量化交易,也有自动化交易,程序化交易,EA, 高频交易,算法交易等等,大致意思差不多,不同的领域可以叫法不一样,譬如外汇市场大多叫EA。主要是把自己的交易系统通过计算机语言(Python ,matlab等等,很多)程序编写实现出来,把这个程序和数据信息(量价信息,基本面,金融政策信息等等)接口接上,通过在计算机或服务器(现在大部分都是租一个云服务器)上运行,实时执行各种分析,选股,择时,买,卖,加仓,减仓,止损止盈等等。这样可以省去一些人力成本(人力分析慢,3000只股票得需要很对人天天),省去不必要的盯盘时间,一定程度规避情绪心理因素影响。一个完整的量化交易包括很多东西:
1、资金管理或投资组合管理;
2,选股,基于数据面的技术分析(均线,macd等等,太多了),基于基本面的分析(市盈率,财务报表等),基于经济面的分析(财政及货币政策,经济周期,行业周期轮动等),基于情绪面的分析;
3,择时也即建仓的时机,止损止盈,加仓减仓平仓等;
4,交易记录总结改进。当然还有别的很多内容。也有办自动化的,譬如只采用分析做选股。这个东西老美搞了30多年了,国内搞了十几年。可以了解一下大神西蒙斯和文艺复兴基金。国内这几年也出现很多平台,还不是特别成熟,入聚宽,掘金量化等等,也有几十个,可以关注一下。
数量金融也与金融工程领域重叠。后者侧重于应用和建模,通常借助于随机资产模型,而前者除了分析外,还侧重于构建模型的实施工具。总的来说,有两个独立的金融分支需要先进的定量技术:一方面是衍生品定价,另一方面是风险和投资组合管理。
如果应用于股票市场的话,一般包括量化选股和量化择时两点。
选股模型主要包括:多因子模型、风格轮动模型、行业轮动模型、资金流模型、动量反转模型、一致预期模型、趋势跟踪模型和筹码选股模型。
择时包括:趋势择时、市场情绪择时、时变夏普率模型、牛熊线模型、Hurst指数模型、SVM模型、SWARCH模型和异常指标择时等等。
量化投资的优点在于纪律性、系统性、及时性、准确性和分散化。
量化交易在国内来说,兴起于2005年左右。但由于投资者水平问题,基础还是比较薄弱,市场还比较小,所以大众化量化交易平台的发展热度不足。大多平台都是机构自己构建的自用平台。能实盘交易的量化平台只有几个,如聚宽,掘金,文华财经,开拓者,TradeStation等
能提供量化测试的就比较多,镭矿,优矿,京东,RiceQuant米筐,果仁,Bigquant,还有以上可以实盘的这些,等等。
基本采用Python语言为主,也有采用C++,C#,Easy Language 麦语言等。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)