程序化交易学习记录

### 程序化交易学习记录

> 前言：周末一个朋友向我介绍他们的程序化的外汇交易，还挺感兴趣，又沟起了我对程序化交易的兴趣，但花了一个下午学习相关的资料，记录下来学习的体会和心得

##### 一、什么是程序化量化交易？

通过程序而非人工人方式进行的自动化交易；整个交易执行的是由人工预先制定的量化策略；通过程序化交易剔除了人情感的影响，全部按照预先的程序当前的各种指标进行交易。

```

下面是一个策略的部份代码：

# 轮换选股后清除新股票池外的持仓

def reset_position(context):

    if context.portfolio.positions.keys() !=[]:

        for stock in context.portfolio.positions.keys():

            if stock not in g.buy_stock:

                order_target_value(stock, 0)

def conduct_dapan_stoploss(context,security_code,days,bench):

    hist1 = attribute_history(security_code, days + 1, '1d', 'close',df=False)

    security_returns = (hist1['close'][-1]-hist1['close'][0])/hist1['close'][0]

    if security_returns <bench:

        for stock in g.buy_stock:

            order_target_value(stock,0)

            log.info("Sell %s for dapan nday stoploss" %stock)

        return True

    else:

   

```

##### 二、程序化量化交易的核心能力是什么？

程序化量化交易比拼的是各个的策略的好坏；分析师不断去调优、优化策略、回测，来调整基金的收益，不同的策略在不同的时期效果也不一样，毕竟目前的策略大多只从盘面、公司的财务等因素进行分析；

##### 三、程序化量化交易是AI交易吗？

明显不是，程序化交易是分析师根据之前的历史数据，基本数据建立的一套数学模型，本身不具备自我学习修复的能力，所以并不智能，只能自动。

##### 四、目前基于AI学习的智能交易吗？

今年10月份，美国一家公司基于IBM AI 的智能算法 发行了 AIEQ ETF 号称是智能选股，并且自我学习，但目前的情况并不乐观目前收益率远低于大盘。

##### 五、AI 在证券交易的难点在哪？

AI 的优势在于他有强大的学习能力，对于“经验性”的行业 具有人类所不能达到的优势，Alpha GO 第一代是基于人类的棋谱不断去学习，知道该怎么下；Alpha GO 第二代是机器之间自我学习，自己验证，对于围棋来说按照这样的规则，始终为有穷可选组合； 但对于股票来说，可变化性非常大，没有一本书，告诉你这样做就是对的，那样做就是错的，以前的经验也不代表未来的经验，所以 AI 第一步的 "训练"就非常难建立，没有一个好的标准来让他训练。

##### 六、AI 可能应用在 证券交易上吗？

这是肯定的，我相信一定可以的，但需要把更多的数据所量化，并且所进行采集，参考到分析中，包括情绪 舆论等。