EratoFX 亿瑞拓：2月13日知识专栏

zack

何为量化交易？

量化交易也称为算法交易，是严格按照计算机算法程序给出的买卖决策进行的交易方式。它以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

量化交易并非简单的程序

大家容易把量化交易与技术分析混淆，实际上量化交易的内容丰富的多。许多量化交易系统在进行建模和运算的时候会用到基本面数据，比如估值、市值、现金流等，还有的算法将新闻作为变量进行计算。而技术分析基本只需要用到交易标的的量价数据。

量化交易特点：

1、纪律性

根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

2、系统性

具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、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；三是多数据，即对海量数据的处理。

3、套利思想

定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

4、概率取胜

一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

正因量化交易具有上述优势，因此很多投资机构都会有量化策略报告，包括基本面量化、技术指标量化、情绪指标量化等。这些报告中的一部分是以非常严谨的方式做的研究，得出结论的可靠程度是很高的。

制定量化策略的基本步骤有哪些？
第一步，利用现成指标构建逻辑。

软件内置了众多的技术指标，取出一个，写入买卖点，回测下历史行情，这样就可以得到一个简单的策略了。随着策略经验的积累，这里的逻辑选择会越来越多样化。

当然这样的策略一般是不赚钱的。

所以，我们第二步，进行参数优化。

选择参数遍历，观察不同参数对于策略会产生怎样的影响。一般情况下我们会得到几组看起来比较赚钱的参数。

然后，我们第三步，进行样本外检测。

比如说我们之前遍历的参数是2016年的数据得出的几个表现好的参数，那么我们就用2014/2016的数据对这些参数进行检测。一般来说，这一参数会在样本外惨淡无比，完全没有样本内优化出来的威武。

这时，第四步，进行观察，判断策略失效的原因是什么。

假设发现策略失效原因是样本外某一两次特殊的行情导致大幅亏损，那么我们就可以设置一个硬止损来规避这种风险；如果发现策略失效是因为交易次数过少，那我们就将交易逻辑稍微放松，比如要求>x的地方改为>=x甚至是>=x-1。等等等等，这种修改就是策略的经验了。

设置好新的逻辑后我们回到第二步，重复以上步骤。

最终我们修改得到了一个样本内外都赚钱的策略。

第五步，实盘追踪。

在未来一段完全未知的行情中随着时间检验策略，观察策略的真实表现究竟如何。如果表现与预期相符合，那么说明策略有效。

第六步，进行交易。

随着交易进行，我们也要观察策略的有效性，当发现策略出现超出预期的亏损时。

第七步，调整或终止策略。

关于具体开发中的经验分享

①某种程度上来说做策略就是瞎想->尝试->瞎想->尝试的循环。

②选择指标时一定要避免使用未来函数。

③参数不宜过多。

④参数优化中，可用的参数组越多越好，说明策略有效性高。

⑤在实盘中，策略的期望一般都要打折扣的，达到预期的50%就是合格。

⑥交易次数太少的策略一般是运气。

⑦测试出一条超级赚钱的曲线，一定是你逻辑写错了。

由实际步骤可以看出，量化交易并非适用于任何投资者，如果你对此交易策略有兴趣那么你需要具备一定的编程能力。但这也并非说明量化交易遥不可及。

如果你在交易中很难控制自己的情绪，想通过计算机来执行系统化的交易，但是又对数学或者技术有所恐惧，建议你可以先看下入门级的大师之作《打开量化交易的黑箱》，作者是华尔街的数量金融专家，书中结合大量的案例和真实故事为你解读，量化交易其实比你想象的更容易掌控和理解。