量化交易如何入門

作者：Lucy-Fintech社區
鏈接：https://www.zhihu.com/question/22211032/answer/1463090246
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。

我們從量化交易的四步驟來談談如何快速入門量化交易：

1）策略識別 - 選擇哪種交易策略，用什么邊緣端處理，交易頻率為多少；

2）回測 - 獲取數據，回測策略表現，移除偏差；

3）執行系統 - 與經紀商系統相連，自動化交易，減少交易費用；

4）風險管理。

 

1. 策略識別：

多數交易策略都落在mean-reversion和trend-following/momentum這兩大類，可重點關注。

下面的一列鏈接里，是些高質量的交易策略鏈接網站，給大家提供靈感：

• Social Science Research Network
• arXiv Quantitative Finance
• Seeking Alpha
• Elite Trader
• Nuclear Phynance
• Quantivity
• The Whole Street
• Quantitative Trading (Ernest Chan)
• Quantopian
• Quantpedia
• ETF HQ
• Wealth Lab
• Wilmott Forums

下面是一些學術文章鏈接，大家可看看最新/常用的量化策略有哪些：

• arXiv
• SSRN
• Journal of Investment Strategies
• Journal of Computational Finance
• Mathematical Finance

在構建自己的量化策略時，要考慮以下幾個因素：

• 交易頻率: 低頻交易(LFT)，一般涉及隔夜持倉；高頻交易(HFT)，日內交易；超高頻交易(UHFT)，毫秒級、納米級交易頻率；
• 市場微觀結構：技術水平、規章制度、市場參與者等，都會對交易策略的選擇產生影響；
• 基金結構：投資池里養老基金、對沖基金的比例為多少；
• 機器學習/AI：量化交易中越來越多得使用到各種分類器（朴素貝葉斯），神經網絡，優化路徑（遺傳算法）。

 

2. 回測：

接下來要用歷史數據來回測，看看策略模型性能咋樣，並且在真實的交易場景中是否可以獲利。

有一點要注意，回測並不能完全保證策略可行，只能最大限度地消除偏差，包含優化/前瞻性/幸存者/心里承受度偏差等，在一定范圍內最優化交易模型。

個人意見，用於判斷一個新模型好壞的標准有：

• Sharpe Ratio - 度量回報/風險比例；
• Leverage (杠桿）- 模型是否需要撬動大量的杠桿資金；
• Frequency（頻率）；
• Volatility （波動性）- 與“風險”強相關；
• Win/Loss, Average Profit/Loss （平均盈虧比）；
• Maximum Drawdown（最大回撤）；
• Capacity/Liquidity （策略能力/流動性）；
• Parameters (參數）- 模型是否需要多種參數；
• Benchmark （比較）- 與其他模型相比，alpha與beta如何

用於回測的歷史數據種類有：

• 基本面數據 - 存在基本面偏差；
• 新聞數據 - 通常為定量數據，可用機器學習/分類器進行情緒分析；
• 資產定價數據；
• 金融工具；

獲取的歷史數據有以下三個考量：

• 頻率 - 獲取數據的頻率越高，價格越貴；
• 比較 - 通常用一種國家級指數作為比較基准，如上證指數，標普500等；
• 技術 - 用於存儲金融數據的數據庫引擎，如RDBMS, NoSQL等。

影響回測的關鍵不住有：1）過濾；2）建模；3）優化；4）驗證。

有一系列的軟件包可用於回測，可以看看各自的優缺點，主要選擇依據有：

• 編程能力；
• 執行能力/經濟商參與程度；
• 定制化；
• 策略復雜性；
• 偏差最小化；
• 開發速度；
• 執行速度；
• 費用

常用回測軟件有：MS Excel/OpenOffice； MATLAB/Ruby/Erlang/Haskell；Python/Ruby/Erlang/Haskell；R/SPSS/Stata；C++/C#/Java/Scala

 

3. 執行：

需要考慮三個關鍵因素：1）與經濟商的接口；2）交易費用；3）與回測表現的偏差。

 

4. 風控：

本質是資本最佳分配，是投資組合理論的一個分支。業界經常用Kelly准則來評判最佳資產分配和策略的杠桿效應。還要注意投資者的投資心里偏好，風險厭惡的程度如何。