什么是量化交易？与程序化交易有什么区别？

量化交易指以先进的数学模型替代人为的主观判断。量化交易与程序化交易在性质、特点、发展趋势上有所不同。

一、性质不同

1、量化交易：利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

2、程序化交易：把可量化的分析方法，用计算机编成交易策略进行自动下单交易，程序化交易是量化交易的一部分，或者是某些量化交易的进一步升级。

二、特点不同

1、量化交易：

（1）纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

（2）系统性。具体表现为“三多”。多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；多数据，即对海量数据的处理。

（3）套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

（4）概率取胜。定量投资不断从历史数据中挖掘有望重复的规律并加以利用；依靠组合资产取胜，而不是单个资产取胜。

2、程序化交易：程序化交易的 *** 作方式不求绩效第一、不求赚取夸张利润，只求长期稳健的获利，于市场中成长并达到财富累积的复利效果。经过长时期 *** 作，年获利率可保持在一定水准之上。

三、发展趋势不同

1、量化交易：量化基金管理规模在国内证券基金的占比在1%~2%，在公募证券基金占比不到1%，在私募证券基金占比5%左右，相比国外超过30%的资金来自于量化或者程序化投资，国内未来的增长空间巨大。

2、程序化交易：国内市场的T+1交割制度使得大量日内交易策略不能得以实施，高频交易策略更是无从谈起。除此以外，股票市场不允许卖空、缺乏做市商制度、可供交易的产品简单、交易指令不够完善等，都不利于程序化交易策略的开展。

以上内容参考：百度百科-量化交易

以上内容参考：百度百科-程序化交易

程序化交易与量化投资的区别

程序化交易是什么？量化投资又是什么？事实上，我们中的绝大部分人并没有尝试了解程序化交易和量化投资的正确概念，而是笼统地将两者画了等号。更多所谓的评论者则直接把高频交易与低延时交易混为一谈，指鹿为马，误导公众舆论行吸睛之实。

在最早期纽约证券交易所(NYSE)的定义中，程序化交易是指包含15只股票以上、成交额在100万美元以上的一篮子交易，2013年8月NYSE取消了定义中总价值100万美元以上的条件。在后来的市场实践中，程序化交易的对象扩大到各个交易所上市的股票、期货、期权等，是由电脑直接发出下单指令并自动执行的。

随着金融衍生品的不断丰富，程序化交易成为机构投资的重要交易实现手段，解决了机构迫切需求的批量下单、全市场不间断交易、减少冲击成本等问题。这是一种技术手段，用软件下单替代了人工委托。机构采用程序化交易手段是希望在尽可能减少市场冲击的条件下，加速价格的形成，例如VVAP、TWAP等算法交易都是十分基础的程序化交易，其本身并不会放大涨跌幅。

量化投资的概念更加广泛一些，通常我们理解以数据模型为内核，以程序化交易为手段，能够自动识别投资机会并自动触发交易的系统性投资方法才是量化投资。不难看出，量化投资是投资的一种套路，而程序化交易只是一种客观的交易实现手段。极端一点来说，与场内喊单相比，投资者通过各种软件报单到经纪公司前置机，之后进入交易所撮合成交的过程其实也是程序化交易。

我们不能简单地把量化投资理解成程序化交易，更不能简单地把程序化交易理解成高频交易，量化是道，程序化是术，不应该被混为一谈，量化投资在国内还有巨大的发展潜力。国内出台的一系列抑制过度投机的措施虽然将量化投资一并连累，但其出发点仍然是针对那些可能扰乱市场秩序的程序化交易行为，以维护市场公平性。具体的方法可以商榷，但厘清概念、区分种类对监管者和从业者来说是不可或缺的前提。

程序化交易在争议中成长

在金融历史的多个时期，程序化交易与市场的剧烈波动都被联系起来，多个国家都曾经出现过打压程序化交易的阶段性举措，但同时也有众多的研究成果显示程序化交易并未破坏市场的稳定性，大量的实证研究表明，程序化交易与市场价格波动没有必然联系，也没有证据显示指数套利加剧了市场价格的波动。

金融交易史上从来不缺乏魔鬼交易员，胖手指事件可谓比比皆是，但为什么程序化交易会格外引发市场的关注呢？笔者认为，这与程序化交易一旦出问题，有可能在极短的时间内导致非常严重的后果，并有可能引起整个市场的连锁反应密不可分。加之程序化交易的“黑箱”特性，经过媒体的宣传发酵之后，令整个过程更加扑朔迷离，比起简单的胖手指事件更具新闻性。

而事实上，在全球金融市场耳熟能详的几个恶性事件中，出错的程序化交易与魔鬼交易员相比并没有在破坏力方面更为惊人。

2015年6月，德意志银行在伦敦的外汇部门的一名交易员将一订单中的“净值”错误处理为“总额”，令德银向一家美国的对冲基金客户白白送出了60亿美元，紧急协商之后，德银于次日收回了这笔款项，震惊的德银马上运行了高管调整。

比起德银这一次的幸运，2010年5月瑞穗证券 *** 盘手在J-COM公司股票上的一次胖手指事件令瑞穗证券最终经济损失超过300亿日元。

另一个广为流传的事件是2005年6月，一名富邦证券公司的经纪人在接受客户交易委托时，将英文数字8000万(eighty million)元误听为80亿(eightbillion)元。结果当日11时33分至11时40分之间，台湾股市大盘指数从6284.82暴涨到6342.45点，百余股票涨停。

而在标志性的程序化交易事故中，首屈一指的当数骑士资本的交易故障，以及Sarao利用程序化交易导致2010年美股闪崩这两大事件。

2012年8月1日，当时全美最大的做市商、高频交易领先机构骑士资本在此前一天更新做市部门的交易系统时出现误 *** 作，向市场发出了许多针对NYSE股票的错误报价，导致150多只股票价格异常波动，在不到一小时内巨亏4.4亿美元。该事件的直接后果是曾经风光无限的骑士资本被竞争对手收购才得以避免破产。

2010年5月6日，美股市场神秘暴跌9%，道指在几分钟内大跌近1000点。漫长的调查持续了5年，直到2015年37岁的交易员Navinder Singh Sarao在英国被捕。美国司法部在一份声明中表示，美国正在寻求引渡。据披露，美股闪崩当天，Sarao通过分层算法及spoofing算法 *** 纵标普500E-Mini指数获利90万美元，而美股投资者在几分钟内因闪崩损失了近1万亿美元。

此外，近年来包括西班牙股票交易所IBEX、东京交易所、CME在内的全球多家主要交易所也都曾出现过因系统问题导致交易暂停的事故。自程序化交易逐渐为市场所认知以后，各国监管机构对其运行约束与管理的措施就从未停止过，包括对于影响市场稳定的重大事件的责任人追诉民事责任。

总之，破坏市场交易秩序的并不是程序化交易技术本身，那些出问题的程序化交易与胖手指事件一样，背后的违法、违规行为，流程缺失以及交易机制漏洞才是这类事件的始作俑者。

他们是一个概念的两种说法，量化交易多用于国外，或者说量化交易是一个由国外引进的词。 程序化交易是国内的量化交易，在国内，多叫程序化交易。

量化交易和程序化交易最大的区别是：交易的过程中，如果是人工交易那就是量化交易，如果是计算机自动完成的交易，那就是程序化交易。

程序化交易

意思很简单，就是对应于人工交易，利用计算机程序(program)辅助、决策和执行交易。

程序化交易是指通过既定程序或特定软件，自动生成或执行交易指令的交易行为。

程序化交易中具体的交易时机，仓位，止损止盈，获利标准有可能编写进交易程序中，也可能独立于程序外。程序化只是交易执行的一种方式。

一般利用程序交易有一些众所周知的优势，比如较快的交易速度，避免人为情绪的影响有较好的执行力保证等。

同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制，资金利用，仓位管理等方面的内容，而不仅仅是买卖信号的产生。

量化交易

更多是基于数据和历史统计基础，通过数学工具研究市场中资产、价格的因素，成因从而制定一些交易决策。量化交易不一定需要用到计算机执行交易。但基于交易因素的数量变化引发的交易，都可以叫做量化交易。一般的量化投资都涉及到比较复杂的数学模型，对投资者的数学能力要求很高，但并不是说量化投资就一定会赚钱，这还要看模型是否有效。

这里不得不提到这两年很火的“人工智能”、“机器学习”。它们太容易和量化交易同时提起。但具体说来，他们互相包含，却又有不同。量化交易寻找的是有一定逻辑基础的相对规律。这些规律不是一成不变的，而机器学习中“学习”的概念是：如果一个系统能够通过执行某个过程改进它的性能，就是“学习”。所以对于机器来说，只能“执行过程”。这个过程一定是有确定性的。但这不能充分概括量化和人工智能的关系。因为机器学习只是人工智能的途径之一。

拓展资料：

量化交易的分类

1、趋势性交易

适合一些主观交易的高手，用技术指标作为辅助工具，但如果只使用各种技术指标、指标组合作为核心算法构建模型，未见过长期盈利的。

2、市场中性交易

与市场相关性较高、风险较低、收益稳定性较高，所需资金容量较大。适用于一些量化交易者，发现市场中的alpha因子赚取超过市场平均收益率的额外收益。

3、高频交易

在极短时间内频繁买进卖出，完成多次大量的交易。此类交易方式对硬件系统及市场环境要求极高，只适用于成熟市场中的专业机构使用，需要算法高手，一般使用C/C++进行算法交易。

---