本文由【樂在量化】整理發(fā)布

人工智能的話題仍然是神話，但量化對于大多數(shù)人來說正成為一個越來越遙遠的領(lǐng)域。但近年來，吸引投資者關(guān)注的一直是量化投資，量化產(chǎn)品也在為投資者帶來更好的回報。很多人對量化交易有著最直觀、最簡單的理解。他們可以賺錢，賺大錢。錢。

但究竟什么是量化交易？從小白到入口有好幾步。其中許多實際上是入門級的。為了讓量化學(xué)習(xí)的過程更加直觀，我們還將介紹學(xué)生學(xué)習(xí)量化學(xué)習(xí)的小故事。這位學(xué)生在沒有任何編程經(jīng)驗的情況下，成功地從傳統(tǒng)的金融背景過渡到了現(xiàn)在。切換到測光面板。

什么是量化交易？

（一）大眾眼中的量化交易

（二）實際量化交易

1.量化的定義

量化交易迫在眉睫。

如何成為量化交易者

第一步（一）：促進量化交易

（2）第二步：開始用Python編程

(3) 第三步：量化

李明博程序中的量化投資之謎。

什么是量化交易？ （一）大眾眼中的量化交易

在和很多學(xué)金融的同學(xué)交流的時候，我發(fā)現(xiàn)大多數(shù)人在談到量化時，第一反應(yīng)是很難的。然后他們一直在問：-定量職位需要數(shù)學(xué)和物理學(xué)博士學(xué)位嗎？ - 在高頻量化的情況下？ - 你需要了解 C 量化嗎？問：量化是否向人工智能發(fā)展？事實上，簡單的“不，區(qū)域內(nèi)的爭論是不斷變化的。在回答這些問題之前，很難先量化最重要的話題。什么是量化交易？

(2) 實際量化交易

人們通常使用定量的方法來解釋 Q 和 P 的量化，或者使用賣方/買方的定量方法來理解很多關(guān)于知乎的類似話題。今天我想從量化本身的定義談這個話題。

一世。數(shù)量

轉(zhuǎn)換的定義

量化是指使用時間學(xué)習(xí)模型（不是人腦）來確定交易的類型、數(shù)量、方向和時間。不難理解，量化其中一個核心就是用數(shù)學(xué)模型代替人腦，用人的感受力代替模型的合理性，把投資邏輯翻譯成數(shù)學(xué)語言，嚴(yán)格執(zhí)行模型中規(guī)定的交易規(guī)則。確定交易的要素（類型、數(shù)量、方向、時間）。

俗話說，英雄一出，不問從何而來。這同樣適用于量化策略。

量化策略的好壞是根據(jù)實戰(zhàn)記錄，而不是模型復(fù)雜度，來判斷是否適合當(dāng)前市場、當(dāng)前資產(chǎn)狀況、當(dāng)前背景。底部由投資邏輯支撐。所以當(dāng)我們談?wù)摿炕瘯r，我們不必談?wù)摳哳l、深度學(xué)習(xí)、人工智能等等。

好的策略從簡單到復(fù)雜。歸根結(jié)底，這是一個潛在的投資邏輯考慮。

量化交易迫在眉睫。

其實我們身邊有一種簡單的量化交易模式。打開基金軟件，選擇一只基金，指定每周五500元的資金投資，點擊確定按鈕，實現(xiàn)最簡單的量化策略。

您可能會對此嗤之以鼻，但不要低估您可以在 Excel 中實施的量化策略。固定投資策略往往比跟單交易更容易獲得穩(wěn)定的回報。原因如下。

一種。投資基金具有與長期儲蓄相同的特點，投資成本可以累積和攤銷。因此，定期進行資金投資可以撫平基金凈值的波峰和波谷，消除市場波動。

灣。由于其量化性（買賣時機由規(guī)則決定），定點投資可以避免影響投資者入市時的主觀判斷，使主觀判斷錯誤大大減少（即，在市場的高點買入，在市場的低點賣出），造成巨大損失。因此，固定資產(chǎn)投資策略對于降低因個人情緒和信息因素導(dǎo)致投資點誤判的固定資產(chǎn)投資標(biāo)的和投資回報率的波動非常有幫助。也可以看出，資本投資策略非常適合中長期的投資策略。投資者只需選擇長期樂觀的目標(biāo)，然后進行資本投資。

從上面的解釋不難發(fā)現(xiàn)，“量化”并不像大多數(shù)人想象的那樣。那么這是否意味著成為一名量化交易者并沒有我們想象的那么難呢？

勞里在這里指的是專業(yè)學(xué)生的個人經(jīng)歷。希望對讀者有所幫助，但我想簡單介紹一下他的轉(zhuǎn)行經(jīng)歷。在沒有編程經(jīng)驗的情況下，學(xué)生們在大約四個月內(nèi)成功地從傳統(tǒng)的金融背景轉(zhuǎn)變?yōu)榱炕瘓F隊。他是如何做到的？

(1) 第一步：開發(fā)量化交易

正如量化定義中提到的，大多數(shù)人只關(guān)注“數(shù)學(xué)模型”一詞，而忽略了交易，這是量化的另一個核心要素。構(gòu)建整個量化策略，首先需要將交易邏輯翻譯成數(shù)學(xué)語言，然后使用編程語言等工具來實現(xiàn)數(shù)學(xué)語言到程序的轉(zhuǎn)換。

在 3 步 2 轉(zhuǎn)換過程中，底部由可靠的交易邏輯支持。培養(yǎng)交易素養(yǎng)是一個耗時的積累過程，這也是傳統(tǒng)金融從業(yè)者看量化的一大優(yōu)勢。

目前，大多數(shù)量化團隊并未實施“全自動交易”。由于數(shù)學(xué)模型本身的局限性，以及黑天鵝、周期性輪換等因素的影響，大部分量化團隊仍然保持著AI智能。量化投資進一步提高了對量化研究人員自身交易的理解。

在了解了量化背后的邏輯后，學(xué)生們打消了最初對競爭的焦慮和量化對程序員有益的謠言。我正在逐漸做我必須做的事情。

學(xué)生工作是金融背景，所以除了基本的金融知識外，還需要添加前端交易內(nèi)容。所以我決定學(xué)習(xí)模仿我投資老板分享的交易經(jīng)驗。除了編程，我還閱讀了一些經(jīng)典的投資傳記，記錄整理了很多閱讀筆記，嘗試站在巨人的肩膀上?？焖僭鲩L。

“巴菲特的第一個金花瓶”作為最大的外部投資者和偉大的投資者沃倫巴菲特，在37年的22次投資中首次獲得1億美元。本書再現(xiàn)了巴菲特在此旅程中的發(fā)展、理念和投資路線圖。作為華爾街頂級股票投資者和投資組合經(jīng)理首先，彼得林奇分享了選股的邏輯，向普通投資者解釋了如何成為一名專業(yè)的股票投資者。密切關(guān)注商業(yè)趨勢和您周圍的世界，從購物中心到工作場所。這樣，您會發(fā)現(xiàn)比專業(yè)分析師更成功的潛在公司。在“擊敗所有市場的人”中，這位傳奇的金融天才以清晰的語言分享了賭場和市場的激動人心的冒險，使用“5”和“ace”等。我們分享如何擊敗市場的秘密。在 21 點；“科學(xué)預(yù)測”和“價格錨點”是擊敗市場策略的最重要投資。威廉·奧尼爾 (William ONeill) 是《模擬股票市場》一書的作者，也是華爾街最有經(jīng)驗和最成功的資深投資者之一。在本書中，他得出結(jié)論，他的選股模型可能很薄。這為許多投資者所接受。實現(xiàn)量化領(lǐng)域的應(yīng)用。 2001 年，美國私人投資者協(xié)會發(fā)表了一項獨立研究，將書中的“Can Slim”方法與彼得林奇和沃倫巴菲特的方法進行了比較。結(jié)果表明，“瘦身”方法多年來取得了最好、最穩(wěn)定的效果。 (2) 第 2 步：開始使用 Python 編程

與此同時，學(xué)生們開始努力彌補他們最大的缺陷，編程。他們嘗試從網(wǎng)紅的編程語言Python入手，很快學(xué)會了量化所需的編程工具。

1. Python是學(xué)習(xí)量化的障礙嗎？

對于許多人來說，這個級別以前是可怕的。在流行的編程語言Python的幫助下，我們大大縮短了編程的距離。 Python 強大的模塊化社區(qū)易于學(xué)習(xí)，并擁有多種量化交易者。

幫助實現(xiàn)設(shè)備學(xué)習(xí)算法模型。

在許多情況下，您不必花費大量時間來弄清楚如何以編程方式實現(xiàn)算法。您需要了解算法并知道如何應(yīng)用它。這就像為騎士配備武器。我們所要做的就是專注于戰(zhàn)斗。 Python 幫助許多量化交易者顯著提高了編程效率。

2.如何自學(xué)Python

和大多數(shù)人一樣，他買了很多學(xué)習(xí)資料，問我學(xué)什么，怎么學(xué)。我給他提了兩個建議：

第一：在學(xué)習(xí)語法和熊貓的第一階段，學(xué)生需要盡快學(xué)習(xí)和獲取知識。他們不應(yīng)該需要深厚的知識。一旦對整個框架和 Python 能提供什么有了大致的了解，就可以將其融入到后面的實際案例中，快速準(zhǔn)確地掌握自學(xué)過程中最需要的技能。

(3) 第三步：量化

以上三本書，學(xué)生用了大約一個半月的時間。當(dāng)時，他只是一個入門級的程序員，語法并不流利。熊貓有時用于旅游，但如前所述，量化是了解熊貓的好方法。

接下來，他研究了量化的視頻和書籍，努力學(xué)習(xí)和掌握經(jīng)典的量化策略，并使用 Python。

我們已經(jīng)建立了自己的基本回測框架。在學(xué)習(xí)經(jīng)典策略的過程中，我逐漸開始優(yōu)化基礎(chǔ)框架，并嘗試使用回測框架復(fù)現(xiàn)一些開源研究報告策略。在這個過程中，你將深入研究數(shù)據(jù)邏輯背后的各種數(shù)據(jù)類型（價格數(shù)據(jù)、財務(wù)數(shù)據(jù)、資金流數(shù)據(jù)等），了解分析師的分析方法和思路，以及基本的方法構(gòu)建要素。學(xué)習(xí)。嘗試分析現(xiàn)有政策優(yōu)化一點并重復(fù)。

然后，他開始根據(jù)從他的投資歷史中提取的交易邏輯構(gòu)建幾個獨立的策略，將他的策略研究結(jié)果寫在他的簡歷上，并嘗試建立分布和面試。

整個換工作的過程很艱難，也很滿足。中級學(xué)生也多次找我進行衷心的討論，想知道一次未知的成功或失敗的機會成本是否值得。他們除了害怕探索未知之外，更多的是對未來的迷茫和擔(dān)憂。

在許多情況下，學(xué)習(xí)量化本身并不是問題，而是涉及在您選擇改變時放手的可能性。幸運的是，學(xué)生們盡了最大的努力。量化不難，但很難勇敢地邁出第一步。

本文由【樂在量化】整理發(fā)布