量化投资系列介绍第二章——聊一聊什么是量化策略
今日熊猫君有空，就继续聊聊量化交易的相关知识，那今天开始聊聊量化策略的那些事儿。
一、那什么是量化策略呢？
量化策略指整个量化交易过程从数据接收、处理到交易执行都是由计算机程序自动完成，而不是单凭人的感觉或直觉进行判断和决策。
传统的交易员通常是在看到某种图形化的技术形态后，来执行特定的交易，如果能把图形形态用一系列计算机程序能识别的数据来描述，让程序自动判断并决策是否要进行交易，并自动进行仓位的管理和风险控制动作，这样也就变成了可用电脑自动化执行的策略，这样也就稳妥多了，用不着因为自己的疏忽错过了大行情。
1.从数据处理角度来看：
输入： 行情数据、基本面数据、数量化的新闻事件、成交回报等等
处理： 数据的加工、逻辑判断运算
输出： 交易订单
2.从建模的角度来看：
完成一个策略需要两大步骤，首先是策略研究；其次是策略的实现和改进。
假设前提：
-历史会重复，规律就隐藏在数据中
-行情发展是众多参与者行为共同作用的结果，人的金融行为集合是有迹可循的
建模过程：准备数据＞ 清洗加工＞ 挖掘 ＞ 发现规律 ＞ 提出模型假说 ＞ 回测检验
结果：一个相对可靠的模型，并且在逻辑上是解释得通的；
模型只是研究的结果，还需要把模型用计算机程序实现出
3.从人工智能的角度来看：
量化策略就是一个能坚定地执行你的交易思路的智能机器人，它会替代你去时刻监视行情变化，完成烦琐的交易动作。
几种常见的经典策略
1.多因子选股模型
2.普通指数基金和增强指数基金
3.事件驱动模型
（1）定向增发
（2）定增破发
（3）大股东和高管增持
（4）股权激励
（5）并购重组
4.ALPHA策略（量化对冲策略）
5.无风险套利
l股指期货期现套利
6.统计套利
（1）组合统计套利
（2）分级基金折溢价套利
（3）跨品种套利
（4）跨市场套利（AH股套利）
（5）跨期套利
（6）基金封转开套利
7.期权/可转债和标的之间的套利
（1）期权与标的之间的套利
（2）可转债和标的之间的套利
8.单一证券的量化交易策略
三、量化策略开发过程中，需要学哪些知识
所用到的知识无非就是数学（统计居多）、计算机编程（matlabpython）、二级市场的庞杂的交易知识和理念（行为金融、技术面分析、基本面分析等）。
数学统计方面：凸优化、多元线性模型、显著性统计检验、方差分析、建模分析、线性代数；
计算机方面：主要是编程，语言来说Matlab、R、Python都可以，只是工具，没有模型重要，模型的实现会用计算机手段，常用Python跟Matlab。
金融知识：财务报表。
量化交易重点在于收益、风险、成本的全流程理解与控制，并与市场与时俱进。
四、市场中有哪些量化交易平台
JoinQuant：用得还行
优矿：回测速度相比JoinQuant慢，界面比较清新，也算弥补了回测慢的不足。数据齐全但调用API多而杂，大量的冗余
Ricequant：用的不多，还没开始使用
量亿数据：量亿数据（liangyee.com）服务于量化/程序化投资者，也帮助所有小白或比较主观期货交易者实现云端自动化交易。在这里，量Q教你计算各种指标、控制账号内的资金，以及教你将复盘的策略接入实盘。
五、如何开发一个量化策略，今天先以量Q平台为例
关于量Q的使用技巧：另外一篇文章详谈
量Q（量Q下载到量亿数据官网下载）-----为量化交易而生，是一群热爱量化交易，志同道合的研发团队推出的，以金融大数据为载体，量化算法为支撑一款交易量化金融分析工具，为投资者提供及时、专业的数据分析和策略回测及优化。量Q是为专业量化机构和宽客打造的一套全栈式量化交易解决方案。帮助投资者解决交易中量化分析的问题，从而提升投资者交易砝码。
本章先暂时介绍到这里，下面开始分别介绍这些策略以及他们如何应用。更多关于量化投资的干活和知识分享，以及用量Q工具进行历史数据回测，请关注公众金码讲。
网友评论