新手如何入门量化交易

新手如何入门量化交易

近年来，随着量化交易越来越进入普通大众的视野，其越来越受到投资者的关注，甚至有时候相当的夺人眼球。投资者对量化交易的认识，很多是直观的能赚钱，但对其中的细节难窥一斑。更多的投资者感慨于量化交易的优势，希望能将这样的利器为己所用却难以登堂入室。

究竟怎么样才能尽快入门量化交易？本文就旨在从下面几个方面带领还在门外苦苦徘徊的投资者们，去初窥量化交易的门径。

1.什么是量化交易？
1.1普通人眼中的量化交易
1.2真实的量化交易
1.2.1量化交易的定义
1.2.2量化交易近在咫尺
2.量化交易技能准备
2.1交易逻辑准备
2.2相关技能准备
3.量化交易进阶路径
3.1从简单到复杂
3.2小步迭代
4.结语

下面切入正题

1.什么是量化交易

1.1普通人眼中的量化交易

在绝大多数普通人眼中，量化交易的第一个关键词大概应该是“神秘”，交易思路是神秘的，交易方式是神秘的，盈利能力是神秘的。这种神秘感导致普通人看量化如同雾里看花，得到的结论也可想而知。第二个关键词大概应该是“自动”，感觉量化交易全是机器自动判断下单的，只要机器一开，什么事都不用管。第三个关键词大概应该是“赚钱”，这一点大概媒体的作用很关键，大众都会觉得量化交易非常赚钱，动不动几个月赚多少小目标，盈利XXX%。

显然普通大众对于量化交易的认识是有非常大的偏颇的。那么真是的量化交易是什么样的呢？

1.2真实的量化交易

真实的量化交易其实既不神秘，也不一定自动，更不一定赚钱。他依旧是市场整体交易的一部分。他的表现无法，也不可能长期大幅超越市场。亏钱的，甚至爆仓的也比比皆是。我们还是先从量化交易的定义来看看什么是量化交易。

1.2.1量化交易的定义

量化交易顾名思义，就应用定量分析方法，把市场中的各类信息进行数量化。根据数量化后的结果分析规律，之后做出买卖交易决策。这个定义非常简单，其实只对于定量分析做出了要求，并没有要求这个交易必须自动，更不可能要求交易必须赚钱。

所以我们在谈论量化交易的时候，大可不必将之与全自动，高频，深度学习，AI等高大上的词汇联系在一起。那离开了这些高大上的词汇，还有什么样的量化交易呢？

1.2.2量化交易近在咫尺

量化交易可以很复杂，同样可以非常简单。只要符合市场的交易逻辑，都有可能是优秀的策略。而且每个人对与优秀的定义并不一样，适合自己的可能才是最好的。我们身边其实就有量化交易。

上班族们很多人都会参与证券市场。但是苦于没有时间研究市场，就有很多人选择简单的定投市场。每个月发工资日定投个500，1000到某个固定的基金。几年下来，打开账户一看，发现盈利不少。这就是一个典型的，非常简单的量化策略。买入时间，买入数量是定量的。买入标可能是根据历史收益率定量分析的，也可能是无脑指数etf的。主观上不会去判断，更不会被市场的波动所影响。

对于有时间参与交易的投资者，同样有非常简单的量化策略。比如站上XX均线做多，跌破XX均线平仓或者做空；涨停敢死队追涨停第二天卖出等，这其实都是量化交易。虽然这样的量化交易在交易的某些环节没有严格的量化（比如仓位，比如标的选择等），策略本身也没有经过严格的测试，但是并不能改变其量化的基本性质。

2.量化交易技能准备

看完前面的叙述，大家应该已经知道，量化交易没有那么神秘，并不是遥不可及的东西。普通的投资者哪怕是新手同样可以涉足量化交易。除了定投这样的量化，还可以参与相对复杂一些的量化交易。只是必须做一些技能上的准备。
2.1交易逻辑准备

每一个有志于投身于量化交易的投资者，都必须清楚，量化交易分为两个环节，量化和交易。是量化后的交易。首先有交易逻辑或者交易思想，才有下面的量化交易细节，测试，实盘自动交易等环节。所以投资者应该首先储备自己的交易逻辑。

交易逻辑的获取可以来源于很多方面。直接的经验，直接的教训，间接的经验，间接的教训都可以成为交易逻辑的来源。直接的经验和教训通常来自于投资者自己的交易行为。不管是盈利还是亏损的交易，投资者都应该认真提炼开仓和平仓背后的想法，排除冲动型交易过后，将想法关于交易的每一个环节尝试用数量化的语言去表达，这种想法就有可能成为自己的交易逻辑。虽然这种交易逻辑不一定代表可以盈利，但是确实可以成为研究的起点。

更多交易逻辑的获取会来源于间接的经验和教训。阅读投资大师的传记，思想等，分析这些投资大师的交易方式，提取其中可以数量化的部分，让自己能够站在大师的肩膀上。分析普通投资者的交易行为，提炼他们交易行为中正确的和错误的部分将其数量化，可以作为自己研究的素材。

交易逻辑的积累其实并不难，总的来说，直接的比间接的重要（当然获得成本比较高），教训比经验重要，称手的比别扭的重要。一般来说，自己从市场里面获得的经验和教训会比书本上看来的，从别人嘴里听来的要重要得多，更深刻也更符合自己的性格特点。不过这种获取方式经济成本和时间成本都比较大，而且局限性比较大，思路很难拓展，因此这种来源比较少。向投资大师或者周围的投资高手学习借鉴是最可行的方式。数量多，类型丰富，很多经历了长时间的考验。只要注意将细节数量化，这将会极大拓展自己交易逻辑的来源，能付诸实践的数量也会增加。当然最终交易逻辑不可能无限多，一方面资金量受限，一方面很多策略虽然不错，但是无法和自己的性格特征相匹配，投资者会难以坚持使用这样的策略。举个例子，对于一个喜欢短线交易，震荡期高抛低吸的投资者，给他一个追涨杀跌的趋势策略，在策略的回撤期，他很难忍受不断的亏损。结果就是在策略的回撤期，他选择停止使用这个策略，希望等到趋势来的时候再用，结果自然可想而知。

2.2相关技能准备

交易逻辑准备是个理论问题。有了相应的技能，才能把理论变成现实。量化中涉及的技能不少，下面稍作梳理。

组织协调能力。量化交易是个系统工程，组织协调自身的资源实现自己的目标很重要。这就需要能够合理的组织自己周边的资源为自己的目标服务。是先学习编程还是先积累交易经验，或者齐头并进，不分轻重？先学习投资大师的方法还是先自己到市场里面去积累经验？先学习编程还是先建立自己的框架？这些都是需要解决的问题。把自己当成一个公司，公司业务开展需要协调各个部门，自己在建立量化交易策略的时候，也是一样。

一定程度的数学知识。高深的数学知识不是必需的，但是基本的高等数学的知识还是需要的。至少概率和导数知识要有，凡事能有概率思维和导数思维。概率的存在导致交易中存在随机强化的现象，在交易遭遇困境的时候，这种思维带来的应对方式尤其重要。交易遭遇困境时，是策略范围内的亏损还是市场变化带来的策略不再占据概率优势，这是投资者随时需要思考的。导数则教会我们用变化的眼光看问题，寻找市场中变化的因素，将它提炼出来，成为自己要考虑的重点。

一定的编程能力。量化交易的基本每一个环节，都会需要用到编程知识。如果想深入的研究量化交易，编程是绕不过去的坎。市场上的量化交易用到的平台很多，python成为当前的热门。但是一些老牌的平台依旧使用甚广。东方财富，通达信，文华财经，交易开拓者，虽然功能相对局限，但是语言简单，数据丰富，对新手非常友好。新手在学习编程语言的时候，切忌好高骛远，选择自己能够适应的平台，初期尽量减低学习编程的时间，将时间精力分配到其他环节去。毕竟，编程是一个需要大量实践的工作，程序写的多了，编程能力自然就上去了。

总结和提炼规律的能力。这个不用说了，谁也别之外自己准备的交易逻辑拿来编程写出来就能用，其中需要改进甚至大修的地方多如牛毛。没有从自己的错误中总结和提炼的能力，很难走下去。
3.量化交易进阶路径

3.1从简单到复杂

从简单到复杂应该是任何事务发展的方式。研究量化交易也不例外。刚入门的时候，除非技能特别好，能力特别强--大部分新入门的投资者是不具备这种条件的--不要想着一开始就自建平台，建立自己的回测框架，处理自己的数据，不要想着一开始就有特别厉害的策略，方方面面都照顾的很好，这是不现实的。从自己能够够得到的编程语言开始，尝试将最简单的交易逻辑展现出来。双均线策略用交易开拓者或者类似的平台写出来，核心代码不过几行，很容易上手。由此引申出来的提升方向不少，在实践的过程中也会慢慢遇到常见的陷阱，然后去规避。在提升策略性能的过程当中，策略会慢慢变得复杂，代码数量也逐渐增加，慢慢的，这条路就走顺了。后期自然而然就会遇到各种问题，交易细节实现不方便？换平台或者自建。数据有问题？自己想办法解决。模型不够理想？去别处借鉴。但是在最初期的策略成型之前，不要考虑这些东西。

3.2小步迭代

小步迭代本质上也是这样一种思维的延续。实践比空想重要，在实践中发现错误，然后改正，不要想着一口吃一个胖子，没有人能在一开始就把所有问题都考虑清楚。在初期打造一个看着还不错的策略过后，确认没有致命漏洞的情况下，小资金跑跑实盘非常重要。这可以帮助你尽快发现问题，然后一点一点去解决它。实盘也可以帮助你发现从策略表现的不足之处，可能远非测试曲线看起来那么美好，这会逼迫你考虑新的思路去改善和优化。

4.结语

研究量化交易确实是一件花时间，花精力，回报也相当丰厚的事情。对于认知水平达到一定程度的投资者来说，确实是在市场上获得超额收益的神兵利器。但对于一个陌生的未知的事务，需要一定的勇气去探索，这一点挡住了很多人。量化交易本身并不难，难的是能否舍弃当前的休闲和娱乐，去探索完全崭新的一个领域。能探索就有收获，能坚持就有回报。

期权匿名回答 · 2023-1-23 19:30:29

[赞][赞][赞]

新手如何入门量化交易

1 个回复