常见的量化策略都有哪些

1. 常见的量化策略都有哪些

经典量化策略——双均线策略(期货)
经典量化策略——跨品种套利(期货)

2. 什么是量化策略

   什么是策略?  
   策略，可以实现目标的方案集合；在证券交易中，策略是 指当预先设定的事件或信号发生时，就采取相应的交易动作 。
     什么是量化策略？  
   量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。
   量化策略既可以自动执行，也可以人工执行。
     一个完整的量化策略包含哪些内容？  
       
    一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。 
     
                                             
       
      选股   
    量化选股就是 用量化的方法选择确定的投资组合 ，期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。 
     1 多因子选股  
    多因子选股是最经典的选股方法，该方法采用一系列的因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。 
     2 风格轮动选股  
    风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。 
     3 行业轮动选股  
    行业轮动选股是由于经济周期的的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。 
     4 资金流选股  
    资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该下跌。所以根据资金流向就可以构建相应的投资策略。 
     5 动量反转选股  
    动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段，价格就会崩溃回归，在这样的环境下就会出现反转特征，就是前一段时间弱势的股票，未来一段时间会变强。 
     6 趋势跟踪策略  
    当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。 
      择时   
    量化择时是指采用量化的方式判断买入卖出点。如果判断是上涨，则买入持有；如果判断是下跌，则卖出清仓；如果判断是震荡，则进行高抛低吸。  常用的择时方法有：趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。 
      仓位管理   
    仓位管理就是在你决定投资某个股票组合时，决定如何分批入场，又如何止盈止损离场的技术。  常用的仓位管理方法有：漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等 
      止盈止损   
    止盈，顾名思义，在获得收益的时候及时卖出，获得盈利；止损，在股票亏损的时候及时卖出股票，避免更大的损失。  及时的止盈止损是获取稳定收益的有效方式。 
           
    一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。 
      产生想法   
    任何人任何时间都可能产生一个策略想法，可以根据自己的投资经验，也可以根据他人的成功经验。 
      实现策略   
    产生想法到实现策略是最大的跨越，实现策略可以参照上文提到的“一个完整的量化策略包含哪些内容？” 
      检验策略   
    策略实现之后，需要通过历史数据的回测和模拟交易的检验，这也是实盘前的关键环节，筛选优质的策略，淘汰劣质的策略。 
      实盘交易   
    投入资金，通过市场检验策略的有效性，承担风险，赚取收益。 
      策略失效   
    市场是千变万化的，需要实时监控策略的有效性，一旦策略失效，需要及时停止策略或进一步优化策略。 
       

3. 如何设计出一个比较成功量化策略

如何设计出一个比较成功量化策略 
设计量化交易策略其实就是一个想法+验证的过程。
一、想法的来源：
大概有以下几个思路：
1、金融理论。
金融理论里资产定价的核心就是无套利原则。这里说的套利既包括通常意义的统计套利，也包括更宽泛的概念比如相同的预期收益率下，卖出风险较大的组合，买入风险较小的组合，也是一种套利。因此，多因子模型就是一种套利模型，承担相同风险下，寻找收益率最高的因子组合，从而得到对冲后的alpha。由于这部分是比较学院派的做法，因此推荐大家看下知名的教科书，比如博迪的《投资学》。
2、符合逻辑的直觉
比如从内部人获取信息的角度，大股东以及管理层增持意味着对本公司发展有信心，因此预期公司业绩向好。比如破增发价且距解禁日在一段时间内，那么上市公司可能有维持股价的动力。再比如通过分析与个股相关的新闻，从而能够判断市场对该股的情绪、态度等。这种类型的策略的关键是想法要符合逻辑，符合直觉。
3、一些经典的方法
比如海龟策略，dual thrust，羊驼选股、二八轮动等等。可以借鉴一下这些经典策略的思路，不过要注意一下这些策略在今天还是否有效。
二、验证过程：
1、 目测观察
这个方法主要适用上述的第二种方法。比如大股东增持，我们可以先在交易软件中，寻找到大股东增持的个股及发生的时间点，然后观察一下之后的走势，是不是和我们的逻辑一样。
2、 回测
这部分主要是用历史数据对上述想法进行验证，也包括调参数等。
3、 测试稳定性
在回测中，我们通常会反复调整参数，让策略达到理想的表现，但这样往往会导致过拟合。一中排除方法是将参数稍微做些变动，观察策略的表现。比如原策略是每月1日调仓，我们可以改为每月3日调仓，然后观察一下结果，如果策略差距较大，那么原策略就很可能是过拟合。
另外持仓数量也值得注意。与基本面分析需要深入个股层面不同，量化策略并不对个股基本面进行深度研究，而是通过分散化降低个股层面的异质风险。因此如果一个策略平均持仓很少（10只一下）那么策略的表现可能只是某一只个股表现好，这是可能采取一些验证方法，比如原来选股是选排名前10，那么可以换成排名10-20，如果差距较大，那么说明策略可能只是运气好。

4. 量化策略有哪些

具体如下：1. 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)。拓展资料：1.较易于实现量化的形态突破，有分形、窄幅横盘突破、各种K线组合、双底双顶、缠论三买三卖；较难于实现量化的形态突破，有趋势线、圆弧顶底、旗形、菱形、三角形等各种经典技术分析形态，趋势之后是盘整，盘整之后是趋势。横盘突破的交易策略，充分体现了波动性循环的价格波动规律。我们需要做的事情就是，合理量化盘整的定义，比如周期跨度、波动的幅度。2.昨天高点、昨天低点、昨日收盘价、今天开盘价，可并称为菲阿里四价。它由日本期货冠军菲阿里实盘采用的主要突破交易参照系。此外，因菲阿里主观心智交易的模式，决定了其在实际交易中还大量结合并运用了“阻溢线”的方式，即阻力线、支撑线。3.作为外汇市场上广为流行的一种突破交易策略，HANS123以其简洁的开盘后N根K线的高低点突破，作为交易信号触发的评判标准。这也是一种入场较早的交易模式，配合价格包络带、时间确认、波动幅度等过滤技术，或可提高其胜算。4. ORB突破交易最早于1988年由美国基金经理托比提出。他通过衡量开盘价与最高价、最低价距离的较小者，为失败突破幅度，后市一旦超过这个幅度，便认为是真正的突破。在实际应用中，早盘的突破、窄幅波动后的突破，可作为有效的过滤条件。

5. 【量化】策略开发标准流程

量化策略开发类似化学实验的设计，可以有一套科学的流程。
  
 1）  前期工作：编写策略内容，如交易标的选择、开平仓条件、资金量、主交易级别、次交易级别、风险点分析、风险管理等，这些都必须用严谨的语言表达出来，不应该有任何的模糊概念。
  
 2）  策略开发：依据策略的各种明确定义，开发程序来精确的执行策略，这一步的重点是验证程序的实现逻辑和策略的逻辑是否完全一致。
  
 3）  回测分析：前两步完成后，一个策略的雏形就有了，能不能应用到实战，要看看回测分析的结果；对于回测分析，重要的是覆盖时间范围足够广，至少覆盖最近5年，对每一次回测，做好充分的记录，便于最后的分析。同时，回测分析也是一次更大规模的程序逻辑和策略逻辑的一致性验证。
  
 4）  仿真研究：仿真就是在最接近实盘的条件下对策略进行最后的验证。
  
 5）  实盘交易：投入真金白银，让策略真正的工作起来；新手通常认为这是策略开发的终点，不，这只是个起点；对于实盘阶段的所有策略交易行为都应该有必要的分析，以及判断当前的大环境是否符合策略所能够适应的环境要求。

6. 给要入门量化分析的人一些建议

给要入门量化分析的人一些建议 
针对你数学、物理较好以及有一定C基础的情况，我的建议（也是对所有想要入门量化分析的人）的建议是：
一. 数学
继续打好数学基础，学一学集合论、统计学方面的知识，方便以后可以从初级经济学的学习转向中高级。你大一，集合论和统计学如果没学过建议先入个门。比如国内著名的统计学大师陈希孺先生的《概率论与数理统计 (豆瓣)》、《数理统计学教程 (豆瓣)》等等，写得非常好，请仔细揣摩体会。
二. 经济学&金融学
数学基础可以了，如果学校教的你也觉得很简单，那就看一点计量经济学和中级微观经济学方面的书，看能不能看懂。
比如《计量经济学导论 (豆瓣)》这本书就不错，还有经典的范里安的中级微观经济学教材：《微观经济学 (豆瓣)》，以及经典圣经：《期权、期货和其他衍生品（第5版） (豆瓣)》。
当然，如果你想要出国深造，那么选择看英文版的是很好的选择。
但是如果你是想要更好地利用时间，看中文版也是不错的选择，因为看中文版肯定比英文版快得多。
三. 计算机与编程
1. 计算机
你如果之前没有学过计算机相关知识，我建议可以先看一本书入个门，了解计算机的大致工作原理，我推荐研读一下：《计算机科学概论（第11版） (豆瓣)》
2. 语言
然后，你既然要学习金融方面的知识，我建议可以暂时不学C或者C++，而选择学习python，python更简单，数理分析、科学计算能力更强大。我推荐看一下：《Python基础教程 (豆瓣)》，这本书讲的是python2.7，对初学者而言，还是看这本比较好。
你还可以参照统计语言R来更深入地理解python，我推荐《R语言编程艺术 (豆瓣)》。
然后你可以看一下专讲python用作数据分析的好书：《利用Python进行数据分析(豆瓣)》。（这本书里面讲的python以及对应的pandas、scipy、numpy模块都是基于python2.7的——这就是为什么我推荐的python入门教材是python2.7的，对于初学者，版本问题很可能是个坑，学2.7更好。）
另外，家中常备：《Python标准库 (豆瓣)》，很多问题就不用重新造轮子了。
3. 未来
计量方法严格来讲只是传统方法，为了应对未来、成为宽客，建议学习数据挖掘、机器学习、人工智能方面的知识，我推荐《数据挖掘导论 (豆瓣)》，《机器学习 (豆瓣)》等等书籍。
另：python作为解释型语言，性能不及C等编译型的语言，特别是对于高频交易等，以防万一，建议还是入一下计算机的算法、数据结构、计算机系统坑。。。。当然，这又是个大坑。
四. 实践
现在有一些在线的金融系统，可以给你机会让你写你自己的模型的，你多留意一下，也可以问下老师，闲来没事儿写几个交易模型试一试。
据我所知目前大多数写交易模型的，都没有较强的综合能力（综合经济金融、数学、编程这三个方面），你要想比他们都强，那就把这三个方面的基础都打好。
最后，少年，我看你骨骼惊奇，这本《集体智慧编程 (豆瓣)》我就送给你了，写一个遗传算法为内核、并且底层优化的具有进化特征的交易模型吧，特别是在数据环境本身就具有进化特性的情况下，亮瞎他们！——至少听起来很牛逼~~

7. 量化分析的量化投资策略

量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。1·量化选股量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类2·量化择时股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。3·股指期货套利股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。4·商品期货套利商品期货套利盈利的逻辑原理是基于以下几个方面 ：(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。(2)由于价格的波动性，价格差价经常出现不合理。(3)不合理必然要回到合理。(4)不合理回到合理的这部分价格区间就是盈利区间。5·统计套利有别于无风险套利，统计套利是利用证券价格的历史统计规律进行套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类，一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha 收益，我们称之为β中性策略；另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。6·期权套利期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样，是多种相关期权交易的组合，具体包括：水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。7·算法交易算法交易又被称为自动交易、黑盒交易或者机器交易，它指的是通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。8·资产配置资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。