量化投資系列之價值動量模型doc

❶ 量化投資基金的優勢

南方策略優化是最新一隻量化投資基金。該基金在產品設計上充分考慮了中國市場的現狀和發展趨勢，提出了創新的主動量化投資模式。這種以定量模型為核心，但在決策流程和模型構建中有機結合定性分析的模式有可能成為量化投資的主導模式。同時，根據國外量化投資發展的新趨勢和國內市場的特點，南方也開發了最新進化的量化投資模型。
南方策略優化的主動量化投資模式主要體現在三個層次：在資產配置層面上定性定量並重，在行業配置層面上的定量為主定性為輔，以及在個股選擇層面的量化篩選。
在資產配置層面，綜合分析經濟周期、財政政策、市場環境等因素的基礎上，採用定量和定性相結合的思路確定本基金的資產配置。這與傳統的主動型基金可以說基本一致；但恰恰是在資產配置層面上，解決了量化模型最大的缺陷，即對周期轉換缺乏預判能力。也就是說，在市場趨勢可能發生轉折的時候，定性決策可能占據主導。
在行業配置層面上，該基金提出以B-L模型為基礎構建的行業配置模型。這一模型體現了定量為主，有機結合定性分析的思想。這一模型的關鍵在於，在分析行業指數歷史收益數據的基礎上，利用概率統計方法，將投資人對各行業或板塊的預期收益的傾向性觀點相結合，產生新的預期收益，通過求解量化模型進而得到優化的行業配置比例。簡單來說，這一模型的思想就是把投研人員對未來預期的主觀判斷當作模型本身的關鍵因子，用於修正從歷史數據中得出的預期收益，從而優化模型配置結果。因此模型給出的不僅是客觀規律，而且也結合了投研人員關於未來行業判斷的觀點修正。
在個股選擇上以量化模型為主，以實現對個股的廣泛篩選。其採用的模型是經典的多因子選股模型，「南方多因子量化選股模型」重點選擇四方面的因子：（1）基本面因子：包括上市公司的盈利能力、現金流情況、財務杠桿水平以及未來成長性等，反映了上市公司的當前價值和成長潛力。（2）價值因子：反映股票的絕對和相對估值水平。（3）市場面因子：包括股票價格的動量/反轉趨勢、股票所處風格板塊的輪動，股票價格的歷史波動等。（4）流動性因子：包括平均成交量、平均流通市值、Amivest流動比率等各種指標，對個股流動性進行衡量。通過數據分析篩選未來可能具有超額收益的個股。
量化投資要有嚴格的紀律，也應有鮮明的投資目標定位。南方策略優化把自身的投資目標定位在穩定超越指數，穩定獲取超額收益。超額收益主要通過量化配置和選股獲取超額alpha收益，也可能來源於通過主動選時獲取beta超額收益。量化投資希望在持續性，穩定性上保持優勢。而穩定超越指數，也就相當於超越多數主動型基金。 和傳統的主動管理基金相比，量化基金的優點正在於降低了對基金經理主觀能力和經驗的依賴。但量化基金要想成功運作，管理人的能力同樣重要。這主要體現在兩方面：一是能否開發和設計出好的量化模型，二是如何做到主動和量化的結合，在投資實踐中用好模型。在這兩方面，國內的基金公司都進行了長期的積累和准備，南方基金的量化投資團隊即是其中的典型。

❷ 量化對沖領域有哪些經典的策略和傳奇人物

阿斯內斯是法瑪在芝加哥大學指導的金融博士，其博士畢業論文在三因子模型的基礎上加入了動量因子，以四因子模型的形式完成了一系列的實證分析。博士畢業後阿斯內斯進入高盛，成為了一名量化交易分析員，隨後在高盛組建了全球阿爾法基金，主要從事以量化為導向的交易工作，業績不俗。1997年他離開高盛創辦了自己的AQR資本管理公司，目前該公司是全球頂尖的對沖基金之一。雖然沒有直接的證據證明阿斯內斯在工作中採用的是多因子模型基礎上的股價預測技術，但是可以想見的是，市值、賬面市值比、動量因子和因子模型應該與其量化交易策略存在一定的關聯。阿斯內斯在一些訪談和學術論文中也時常談到價值、動量/趨勢、低風險、套息等相關概念，是為佐證。

由學術研究進入量化交易實業領域的一個更為極端的例子，應該是文藝復興科技公司的西蒙斯，這也是中國讀者較為熟悉的一個量化交易從業者。西蒙斯於1961年在加州大學伯克利分校取得數學博士學位，年僅23歲，並在30歲時就任紐約州立大學石溪分校數學學院院長。他在1978年離開學校創立了文藝復興科技公司，該公司因為旗下的量化旗艦基金——大獎章基金傲人的業績而聞名。關於西蒙斯所使用的量化交易策略，坊間一直有諸多猜測。許多人認為其所使用的應該是基於隱馬爾科夫模型的量化交易策略，原因在於西蒙斯的早期合夥人鮑姆是隱馬爾科夫模型估計演算法的創始人之一，同時文藝復興科技公司招聘了大量的語音識別專家，隱馬爾科夫模型正是語音識別領域的一個重要技術工具。作者對這一說法持懷疑態度，不過不管怎樣，從文藝復興科技公司比較另類的人員構成來看，這應該是一個比較純正的使用量化交易策略進行運作的對沖基金公司。

雖然大部分的量化對沖基金正在使用的交易策略都或多或少的進行保密，但是仍然有一些量化交易策略在多年的使用後開始慢慢為外界所熟知，統計套利就是其中之一。這個策略的概念最早產生於摩根斯坦利，當時的做法也被稱為配對交易，實際上就是使用統計的方法選取一對歷史價格走勢相似的股票，當兩支股票之間的價格差距變大、超出一定閾值之後，就分別做多和做空這兩支股票，依靠該價格差在隨後的時間里回歸到正常水平來獲取收益。由於這種量化交易策略既源自於統計分析、又存在等待價差回歸的套利特性，因此被稱之為統計套利。而隨著對這類交易策略的進一步深入研究，統計套利策略目前已經遠遠超出了配對交易的范疇，變得更加的復雜和多樣化。

肖曾經是摩根斯坦利這個統計套利交易組的成員之一，他於1980年在斯坦福大學獲得計算機博士學位，隨後留校進行學術研究。肖在1986年加入摩根斯坦利後負責該組的技術部門，但是在兩年之後、如同統計套利的首創者班伯格（注）一樣、由於政治斗爭等原因從公司離職，並創立了自己的德劭基金公司。結合了肖的大規模並行計算研究背景和在摩根斯坦利接觸到的統計量化策略，德劭基金公司利用計算機量化模型作為主要的策略進行交易並取得了巨大的成功。值得一提的時，肖在對沖基金領域紮根之後，仍然不忘科學研究，其成立的德劭研究公司致力於通過強大的計算機硬、軟體能力在分子動力學模擬等生化科研領域取得前沿性進展。這與阿斯內斯一直在金融雜志上發表學術論文的行為，相映成趣，當然肖的學術研究相對而言可能更為極客一些。

相比起統計套利，傳統意義上的套利策略是一個更為人熟知、更經典的量化交易策略。實際上現代金融框架的一部分都是基於「無套利」這樣一個假設原則建立起來的，可見套利策略的深入人心與重要性。如果說統計套利的重點在於刻畫和預測多個資產間的統計關系，那麼傳統套利可能就更重注於各個資產的價值計算，以及策略執行時的交易成本估計和優化。只不過量化交易策略進化到現在，統計套利和傳統的套利策略已經是互相滲透、互相融合的了。以計算機能力見長的德劭基金公司，對這兩種套利策略應該都是有所涉及的。

說起套利，不得不提到長期資本管理公司。這家公司的陣容十分豪華，包括債券套利的先驅梅里韋瑟、兩位諾貝爾獎獲得者莫頓和斯科爾斯、美聯儲副主席穆林斯等諸多頂級從業者，主要從事的正是債券的量化套利交易，當然其中也會包含一些其他形式策略的成分。公司成立的前三年間表現非常出色，但是在1998年俄羅斯國債違約之後，相關的連鎖反應使得公司產生巨大虧損，在美聯儲的干預下被華爾街幾家公司出資接管，形同倒閉。實際上，長期資本管理公司在俄羅斯債券上的損失本身並不大，但是許多大金融機構在虧損環境下必須保證足夠的資本量，因此通過出售流動性較好的七大工業國債券等資產來減低風險、增加資本，全球主要債券價格在賣出壓力下大幅下跌，波動巨大，這才導致了杠桿極大的長期資本管理公司在債券套利上產生巨額虧損。

❸ 量化投資策略的趨勢判斷型量化投資策略

量化選股就是利用數量化的方法選擇股票組合，期望該股票組合能夠獲得超越基準收益率的投資行為。量化選股策略總的來說可以分為兩類：第一類是基本面選股，第二類是市場行為選股。
基本面選股介紹了多因子模型、風格輪動模型和行業輪動模型。市場行為選股介紹了資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼選股模型。 與股指期貨套利類似，商品期貨同樣存在套利策略，在買入或賣出某種期貨合約的同時，賣出或買入相關的另一種合約，並在某個時間同時將兩種合約平倉。在交易形式上它與套期保值有些相似，但套期保值是在現貨市場買入（或賣出）實貨、同時在期貨市場上賣出（或買入）期貨合約；而套利卻只在期貨市場上買賣合約，並不涉及現貨交易。
商品期貨套利主要有期現套利、跨期套利、跨市場套利和跨品種套利4種 有別於無風險套利，統計套利是利用證券價格的歷史統計規律進行套利的，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。
統計套利的主要思路是先找出相關性最好的若干對投資品種（股票或者期貨等），再找出每一對投資品種的長期均衡關系（協整關系），當某一對品種的價差（協整方程的殘差）偏離到一定程度時開始建倉——買進被相對低估的品種、賣空被相對高估的品種，等到價差回歸均衡時獲利了結即可。
統計套利的主要內容包括股票配對交易、股指對沖、融券對沖和外匯對沖交易。 期權（Option）又稱選擇權，是在期貨的基礎上產生的一種衍生性金融工具。從其本質上講，期權實質上是在金融領域將權利和義務分開進行定價，使得權利的受讓人在規定時間內對於是否進行交易行使其權利，而義務方必須履行。在期權的交易時，購買期權的一方稱為買方，而出售期權的一方則稱為賣方；買方即權利的受讓人，而賣方則是必須履行買方行使權利的義務人。
期權的優點在於收益無限的同時風險損失有限，因此在很多時候，利用期權來取代期貨進行做空、套利交易，會比單純利用期貨套利具有更小的風險和更高的收益率。

❹ 如何開發量化投資模型

4.如何進行量化投資
一個量化投資的交易系統主要包括三個部分，阿爾法模型、風險模型和交易成本模型。
阿爾法模型旨在預測寬客所考慮金融產品的未來趨勢；
風險模型旨在幫助寬客投資不太能帶來收益但會造成損失的敞口規模；
交易成本模型用於幫助確定從目前的投資組合到新的投資組合的交易成本。
目前對於量化交易的研究重點大都集中在對阿爾法模型的研究上。
阿爾法模型
阿爾法模型是量化交易系統的第一個重要組成部分，主要是為了尋找盈利機會。
阿爾法是希臘字母α的音譯，常用於量化表述投資者的盈利能力或投資者得到的與市場波動無關的回報。
阿爾法模型分為：
趨勢形、回復型、技術情緒型、價值型/收益型、成長型和品質型
趨勢型和均值回復型交易策略都依賴價格數據；純技術情緒型的策略比較少見通常都只作為一個輔助因子；而價值型/收益型、成長型和品質型策略都基於基本面數據
趨勢跟隨策略
趨勢跟隨策略是基於以下基本的假定：在一定時間內市場通常朝著同一方向變化，據此對市場趨勢做出判斷就可以作為制定交易策略的依據。常見於期貨市場，最常用移動平均線交叉來定義趨勢。
均值回復策略
均值回復策略的基本理論認為，價格圍繞其價值中樞而上下波動，判斷出這個中樞以及波動的方向便足以捕捉到交易機會。統計套利是用的最多的均值回復策略，認為價格出現背離類似股票的價值終究會縮小到合理的區間范圍。
技術情緒型策略
這一類策略沒有明確的經濟理論支撐，主要通過追蹤投資者情緒相關指標來判斷預期回報，如交易價格、交易量以及波動性指標等。比如觀察期權市場的認沽認購量和隱含波動率做現貨的擇時，再者就是高頻交易通過限價指令簿的形態來判斷近期市場情緒。
價值型/收益型策略
價值型策略主要用於股票交易。這類策略認為市場傾向於高估高風險資產的風險，而低估低風險資產的風險。因此，在適當的時間買入高風險資產和賣出低風險資產，就可以獲得收益。常用的指標有PE（市盈率）、PB（市凈率）等，常應用於股票多空。
成長型策略
成長型策略試圖通過對所考慮資產以往的增長水平進而對未來的走勢進行預測。他認為價格上漲通常都是存在趨勢的，價格上漲最快的產品通常比同類產品更具有優勢，他要求投資者能盡早判斷公司的股價處於增長期，從而捕捉到公司的股價未來更大的上漲幅度。宏觀上常見於外匯市場，例如持有經濟迅速增長的國家的外匯，這些國家的利率比經濟增長緩慢或處於復甦期的經濟體要高；股票市場通常用EPS等指標度量。
品質型策略
這類策略的支持者認為，在其他條件相同的條件下最好買入或持有高品質的產品而做空或減少持有低品質的資產。這類策略比較看重資金的安全，受宏觀市場影響比較大，常用的指標有杠桿比率、收入波動比、管理團隊水平和欺詐風險。
不管是什麼類型的策略最終受益都體現在交易中關於買賣時機的把握和持有頭寸選擇的技巧。
https://uqer.io/community/list 這個社區裡面有很多關於量化的策略，也有很多牛人，可以和他們多討論討論的。

❺ 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。

❻ 量化模型是什麼意思

量化模型，是把數理統計學應用於科學數據，以使數理統計學構造出來的模型得到經驗上的支持，並獲得數值結果。這種分析是基於理論與觀察的並行發展，而理論與觀測又通過適當的推斷方法而得以聯系。

一個完整的量化模型包括哪些？

近幾年，量化投資在國內興起，但在很多人眼裡，量化投資彷彿是一個非常神秘的新事物。而實際上，量化投資的無非就是寬客通過計算機語言，將交易策略布置到一個量化系統中，然後進行回測和實戰的過程。量化投資的本質還是投資者的智慧，只是實現過程中運用到計算機這一工具。

寬客們到底是如何系統的構建一個完整的量化模型的？可以肯定的是，寬客跟普通投資者一樣，也在觀察市場，產生一些普通投資者也會想到的想法，當寬客產生一些想法時，他們會通過計算機去驗證他們的想法是否靠譜或者是能否帶來收益。而作為普通投資者，實現想法往往是困難的，如同普通投資者在投資或炒股過程中，發現在15分鍾K線圖，上升趨勢中股價跌破MA169後便會進入調整。普通投資者只是感覺，而寬客可以通過編寫程序然後在市場的歷史數據回測，驗證這個想法是否靠譜。

一個簡單的想法編寫成簡單的程序，這明顯不能稱作為量化模型，但這卻是任何一個量化模型的來源，即人的想法。完整的量化模型應當包括：策略模型、風險模型、交易成本模型、投資組合構建模型、執行模型，如下圖：

投資組合構建模型：投資組合構建模型在於構建一個能創造最大盈利的投資組合。主要分為：基於規則的投資組合構建模型和基於優化的投資組合構建模型。基於規則的投資組合構建模型主要分三類：相等頭寸加權，相等風險加權，信號驅動型加權。其中前兩類分別保證了投資組合的每個個股頭寸相等和所承擔的風險相等。第三類根據信號強度來加權，投資組合中個股與策略模型設定的條件越接近則賦予的權重越大，這是合理決定頭寸規模的最佳途徑。

執行模型：執行模型是實施量化模型的最後一個環節，如果沒有執行模型，那麼整個量化模型並沒有存在的意義。執行模型中訂單執行演算法是最關鍵的，其主要目的是，以盡可能低的價格，盡可能完整地完成想要交易的訂單。具體的執行演算法包括：採用何種訂單類型，採用進取訂單還是被動訂單，採用大訂單還是小訂單。對於資金量比較小的寬客，執行模型往往是比較簡單的，一旦出現信號，其所需成交量的並不需要太大。而對於資金量較大的寬客來說，執行模型是比較復雜的，需要根據實際情況來選擇合適的下單方式。

以上就是量化模型的整個系統框架，其中任何一個部分都發揮至關重要的作用，因此一個完整的能盈利的量化模型是非常有價值的。

❼ 量化投資—策略與技術的本書特色

第一，實戰性。書中的案例絕大多數來自於實際的市場數據，只有很少一部分是純理論的分析。尤其是策略篇中的內容大部分來自於專業投資機構的研究報告，具有極強的實戰價值。
第二，基於中國市場。與量化投資最接近的書籍當屬「金融工程」，但金融工程中絕大多數的案例都來自於國外市場，很多策略在國內市場還不具備投資條件。本書中的案例基本上都是對國內市場（股票、期貨等）中的實際交易數據的分析，特別適合國內的投資者。
第三，理論性。量化投資離不開最新的數學和計算機理論的支持，本書用了將近一半的篇幅來闡述與量化投資有關的基礎理論，並用了很多案例來說明這些理論的應用方法。避免了一般投資策略書籍重技術而忽視理論的缺點，從而使量化投資更加科學化。
本書主要內容
本書的內容分為：策略篇和理論篇。策略篇中闡述了各種量化投資的策略與方法，理論篇則詳細介紹了支持量化投資的各種數學工具。
策略篇一共介紹了8個方面的投資策略，分別是量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、演算法交易及其他策略。
投資策略 概述
量化選股 量化投資最重要的策略，主要是研究如何利用各種方法選出最佳的股票組合，使得該股票組合的收益率盡可能高的同時，保持盡可能的穩定性。量化選股一章闡述了8種不同角度的策略，分別為多因子模型、風格輪動模型、行業輪動模型、資金流模型、動量反轉模型、一致預期模型、趨勢追蹤模型和籌碼選股模型
量化擇時 量化投資中最難的，也是收益率最高的一種策略，主要研究大盤及個股走勢，並進行相應的高拋低吸操作。如果能夠正確判斷大盤，則收益率會比單純的買入-持有策略收益要高很多。這一章主要闡述了8種擇時模型，分別是趨勢擇時、市場情緒擇時、有效資金模型、牛熊線模型、Hurst指數模型、SVM模型、SWARCH模型和異常指標擇時

❽ 量化交易主要有哪些經典的策略

量化選股之多因子選股模型
量化擇時--雙均線（MA）、DMA、TRIX、MACD擇時

量化擇時--PE擇時

還有趨勢型，網格型，剝頭皮，概率法則，高頻交易，神經網路，基因演算法

❾ 什麼是量化投資交易策略

一文看懂量化投資策略

閑話基

量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。

跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。

由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。