量化交易领域有哪些经典策略

1. 量化交易领域有哪些经典策略

量化交易种比较受宽客们所熟知的量化经典策略有：
alpha对冲(股票+期货)
集合竞价选股(股票)
多因子选股(股票)
网格交易(期货)
指数增强(股票)
跨品种套利(期货)
跨期套利(期货)
日内回转交易(股票)
做市商交易(期货)
海龟交易法(期货)
行业轮动(股票)
机器学习(股票)
以上这些经典的量化交易策略源码都可以到掘金量化交易平台查阅。

2. 量化交易主要有哪些经典的策略

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
　　量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
　　量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
　　量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
　　统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
　　用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

3. 量化交易主要有哪些经典的策略？

交易策略，量化策略，主观策略，常见策略。
交易策略：一个完整的交易策略一般包括交易标的的选择，进出场时机的选择，仓位和资金管理等几个方面。按照人的主观决断和计算机算法执行在策略各方面的决策中的参与程度的不同，可以将交易策略分为主观策略和量化策略。
主观策略：主观策略主要依靠投资者的主观判断，期货市场的投资者通过对产业上中下游、供需、宏观经济预期等的调查做出自己的判断。类似股票市场的主观投资者通过深入研究行业的各个方面，调查行业内的上市公司，形成交易决策。

量化交易注意事项
在量化交易中，交易规则、参数和回测都要依靠历史数据计算获得。我们无法判断这些从历史数据中获得的规律能否在未来的市场中持续有效，所构建的交易模型也无法判断能否应用。
简单的量化因子和策略更容易让人理解和接受，但越是简单的策略越容易被人们知悉，量化交易所获得的超额收益也越低。

4. 量化交易主要有哪些经典的策略

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。

5. 量化交易主要有哪些经典的策略

(1)股票、基本面、新闻消息之间的关系不停变化

记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。而在另一段时间跨度或者另一个市场里，可能又是另一番情景。所以跨市场、长期有效的量化交易系统极少甚至可以说没有。

(2)有些关键信息并不容易量化

微博是市场突发消息和传闻的最大出处，所有投资者都不会无视这里传出的讯息。但是这里的消息格式往往不规范，语法也千奇百怪，你无法让计算机程序挑选出有效信息并运用于自动交易中。

(3)过去并不代表未来

多数时候，通过历史数据测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容。不过并不是所有人都能意识到，过去不代表未来。这意味着一些交易策略在过去表现的很好，但是在未来可能会带来巨大的亏损

6. 量化交易领域有哪些经典学术论文

论文常用的层次划分方法有以下几种：
（1）按事件和发展过程来划分《皇帝的新装》
（2）按空间转换来划分，如《老山界》
（3）按内容变化来划分，如《从百草园到三味书屋》
（4）按人物、场景变化来划分，如《分马》
（5）按感情变化来划分，如《荔枝蜜》不太喜欢蜜蜂—想去看蜜蜂—赞美蜜蜂—想变成蜜蜂。
（6）按表达方式的变换来划分，如《一件珍贵的衬衫》，抒情—记叙—抒情、议论。

7. 量化交易领域有哪些经典学术论文

量化交易的功能一般包含三大块：研究、模拟、实盘。转化到技术层面为：数据、回测、实盘、安全等等。
基于国内市场，我们遇到的挑战如下：
1：数据
数据包含两类，一类是行情数据，一类是财务、基本面、舆情、研报等其他数据。行情数据：
目前市面上分钟级的数据比较精准，可以用于中低频的交易回测；历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得，较容易找到的渠道很容易出现漏数据、不精确等情况，需要工程师专门结合了多家数据源进行核对修复。
2：回测
回测最难的在于如何确定成交量，同时要考虑复权、停牌、ST*等问题，这里面有很多细节
3：安全
安全在交易的开发中是重中之重，如何保证策略的安全性，不被外部、内部人员所窃取，分为2部分。
一部分是WEB安全，一部分是策略的编译安全。
因为量化交易是用户可编程的，我们量化选用的是PYTHON语言，因为有强大的科学计算库和高性能，导致用户可以调用很多系统级API，在这上面我们下了很大的功夫来保证用户的策略安全，做到理论级的策略隔离。

只能大概讲一下，这里面每一个部分都可以延伸出来成为一个话题。

8. 量化交易的特点

量化交易与主观交易