文章来源： 什么是量化交易？Quantitative Trading

量化交易，英文是 Quantitative Trading，简称 Quant，是金融投资机构经常会使用的一种交易方式，旨在短时间内进行大量数据分析，然后通过预编写的交易模型进行自动交易，提高交易效率，避免人为情绪对交易的影响。

随着计算机语言的普及，目前量化交易已渐渐在普通投资者中应用。华尔街70%~80%的交易都是通过量化交易完成的。 目前有些劵商，比如，盈透IBRK 和 富途 moomoo 都提供的API，提供给用于进行自己的量化交易策略。

量化交易，英文是 Quantitative Trading，是一种基于量化分析 (Quantitative Analysis) 的交易方式。

对于普通金融投资者而言，判断是否该持有一只股票，什么时候持有？持有多少？什么时候抛售？抛售多少？这几个选择往往会决定投资成败。

普通投资者在做选择前，会去分析一些数据，包括目标公司的运营情况、财务情况、公司股价过去一段时间的表现等等，分析一堆数据后，根据自己的主观判断来选择，或者听从一些大师的指导，或者跟随市场的主流趋势。

如果一位投资者准备投资多个股票，他还要搜集该公司所在行业的情况等，需要分析的量就增加了，职业股民几乎大部分时间都是在搜集信息整理信息然后做出判断。

对于金融机构来说，要处理的信息量是普通股民的成千上万倍，要做出的判断更是需要排除大量干扰以找到最准确的时机点。

无论普通股民还是专业机构，投资这个过程总体上可以分成两个步骤：

• 第一步骤，搜集整理既定信息，找出规律；
• 第二步骤，根据数据制定出策略，对于股票走势判断；

第一步骤在于“烦”，信息量太大、太杂，您需要搜集上市公司的大量数据，包括公司基本面数据、股票交易数据等等；

第二部分在于“难”，在获得信息后，个人判断买卖多少会被个人情绪所左右。很多的投资者可能都曾懊悔过：当时太冲动了，冷静点就好。

随着信息技术的提升和计算机算力的发展，第一步骤的内容在不断简化，您可以轻松获取各类信息数据表、走势图，数据获取的时间范围也能达到很大的跨度。

至于第二部分，因为无法针对性的进行数据分析，所以通过计算机数据分析后给出的投资操作，也处于参考阶段。

到了现代，随着计算机语言的不断开发和简化，越来越多的人掌握计算机语言后，凭借自己的数学能力，构建适合自己的计算模型，经过回测验证模型具有适用性后，可以在极短的时间内进行目标对象数据分析，以及交易点决策，这一过程中，只有计算机的分析，没有人为情绪的干扰。

这一交易方式经过时间的验证，证明其有效，于是在很多大型金融机构中得以使用，金融机构可以在瞬息间完成大量交易，也就是现在所说的量化交易：

通过计算机语言，如C/C++、MATLAB、R 或 Python等编写针对性的交易模型，利用数字分析和数学运算来完成体量庞大的信息采集、数据分析、纯理性策略决断以及交易执行。

目前从事执行量化交易工作的人员称为量化交易员(Quants)，其工作主要是：

• 策略识别：自行编写交易模型，或寻找现有策略，结合自身优势来决定策略的使用及交易频率
• 策略回测：将目标策略应用到历史数据，通过模型运算来验证模型的计算结果是否与历史结果相符，如果相符则可以继续使用，并进行细节的调整，如果不相符则放弃该模型。
• 执行系统：将验证成功的交易模型应用到实际交易中，完成自动量化交易，最大限度降低交易成本。
• 风险管理：跟踪根据交易模型进行的量化交易，发现交易过程中可能存在的风险，及时进行风险管理。

Jim Simons 是首位将计算机数学模型与金融投资结合的伟大投资者，他创立的 Renaissance Technologies（文艺复兴技术）对冲基金公司，是目前最成功的以量化交易为主的对冲基金公司。

Jim Simons 以数学家、密码破解者的背景进入金融领域，主张将各种人为情绪因素排除在金融投资决策之外，使用成熟的计算机语言来判断市场行情并从中获取了惊人的收益。他认为计算机有自己的观点，在建立成熟成功的交易模型后，他会盲目地跟从计算机的结果，拒绝任何人为情绪来干扰计算机的运算判断结果。

自1982年创立其基于计算机量化交易的 Renaissance Technologies基金公司以来，短短30多年，Jim Simons凭借其量化交易系统，为自己积累了230亿美元的财富。

量化交易被大多数金融机构使用，目前也渐渐被许多个人投资者使用，同许多其他交易方式一样，它有自己的优缺点：

可快速进行大量数据收集和分析，极大缩减目标选择的工作量。

当设定交易操作触发点后，交易可自动进行，减小了日常投资的工作量。

使用计算机数学模型来理性分析行情，判断操作方式，有效避免人为情绪的干扰。

单一的量化交易模型无法始终在动态市场中有效，需定期调整参数来适应市场的大环境变化。

量化交易策略即是量化交易员根据交易风格特点，编写针对性的交易模型，收集整合所需信息，根据拟定的不同交易判断点来进行数据监控、决策执行。目前经市场验证，较为成功的量化交易策略有：

投资者在市场交易中会面临系统性风险—Beta/β风险和非系统性风险—Alpha/α风险，通过对系统性风险进行度量，将其分离，来获取超额绝对收益，即阿尔法收益的策略称为阿尔法对冲策略。

海龟策略是趋势跟随型量化交易策略，分别在入场条件、仓位控制、资金管理、止损止盈等各环节上设置参数，来进行自动化交易，该策略可以作为复杂交易策略的设计基础模板。

多因子选股策略是通过找到某些和收益率相关的指标参数，根据该指标来构建股票组合，如果股票组合跑赢市场指数，则继续做多，同时做空期指，赚取阿尔法收益，如果跑输，则做多期指，做空当前股票组合，赚取反向阿尔法收益。是目前量化选股中的一个重要模型。

双均线策略，基本思路是分别建立m天移动平均线，n天移动平均线，两条均线必定会产生交点。如果m>n，n天平均线“上穿越”m天均线点则为买入点，反之则为卖出点。该策略通过基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，来进行自动化量化交易。

该策略的基本思路是利用两种不同种类，但相互关联的指数期货产品之间的差价进行交易，互相关联是指有相互替代性或受到同一供求因素影响，比如相关商品间套利或原料与成品间的套利。该策略对于市场而言，可以帮助发生扭曲的市场价格恢复正常水平，以及增加市场流动性。

与跨品质套利策略类似，跨期套利策略也是适用于期货的量化交易策略，跨期套利是通过在同一交易所进行同一指数、不同交割月的期货合约交易来套利获益。

该策略适用于指数型投资者，基金管理人通过使用该策略来保持自己推荐的投资组合中各项特征参数高于标的指数的回报水平，以保持自己良好的投资业绩。

该策略是利用市场震荡来获利的一种主动型交易策略，其基本思路为利用投资标的在预设值的网格区间内反复震荡的价格差异中，反复进行加仓减仓操作，比如标对象价格突破网格时加仓，回到网格时减仓，以此来达到投资收益最大化。

该策略旨在根据不同行业不同品牌的强势时间，自动在不同行业间轮流切换以达到投资收益最大化。

高频交易策略可以帮助投资者在极短的市场变化中赚取收益，计算机可以根据设定的程序实时跟踪市场走势，自动在设定的价格差间进行买入或卖出操作，通过大量交易次数，从价格波动中赚取大量收益。

R-Breaker 是一种日内交易策略，根据前一个交易日的收盘价、最高价和最低价数据，借助特定的数学模型，建立六个价位，从高到低分别为：突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价和突破卖出价，这六个价位即为当前交易的不同操作触发点，投资者可以通过调整模型中的参数来调节各价位间的差距，以更改自动操作触发条件。该策略被Future Thruth杂志评为最赚钱的策略之一。

— THE END —