如何开发量化投资模型

1. 如何开发量化投资模型

4.如何进行量化投资
一个量化投资的交易系统主要包括三个部分，阿尔法模型、风险模型和交易成本模型。
阿尔法模型旨在预测宽客所考虑金融产品的未来趋势；
风险模型旨在帮助宽客投资不太能带来收益但会造成损失的敞口规模；
交易成本模型用于帮助确定从目前的投资组合到新的投资组合的交易成本。
目前对于量化交易的研究重点大都集中在对阿尔法模型的研究上。
阿尔法模型
阿尔法模型是量化交易系统的第一个重要组成部分，主要是为了寻找盈利机会。
阿尔法是希腊字母α的音译，常用于量化表述投资者的盈利能力或投资者得到的与市场波动无关的回报。
阿尔法模型分为：
趋势形、回复型、技术情绪型、价值型/收益型、成长型和品质型
趋势型和均值回复型交易策略都依赖价格数据；纯技术情绪型的策略比较少见通常都只作为一个辅助因子；而价值型/收益型、成长型和品质型策略都基于基本面数据
趋势跟随策略
趋势跟随策略是基于以下基本的假定：在一定时间内市场通常朝着同一方向变化，据此对市场趋势做出判断就可以作为制定交易策略的依据。常见于期货市场，最常用移动平均线交叉来定义趋势。
均值回复策略
均值回复策略的基本理论认为，价格围绕其价值中枢而上下波动，判断出这个中枢以及波动的方向便足以捕捉到交易机会。统计套利是用的最多的均值回复策略，认为价格出现背离类似股票的价值终究会缩小到合理的区间范围。
技术情绪型策略
这一类策略没有明确的经济理论支撑，主要通过追踪投资者情绪相关指标来判断预期回报，如交易价格、交易量以及波动性指标等。比如观察期权市场的认沽认购量和隐含波动率做现货的择时，再者就是高频交易通过限价指令簿的形态来判断近期市场情绪。
价值型/收益型策略
价值型策略主要用于股票交易。这类策略认为市场倾向于高估高风险资产的风险，而低估低风险资产的风险。因此，在适当的时间买入高风险资产和卖出低风险资产，就可以获得收益。常用的指标有PE（市盈率）、PB（市净率）等，常应用于股票多空。
成长型策略
成长型策略试图通过对所考虑资产以往的增长水平进而对未来的走势进行预测。他认为价格上涨通常都是存在趋势的，价格上涨最快的产品通常比同类产品更具有优势，他要求投资者能尽早判断公司的股价处于增长期，从而捕捉到公司的股价未来更大的上涨幅度。宏观上常见于外汇市场，例如持有经济迅速增长的国家的外汇，这些国家的利率比经济增长缓慢或处于复苏期的经济体要高；股票市场通常用EPS等指标度量。
品质型策略
这类策略的支持者认为，在其他条件相同的条件下最好买入或持有高品质的产品而做空或减少持有低品质的资产。这类策略比较看重资金的安全，受宏观市场影响比较大，常用的指标有杠杆比率、收入波动比、管理团队水平和欺诈风险。
不管是什么类型的策略最终受益都体现在交易中关于买卖时机的把握和持有头寸选择的技巧。
https://uqer.io/community/list 这个社区里面有很多关于量化的策略，也有很多牛人，可以和他们多讨论讨论的。

2. 量化投资,如何量化呢

　　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

　　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

　　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。

3. 如何入门量化投资？

首先，你对一个金融衍生品，非常的熟悉，有你的交易计划，包括，进场逻辑、出场逻辑、风险规则、在相对时间里可以赚钱。相对稳定的收益。把你的模式，逻辑让写程序的，开发出来。当然你要自己写程序也行。
几个月前刚刚做量化交易的尝试，运用了10多年自认为有效的技术指标来做统计分析，得出的结论就是完全靠技术指标来指导交易就是扯蛋，在大量样本面前，一切都是假象。由此也彻底放弃了技术指标的研究，真的没有太大用处。

当然也有可能是自己的见识浅薄，也许真的有人单纯靠技术指标而实现稳定盈利的。但这种是否具有持续性，或者说一旦对市场产生了影响指标可能就失效了，这个不好说。现在的想法还是要做基本面方面的研究，把精力放在公司发展，跟随公司共同成长，这才是王道。

说到入门，我是野路子，程序员出身。自己写脚本采集数据到数据库，然后基于数据用C#做计算和统计分析，技术到不是太大的问题，主要还是到底以什么方式来实现盈利。如果仅通过技术指标可行，那么程序就变得重要，因为都是可以经过量化计算的；如果需要靠人脑分析未来公司业务发展规模，这种是很难用程序量化的，不同行业不同公司太复杂了，很难实现量化。

所以我个人认为学习量化交易，应当从基础理论的学习，仓位管理，止盈止损的控制，策略的周期，校验策略，小额实盘交易，小中额度实盘交易，最后大额实盘交易。最最重要的是，要有很好的情绪管理，超强抗压能力，敏锐的洞察力是交易成功并盈利的重要法则！

4. 如何搭建量化投资研究系统

参考：http://www.360doc.com/content/15/0712/15/14222116_484427742.shtml

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。

“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

5. 如何搭建量化投资研究系统

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。

“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

6. 如何搭建量化投资研究系统

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。


“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

7. 量化投资模型如何开发的？

量化的模型开发大致分为以下几个环节：
①数据处理，看你用什么工具，R还是Matlab还是python，或者是c++，最好是工具本身的格式，这样速度会快的多，比如Rdata，或matlab的mat格式，或者python的npy格式，或者c++的二进制格式，还有就是你要用什么数据，分钟数据，切片数据，还是tick数据，根据你的需求不同进行处理。

②指标建立，这个工作可以看成问题的关键，如何建立指标，你的思想是什么，都来源于此，举个简单的均线指标，matlab，就是ma=movavg(data,length)
③模型回测，据我理解就是一个大循环:
if time>9. && timema(i) && p!=1
   buy
else 
   sell
if p==1 && 止损条件
  平仓
等等
④计算收益
然后根据收益，夏普比率等，改条件，重复上面的工作。

总结：
开发模型的步骤一般是：数据处理、寻找因子、回测验证、实盘模拟、风险归因。

备注：
数据处理：去极值、标准化、中性化；数据预处理。
寻找因子：寻找Alpha、寻找收益波动比因子、另外优矿上提供了近400个因子因子可以自己验证。

8. 量化投资的投资参考

（1）《量化投资—策略与技术》，全面介绍量化投资策略的教材（2）《解读量化投资》，介绍量化投资大师西蒙斯的策略和经历（3）《高频交易》，介绍量化投资的一个分支：高频交易策略的方法与技术（4）《积极投资组合管理》，阐述了如果利用量化的方法进行投资组合设计，获得超额收益的书