算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。
量化投资从基础到实践
策略种类主要分为阿尔法中性策略、量化择时策略、CTA策略、套利策略等。其中阿尔法策略将股票收益分为个体风险的阿尔法收益以及承受市场风险的贝塔收益，通过在量化选股的基础上，建立股票多头和股指期货空头头寸，对冲掉股票的贝塔收益，获得选股策略优势下的阿尔法收益，策略收益的关键在于选股策略中的股票组合优于市场指数表现，策略收益与市场涨跌无关；量化择时策略是利用各种宏观微观指标对股票走势进行预测的策略，可运用择时信号进行成分股票的头寸调整从而进行指数增强策略构建，对比而言，量化选股则主要通过多因子、风格轮动和行业轮动等模型进行策略风险调整，从而获取超越基准的Alpha收益，量化择时还可对对阿尔法中性策略进行择时增强，总之量化择时与市场的行情表现有关；CTA策略主要投资于股指期货以及商品期货市场，利用对市场趋势的判断灵活的转换多空头从而获得绝对收益，以技术分析为主，交易频率一般较高，CTA策略收益与市场涨跌无关，与波动率相关，在趋势明显的市场中表现较好，具有中风险，中收益的特征，另外CTA策略与股票策略等相关性较低，可用于进行策略组合；套利策略可分为无风险套利和统计套利，是利用不同标的显著特征差异，通过建立头寸大小相同、方向相反的仓位进行价差套利，套利策略属于市场中性策略，与市场的涨跌无关，在波动率高的市场下机会较多，属于低风险中等收益策略。
- 1. 趋势择时：利用趋势的延续性进行技术性择时
- 2. 市场情绪择时：利用投资者情绪量化进行趋势判断
- 3. SVM择时：利用SVM模型进行趋势分类 量化投资
- 4. 分型理论择时：通过HURST指数，判断目前走势偏离随机游走的程度
- 5. 有效资金模型：通过判断推动打趴上涨下跌的有效资金走势来预期大盘趋势
- 6. 牛熊线择时：通过牛熊两条线过滤随机噪音，识别真实的趋势方向
- 7. 噪音择时：捕捉市场噪音突然放大的情况，跟随大型知情交易者获取利润
- 1. 多因子模型：采用不同类型的因子或者因子组合作为选股标准
- 2. 风格轮动模型：利用市场的风格特征进行投资 量化投资
- 3. 行业轮动模型：根据经济周期下的行业启动发展规律进行配置
- 4. 资金流模型：利用资金的流向判断股票的涨跌
- 5. 动量反转模型：根据股票的趋势持续或者趋势反转特性进行买入卖出
- 6. 一致预期模型：利用分析师看法进行股票预期操作
- 7. 趋势追踪模型：利用相应技术指标进行追涨杀跌
- 8. 筹码选股模型：根据主力资金下的资金变动情况预期股票涨跌
- 1. 箱体突破：将期货一段时间的形态描述成箱体，形态超出箱体则是突破的信号
- 2. 均线趋势和反转：均线趋势包括高频、短期和长期均线，趋势策略即通过跟踪商品价格走势进行追涨杀跌，获取收益，反转策略则是利用趋势逆转，价格回复正常水平的于其，进行抄底摸顶，获取收益。
- 1. 期货套利：利用期货到期日的临近，期货价格与现货价格的理论性收敛
- 2. 分级基金套利：利用一级市场上母基金与二级市场上分拆分级基金之间的溢价折价 量化投资
- 3. ETF套利：利用ETF价值与一篮子股票是指之间的折价或者溢价差异
- 4. 资本结构套利：利用同一公司发行的不同金融产品下投资者的信息反映速度差异
- 5. 可转债套利：利用可转债价格与转股价值之间差异
- 6. 跨市场套利：利用同一资产在不同市场中的价格差异
- 7. 跨期套利：利用不同到期月份合约之间的价差偏离
- 8. 跨品种套利：利用不同类别但具有稳定联系的资产之间的价差偏离
- 9. 统计套利：利用价差的均值回复进行策略构建
Talib：简称Technical Analysis Library,主要功能是计算行情数据的技术分析指标
Numpy：使用python实现的科学计算包。numpy和稀疏矩阵运算包scipy配合使用更加方便。
Scipy：包括统计、优化、线性代数、傅里叶变换、信号和图像处理、常微分方程求解等等。
Pandas：提供了数据分析任务操作大型数据集所需函数和方法。
Quantdsl：是Quant DSL语法在Python中的一个实现。Quant DSL 是财务定量分析领域专用语言，也是对衍生工具进行建模的功能编程语言。Quant DSL封装了金融和交易中使用的模型（比如市场动态模型、最小二乘法、蒙特卡罗方法、货币的时间价值）。
Pyfin：是针对于中国市场的Pandas定量投资金融工具包
TA-Lib：计算价格的技术分析指标。 是技术分析者和量化人员在策略开发中常用的量化分析包。
Easytrader：提供券银河/银河客户端/广发/湘财证券/雪球的基金、股票自动程序化交易以及自动打新，支持跟踪 joinquant /ricequant 模拟交易和实盘雪球组合, 量化交易组件。
Vnpy：基于python的开源交易平台开发框架，对接的交易接口丰富。
ShiPanE Python SDK：通达信自动化交易 API 及量化平台。
Easyquotation：实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情。
Zipline：是一个事件驱动股票策略量化回测框架，由Quantopian开源。
QuantSoftware Toolkit：是一个基于Python的开源软件框架，旨在支持组合构建和管理。 为金融学生、计算机学生和具有编程经验的量化分析师建立QSToolKit。支持建模分析、回测分析和实盘交易。
Analyzer：用于实时金融数据收集、分析和开发交易策略的一个金融分析包。
Pybacktest：在Python 结合Pandas包的矢量化测试框架，旨在帮助宽客回测更容易、 紧凑、简单、快速。
Pyfolio：组合投资和风险分析的库，是与zipline配合使用的一个组合风险分析工具。BigQuant平台可直接使用，已安装完成。
Qrisk：配合zipline使用的，主要用来分析因子风险。
Finance：财务风险计算库，该项目的目的是提供易于使用的python代码进行财务风险计算。
VisualPortfolio：用于可视化分析投资组合的工具
（1）价值策略（StrategySB size/BM effect）：在每月初，使用Fama-Macbeth (FM)回归将公司规模和个股市值实时整合到横截面股票收益的综合预测中。然后我们根据样本外收益预测对股票进行降序排列，形成1至10个小组和1组-10组的共11个投资组合。与动量策略统一，这里同样采用过去12月的数据进行回归（由于不存在由于流动性或微观结构问题引起的回报反转，这里价值策略包括最近一月数据）。
（2）动量策略（Strategy PM the Jegadeesh-Titman momentum）：由于动量效应具有一定的滞后性，为了避免由于流动性或微观结构问题引起的回报反转，不考虑最近一个月。因此它的十分位数和WML投资组合是根据-12到-2个月的复合原始回报基础上形成的，即是前12月至前1月的回报数据排序形成。
月度指标统计
[4] Asness C S , Moskowitz T J , Pedersen L H . Value and Momentum Everywhere[J]. Journal of Finance, 2013, 68(3):929-985.
Kazakhstan
Bạn đang truy cập website WikiFX. Website WikiFX và ứng dụng WikiFX là hai nền tảng tra cứu thông tin doanh nghiệp trên toàn cầu. Người dùng vui lòng tuân thủ quy định và luật pháp của nước sở tại khi sử dụng dịch vụ.
Trong trường hợp các thông 量化投资 tin như mã số giấy phép được sửa đổi, xin vui lòng liên hệ：[email protected]
量化投资的现状和前景
量化密码库 于 2019-07-03 15:07:40 发布 7180 收藏 11
什么是量化投资？
首先是容易冲规模。一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到最明显的体现。截止2011年底,巴克莱量化基金,管理规模超过1.6万亿美金,超过富达基金,成为全球最大的资产管理公司。
其次是可以获得绝对收益。利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球最大的对冲基金BridgeWater,旗下的旗舰产品Pure Alpha过去五年共赚取超过350亿美金。
第三是杜绝了内幕消息和老鼠仓。量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。
量化投资的理论基础
美好前景
所以,从事量化投资与对冲基金这个行业,不仅仅是为了实现财务自由,更重要的是人性的尊严!
最后还想说一句:
俱往矣,数风流人物,还看今朝!
让我们一起拥抱中国量化投资与对冲基金黄金时代的到来!