量化投资知识，量化交易
量化投资知识，量化交易
量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。
一.量化投资四大特点
其实，定量投资和传统的定性投资本质上是相同的，二者都是基于市场非有效或是弱有效的理论基础，而投资经理可以通过对个股估值，成长等基本面的分析研究，建立战胜市场，产生超额收益的组合。不同的是，定性投资管理较依赖对上市公司的调研，以及基金经理个人的经验及主观的判断，而定量投资管理则是“定性思想的量化应用”,更加强调数据。
1·纪律性
所有的决策都是依据模型做出的。我们有三个模型:一是大类资产配置模型、二是行业模型、三是股票模型。根据大类资产配置决定股票和债券投资比例;按照行业配置模型确定超配或低配的行业;依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型，每一天决策之前，首先要运行模型，根据模型的运行结果进行决策，而不是凭感觉。有人问，模型出错怎么办?不可否认，模型可能出错，就像 CT机可能误诊病人一样。但是，在大概率下，CT 机是不会出错的，所以，医生没有抛弃 CT机，我的模型在大概率下是不出错的，所以，我还是相信我的模型。
纪律性的好处很多，可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差，行为金融理论在这方面有许多论述。纪律化的另外一个好处是可跟踪。定量投资作为一种定性思想的理性应用，客观地在组合中去体现这样的组合思想。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的，我会打开系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、动量上、技术指标上的得分情况，这个评价是非常全面的,只有汇总得分比其他得分要高才有说服力。
2·系统性
具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度，定量投资的核心投资思想包括宏观周期、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:再者就是多数据，就是海量数据的处理。
人脑处理信息的能力是有限的，当一个资本市场只有100 只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。
3·套利思想
定量投资正是在找估值洼地，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。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票;与定性投资经理不同，定量基金经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。
4·概率取胜
这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是一个或几个股票取胜。
二、主要量化投资策略
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。
三。量化投资的风险
市场上，针对不同的投资市场，投资平台和投资标的，量化策略师按照自己的设计思想，设计了不同的量化投资模型。这些量化投资模型，一般会经过海量数据仿真测试，模拟操作等手段进行经验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化。但是潜在的风险，可能来自以下几个方面:
第一。历史数据的完整性，行情数据的完整性都可能导致模型对行情数据的不匹配。行情数据自身风格转换，也可能导致模型失效，如交易流动性，价格波动幅度，价格波动频率等。这一点是目前量化界最难克服的。
第二:模型设计中没有考仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不兀配，而发生爆仓现象。
第三:网络中断，硬件故障也可能对量化投资产生影响。第四:同质模型产生竞争交易现象导致的风险。第五:单一投资品种导致的不可预测风险。规避或减小风险的策略包括以下几点:
保证历史数据的完整性。在线调整模型参数，在线选择模型类型。风险在线监测和规避。严格利用最大资金回撤设计仓位和杠杆。备份操作。不同类型量化模型组合。不同类型标的投资组合。
量化投资知识，量化交易相关推荐
- 【量化投资】量化投资技术基础 ---- Python 急速入门
文章目录 [量化投资]Python 入门 一.为什么使用 python 二.我们需要学些什么 三.Python 基础 1.输入输出 2.数据转换 3.导包 4.数据类型 1)数字 2)字符串 3)列表 ...
- 量化投资——国内量化平台
转发:[http://www.360doc.com/content/15/0925/07/1317564_501370544.shtml] 深圳爱智慧科技有限公司 深度学习 智能投顾 机器学习 量化投 ...
- 基于Python的指数基金量化投资-为什么量化指数基金投资
上一次写了基于Python的指数基金量化投资-股票数据源baostock 这次来说一下为什么要量化指数基金投资. 进行指数基金投资我们需要清楚几个关键点:该投资哪些指数品种,为什么投资这些品种.这些品 ...
- 量化投资python_量化投资与python
一.了解 为什么选择Python? 其他选择:Excel.SAS/SPSS.R 量化投资第三方相关模块 NumPy:数组批量计算 pandas:表计算与数据分析 Matplotlib:图表绘制 如何使 ...
- 【量化投资】高频交易（HFT），下一个风口？
作者:躺在巨人肩膀上 来源: 恒生Light云社区 高频交易(HFT)定义 高频交易(HFT)是量化投资领域,金融市场一颗璀璨明星,是金融和科技发展的结晶.近年来高频交易的快速发展引起了市场极大兴趣. ...
- 量化投资学习——算法交易
当谈到算法交易的时候,我到底说的是什么? 算法交易大致可以分为四类: 1.交易执行算法:用于优化交易的执行成本,降低交易(尤其是大单)对市场的冲击,如最典型的交易执行算法TWAP.VWAP. 2.行为 ...
- 量化投资学习——高频交易研究
相关的有一些高频的数据资源,比如纳斯达克交易所的,NASDAQ ITCH 50 数据,数据连接在这里,ftp://emi.nasdaq.com/ITCH/ 然后关于数据的介绍在这里:https://w ...
- 量化投资学习之路——搜集资料篇———入门文章+入门书籍+量化知识社区
本文为量化投资小白的学习之旅第一篇,主要介绍量化投资领域的一些资料和学习平台.文章的内容会根据自己的学习进程不定期更新.文章分为三个部分 1.初步了解量化投资 2.量化投资姿势社区 3.入门书籍 1. ...
- 一文读懂程序化交易算法交易量化投资高频交易统计利
转 一文读懂程序化交易.算法交易.量化投资.高频交易. 统计套利 在央行发布的<中国金融稳定报告(2016)>中,对于高频交易的解释为程序化交易的频率超过一定程度,就成为高频交易.而对程序 ...
- 美国往事：量化投资，永远不等于高频交易
一.混沌初开(1952),现代投资组合理论的提出 从混沌初开到百舸争流,以美国对冲基金为代表的海外资管,无论是采取何种基本交易方法,最终的目的都是优化自己的投资. 在寻找投资圣杯的路上,无论选择任何途 ...
最新文章
- 皮一皮：低调的凡尔赛...
- SpringBoot+Vue视频干货
- 监视窗口添加 $err,hr 一行来实时现实错误
- java判断题_【Java判断题】请大神们进来看下、这些判断题你都知道多少~
- ruby 数组元素替换_从Ruby中的集合中删除并替换元素
- Sql Server发布订阅如何添加新表如何不初始化整个快照
- C盘文件内容及清理思路
- java中的对象传递
- Android ADB动态查看内存信息之Watch使用
- linux内核源码下载地址
- 中呜机器人编程视频教程_中鸣快车编程入门篇—5.1补充的知识.doc
- win10锁屏壁纸路径
- 2019年安徽省大数据与人工智能应用赛总结---本科组
- Google谷歌中国总裁李开复将离职创业
- 日语学习之——五十音图及单词(2)
- 合并两个列表zip()函数
- 【服务器数据恢复】华为OceanStor服务器热备盘同步数据失败的数据恢复案例
- Android 接入阿里实人认证
- 告诉你什么是挖洞最清奇的脑回路
- 任务4、等差数列求和，判断闰年，判断素数