R等都可以勝任這一工作。我在這里推薦Python，在業(yè)界比較主流，其特點主要是包括大量第三方開發(fā)的包，如處理數(shù)據(jù)的Numpy，Pandas，和金融包Talib，和各個平臺及其他語言兼容性良好。其中Pandas是美國知名對沖基金AQR開發(fā)的數(shù)據(jù)處理包，非常適合用于金融數(shù)據(jù)。Python的學習可以通過《利用Python進行數(shù)據(jù)分析》等書籍進行學習，也可以通過一些網(wǎng)上教程快速入門。在實際應用的過程中，應該多參考各個工具包的API文檔。
回測程序主要包括導入數(shù)據(jù)及初始化賬戶，每個交易時間點擇時條件、調(diào)倉邏輯，及回測結(jié)果計算，繪制凈值曲線等等。某些量化平臺封裝的回測環(huán)境，簡化了這一過程，能夠方便的對策略進行測試。

3.金融基礎知識量化交易，根本上是金融市場中的行為。雖然該崗位對數(shù)學、編程知識有要求，但脫離了其金融本質(zhì)，就無法設計出優(yōu)秀的策略。量化投資者需要了解各種金融資產(chǎn)的性質(zhì)，以及影響其價格的因素。對于股票而言，公司的基本面及財務情況，其所處行業(yè)的形勢能夠從某種程度上反映在其股票價格中，因此投資者應對此有基本了解。這部分可以參考博迪，凱恩，馬庫斯的《投資學》，以及財務會計，報表相關(guān)書籍。此外，中國市場受到人為操控的因素影響較為顯著，在實盤操作中，量化投資者在依賴量化策略進行投資決策的同時，一般也會加入一些主觀判斷，以更及時捕捉市場走勢，獲得更高的收益。因此，宏觀經(jīng)濟，政策形勢對金融市場的影響，也是投資者不能忽視的問題。每天看看財經(jīng)新聞，長久以來可以培養(yǎng)金融直覺。4.策略研究能力即是將以上內(nèi)容綜合運用，將投資思想程序化，開發(fā)成為有投資價值的策略的能力。起步時，應多參照已有的較為成熟的策略，進行完善復制。策略本身的邏輯可能三言兩語就能概括，但在實際執(zhí)行的過程中的細節(jié)不可忽略。眾所周知，在回測中表現(xiàn)突出的策略在實盤中不一定有效，但在回測中效果都不好的策略，難以在實盤重有良好的表現(xiàn)。過度擬合，幸存者偏差和使用未來函數(shù)都是新手經(jīng)常會出現(xiàn)的錯誤，避免這些錯誤，才能讓回測結(jié)果更好的接近真實情況。同時，在得到回測結(jié)果后，如何對收益進行歸因分析，研究持倉股票，風險暴露，并對參數(shù)進行優(yōu)化，也是量化投資者需要解決的問題。一些經(jīng)典的投資策略包括多因子策略（Fama-French三因子模型），技術(shù)指標擇時（MACD，布林帶等），動量反轉(zhuǎn)策略，事件驅(qū)動策略，統(tǒng)計套利策略等。其中很多策略源于外國學術(shù)論文，高質(zhì)量學術(shù)期刊包括Journal of Finance，Journal of Financial Economics等等。同時有一些系統(tǒng)的教學書籍，包括Barra Handbook（多因子圣經(jīng)），Quantitative Equity Portfolio Management（主要講解投資組合管理），Quantitative Trading Strategies（主要講如何構(gòu)造量化策略）。5.在實踐中學習策略回測終究是回測�；�于過去行情設計的策略，一定能在過去的時間區(qū)間內(nèi)有良好的表現(xiàn)。但同樣的歷史不一定會重演，隨著市場趨勢和微觀結(jié)構(gòu)的改變，策略在未來的時間可能不會按照預期的方向發(fā)展。實盤中還存在報表信息公布延遲，交易摩擦，下單對市場價格影響等問題。故一個交易策略，在經(jīng)過嚴謹全面的回測檢驗后，要在實盤上檢驗其真正效果。在接觸量化交易初期，了解數(shù)學編程，模型搭建中的細節(jié)處理都是繞不開的問題。而如今各種技術(shù)手段都較為成熟，可供大家使用，一個成功的投資者與眾不同的地方一定在于其設計策略的思想，和對市場的把握。設計交易策略應以背后的金融直覺為基礎，是我一直堅信的理念。希望各位投資者能夠在量化投資領(lǐng)域中找到自己獨特的視角，成為下一個西蒙斯！