什么是程序化-量化交易？

1. 什么是程序化-量化交易？

Gate.io区块链入门第十七期，带你了解什么是量化交易。

2. 什么是量化投资？如何做到程序化交易？

      所谓量化投资是将投资环节标准化的交易方式，主要包括选股、买入、卖出三个环节，而真正的量化投资是完全自动化交易，不需要人为参与，投资者只要监管程序是否正常运行，参数设置是否合理，指标选择是否在既定目标范围内。
      量化投资的形成过程十分简单，就是一个想法，通过程序化语言变成现实，比如低市盈率投资，当市盈率低于5倍时买入，高于10倍时卖出，具体步骤如下：      首先确定自己的投资理念，是价值投资或是趋势投资，如果是价值投资，你要通过什么指标来确定这个价值是高还是低，同样趋势投资也要找到判断趋势的指标，不管是技术的还是财务的，都要是明确的指标，可以量化的。      其次还要有配套的交易策略，交易策略是根据投资理念的再细化的过程，包括买卖的时机，买卖的数量，仓位的安排等。市场上主要的量化策略有：多因子选股策略、相对价值对冲策略、网格交易策略、事件驱动策略、指数增强策略、日内回转交易策略、行业轮动策略、趋势投资策略以及多策略等。      在确定了指标和数量之后，再进行量化建模，将以上过程变成机器语言，也就是程序化，比如趋势投资确定KDJ日线金叉买入，死叉卖出，数量为总资产的10%，就可以通过这些条件写进程序。      最后，对编好的程序进行验证修改，量化交易软件有文华财经、蜗牛股票量化分析软件、方正证券量化交易平台等。      因此量化交易的门槛也是很高的，因为具备编程的能力投资者就寥寥无几，何况其核心并不在编程，而是对投资的理解，如何取舍相关指标，将其组合成新，打磨成无锋的重剑。      量化交易的优势是不言而喻的：自动程序化，不受情绪干扰；劣势也是明显的：无法做到灵活变通，因此现实投资中可以综合运用，在选股环节可以一半借助系统，在交易环节可以完全交给机器，投资人可以真正从盘面中解脱出来，专注于投资的本职工作：选择、研究、思考。      对于普通投资者来说，可以不懂编程，确定标准通过系统选股，然后只需要确定买入卖出的明确指标即可，最后盘后跟踪行情，盘前委托交易，到达则下单，不到不动。

3. 量化交易的应用

量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。1、统计套利。统计套利是利用资产价格的历史统计规律进行的套利，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。统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较长采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。2、算法交易。算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。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，甚至包括最后需要成交的资产数量。算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

4. 如何建立量化交易模型

　　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

5. 如何系统地学习量化交易

首推python。

1.学一门编程语言。很多平台用python，也可以选择matlab/C++/Java自己搭系统后面几个不太熟悉，就不多讲。至于python的话，很多第三方库很好的支持做数据处理，简单好上手。

2. 多看一些投资理论、量化交易和数据处理类的书籍。这部分知识是为了生存策略修炼内功用的。

3. 找一个好的靠谱的平台，边练边学。答主本身编程水平一般，社区里很多策略源码分享，可以边看边学，比自己捧本语法书从零学起要快很多。也算是一种速成的捷径吧。

6. 如何系统地学习量化交易

量化交易：
量化投资理论是借助现代统计学和数学的方法，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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可持续的、稳定且高于平均的超额回报

量化从一开始也不是作为定性的对立面而提出的方法，它是将定性分析中的技术分析策略用模型固化，替代过程中可以用电脑进行的部分并将其效用极大优化

量化交易策略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

程序化交易：

程序化交易系统是指设计人员将交易策略的逻辑与参数在电脑程序运算后，并将交易策略系统化。

当趋势确立时，系统发出多空讯号锁定市场中的价量模式，并且有效掌握价格变化的趋势，让投资人不论在上涨或下跌的市场行情中，都能轻松抓住趋势波段，进而赚取波段获利。程序化交易的操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。经过长时期操作，年获利率可保持在一定水准之上。

交易系统构成：
一句话：极其开放模型(策略)的设计、风险动态管理技术、误差矫正反馈检验准确率、快捷的下单速度。这四项组成了整个程序化交易系统。

程序化交易的买卖决策完全决定于自己的交易理念系统化、制度化的逻辑判断规则，透过电脑的辅助，将各种交易理念转化为电脑程序语言的一种交易模式，即由电脑来代替人为发出买卖讯号，再根据系统使用者发出的委托方式，由电脑自动执行下单程序。

7. 如何系统地学习量化交易

　　接触量化交易大概有半年的时间，顺序大概是这样：
　　1. 学习了量化的分析理念，主要用于期现基差套利。
　　2. 学了Python，自己尝试着写了一套选股系统，主要是数据处理和一些策略，表现一般。
　　3. 改用MATLAB，还是拿来做分析和写策略。然后在tb上实现。
　　4. 接触了一些c++和c#的平台，正在看c++ premier。
　　最近发现hft很多人自己写平台，去看了ctp的接口，发现一点都看不懂，问了做程序的朋友，说是要去学学网络协议。
　　看到自己一年下来，居然接触了这么多东西，感到非常惊讶。但是确实每个都是和程序化有关的。最近还打算辞职去读个书，系统的学习编程。

8. 如何系统地学习量化交易

首先，我对这个问题是完全不知道怎么回答，为此，我专门去请教了我的老师。
我理解很难有一个定量交易的所谓的系统学习过程，定量的只是手段，交易逻辑是多样的，你可以通过形态描述，追踪市场方法，如不合理的降价，也可以把天体物理、小波分析、神经网络等复杂模型应用其中，你可以做的是K线结构上的策略，也可以做日线或每500毫秒数据进行决策的策略。所有的一切目的就是为了获利，所谓量化和程序化只是实现这一目的的手段。
当你可以通过各种方法来理解定量的关注细节，比如如何避免未来的功能，如何理解每个数据的含义，测试，以及不同测试软件的优缺点，但你没法去“学习”量化交易，因为不会有人把自己真正赚钱的东西拿出来，如何赚钱必须自己去挖掘等等。
量化归根到底是什么不重要，重要的是你要利用自己的特点和优势，在你积累足够长的盘子以量化它为鸡肋之前，继续用单点深度挖掘坑，相信我，只要你有了长板（对，你应该首先把编程学牛了，达到准专业水平，这是最容易且可操作可衡量的点且受用一辈子），100个劝你去撸策略的人都挂了，你的职业生涯还好好的。
一个strategist需要思考策略的思维框架，实现方式，而developer则是侧重了前后端接口，输入输出，界面设置，风控机制，平台拼接等等很多很多方面。其实很不相同吧。