sas量化投資

A. SATA與SAS有什麼區別

1、特性不同

SAS支持磁碟的熱插拔，這對於維護可用性要求比較高的環境來說非常重要。而且SAS是一個完全的雙向系統，而SATA則繼承了IDE的特性，是半雙向通信的系統。因此，SAS系統的吞吐量可以是類似的SATA系統兩倍。

2、費用不同

SATA磁碟費用低廉，而SAS磁碟則並不便宜。

3、線纜長度不同

SAS線纜可以有6米長，這是SATA線纜長度極限（1米）的六倍。

4、硬碟方面不同

SAS硬碟內部盤面採用玻璃材料基板，玻璃基板平整度高，可實現高轉速，SAS硬碟轉速有兩種：10000轉每分鍾或15000轉每分鍾，但玻璃材料存儲密度低，一般常見容量規格有300GB、600GB、900GB、1.2T、1.8T

SATA硬碟內部採用盤面採用鋁材料基板，有點事存儲密度高，但材料表面平整度差，故SATA盤容量比較大，常見容量有1T、2T、4T、6T、8T、10T，但轉速較低，有兩種5400轉每分鍾或7200轉每分鍾。

B. 做量化交易一般用什麼軟體

需要懂一些數學模型，比如統計分析、人工智慧演算法之類的，他的本質是利用數學專模型分析數據屬潛在的規律尋找交易機會，並利用計算機程序來搜尋交易時機以及完成自動化交易。並沒有現成的軟體可以做這個，因為它需要一個搭建一個專業的平台，這不是一個人可以完成的。

國內有一些軟體，比如大智慧提供數量分析，還有一些軟體提供股票、期貨的程序化交易。但是實際上這並不是真正意義上的量化交易。事實上，做一款純粹的適合個人投資者的量化投資軟體，難度是非常大的，因為量化策略並不想傳統的基本面、技術面那樣存在已有既定的必然規律。他需要跨越多學科，多領域去挖掘數據的規律，然後利用得出的規律進行交易。但是不同時間、空間的數據的潛在規律並不一致，所以對量化過程進行標准化是一件很難完成的事情。

如果是計算機或者數學專業的人士，可以考慮使用C、C++、SQL等語言，其他的可以使用MATLAB/SAS 等軟體。不管是哪一種軟體，要實現量化交易，肯定是需要一定的建模基礎和編程基礎的，其中最重要的東西是數學能力。

C. 很多法國公司的名稱中都包含SAS，請問這是什麼意思

指Société par Actions Simplifiée，是法國的一種公司形式，類似於 有限公司。

S.A.S公司為簡化股份制，是根據法國法律建立的第一個混合法成立的，並以普通法原則為基礎，擁有民事訴訟權。這類似於美國法律規定的有限責任公司，因為特拉華有限責任公司是法國政府採用的模式。

一家S.A.S簡易股份公司的年度報表由一個獨立機構控制，並公布年度摘要和平衡表。S.A.S簡易股份公司的董事長是該公司的董事長（Chairman）。然而，這家公司，不象是一家匿名公司，沒有一個董事會。主席還負責公司的運作。

公司還可能有一名總經理（總經理），他作為主席擁有同樣的權力，並對第三方表示尊重。公司採用簡化股份制的組織形式，是另一家公司的合夥人，通常是一家公營貿易公司，因為它們不需要一個復雜的資本公平結構。

(3)sas量化投資擴展閱讀：

法國sas公司與我國有限責任公司比較：

有限責任公司（簡稱有限責任公司）我國企業實施公司制度最重要的組織機構之一，根據《中華人民共和國公司登記管理條例》規定登記注冊。

我國有限責任公司相對sas公司其優點是建立程序相對簡單，不需要發布公告，也不需要發布賬目，特別是公司的資產負債表一般不公開，公司內部結構靈活。其缺點是不能公開發行股票，募集資金的范圍和規模一般較小，難以滿足大規模生產經營活動的需要。因此，有限責任公司（有限公司）的形式一般適用於中小非股份公司。

對於創業來說，有限責任公司更適合創業型企業，大多數投融資方案、VIE框架都是基於有限責任公司設計的。

D. 國內做的好的量化投資軟體有哪些

無論是國內國外，量化投資軟體就是一個噱頭，實際上根本沒什麼用處，如果真的可以靠投資軟體發財的話，那麼估計出量化投資軟體的人，早就發財了，所以千萬不要迷信這些投資軟體，作為理財師，我說幾個原因請參考：

第一、經濟數據不是量化投資軟體可以統計的，如果你使用的話，簡直是刻舟求劍，甚至可以能造成你的資金虧損。

第二、投資是一種人的行為，也是一種市場集體的行為，沒有任何的規律可言，所以您要回相信量化投資軟體的話，那麼您的投資就失去了基本的依據。

第三、我們所在的投資區域的變化，是經常性的，而且是客觀性的，所以沒有任何的規律性，這樣的情況下，不可能用任何一款量化的數據做規律的預測。

第四、金融市場更加是如此，比如我們國家的人民幣匯率變化，沒有任何的數據支持，而是看國家經濟的實際情況，如果你用量化軟體的話，結果不言而喻。

第五、量化投資軟體是一種，將一些規律，集合起來的軟體，是一種簡單的數據模式，這個模式會將任何一種投資給你做出一個固定結果，這樣的話你的投資根本沒有任何的機會，因為你不變，市場在變。

最後我奉勸所有的投資者，不要隨隨便便的迷信技術分析，投資的道路上沒有你想找的捷徑，也不要妄圖迅速的致富，我們必須腳踏實地，好好的研究實際的知識，了解市場的變化，，這樣才可以真正的投資成功。

E. 喬治·索羅斯寫過一本叫《量化投資》的書嗎

一下內容純手打

證券分析方法主要分三種：
一是基本面分析，代表作《證券分析》《價值投資》，代表任務「巴菲特」；

二是技術面分析，代表做《趨勢技術分析》《道瓊斯理論》等，注重短期投資，索羅斯屬於短期投機類型，但是沒有任何資料顯示他的投資流派屬於純粹的技術面分析，可能的情況是上述兩種都有。今年的而貝爾經濟學得主法瑪提出的」有效市場假說「某一種程度上，否定了技術面分析。

三是量化分析，美國近幾十年興起的一種方法，典型的代表人物是西蒙斯。

中國國內的量化投資的研究還比較少，量化投資的基金以及機構也不夠普遍，切主要集中於香港地區。原因之一是，國內金融金融市場沒有完全開放，金融產品匱乏。美國市場的金融產品多達幾萬種，而國內只有兩百多種。

關於量化投資的書，國內國外都有很多，主要集中與國外，國內學者大多是對國外技術的學習。當然，如果你是初學者，建議你還是從國內的相關書籍開始學起。

如果有一本書，叫《量化投資》，我敢保證你看了一定學不到什麼東西，丁鵬的《量化投資》就是這樣，只是對現在主要方法以及模型的簡單介紹。用於同行業交流也許會有些價值。書籍內容從：量化選股、量化擇時、到套利什麼什麼的，基本上都是簡單的介紹，可以當作課外讀物，了解一下什麼叫量化投資。如果你真的想學到什麼東西，直接網路文庫：量化選股、多因子選股等詞，你會看到無數國內證券機構對市場的量化研究。而且資料詳細。可是，你學不到最根本的原理。

原因如下：
進行量化分析，必須至少具備兩種能力：

一、扎實且足夠的數學、統計學基礎，用於理論上的金融建模；
二、能夠使用相關計量軟體進行數據分析或者模型求解等。

這兩個要求一般人很難到達，所以證券從業的教材認為難度大是量化投資的一個很大局限性。

如果樓主對量化投資有興趣，我可以推薦一些教材給你：

如果僅僅是想了解一下： 丁鵬《量化投資》，書很貴，個人認為沒什麼實用價值。可以有個簡單的系統的認識；

如果是想學習並且能在實際中運用，建議如下：

數學方面：
《微積分》 到高級《高級微積分》
《線性代數》《非線性代數》
《概率論與數理統計》《概率、隨機變數、隨機過程》
《離散數學》《運籌學》《統計學》
金融理論上
《計量經濟學基礎》《計量經濟分析》
《數量金融學》《金融時間序列分析》
。。。。還有很多很多
以及其他金融知識基礎
建模方面
這類的書，我看的不多哦，你自己網路一下，或者找個圖書館看看
計算機軟體
C 和 C++ 至少學一個，SQL 建議學一點
建模軟體主要有：MATHEMATICA MATLAB SAS SAC R Eviews GAMS 等等等等，終於哪些海外基金用的是哪一種，或者是不是自己做的專用軟體，我就不知道了。
不過，上述的軟體，肯定是可以滿足個人的研究需求的。這個，你選幾種學一學還是可以的。

一個人，想要精通上述全部，應該是很難的，所以，註定了，量化分析的方法，單個的普通人很難完成。
量化投資起源與上世紀美國政府大幅度削減了對物理航天業經費自持，導致很多搞火箭的科學家、數學家下崗。於是他們流入金融行業（收入高），利用自己對數學、計算機的優勢，使用原先用於火箭的建模預測證券市場，發現有著顯著成效。當然，這些模型的前提是，現代金融理論的奠基，以及數量金融的發展。

因此，我個人對量化投資的理解是：金融界的火箭科學家，傳統的分析方法，只用看某一或某幾個指標，根據歷史經驗或者主觀的客觀的XXOO判斷證券的未來走勢，但是量化分析，首先建立合理的數學模型，然後藉助計算機運用某些XX的演算法，分析求解，難度相對於傳統的方法難很多。

如果你想比較淺顯的掌握，用於投資決策的參考
那量化分析，也沒有想想中的那麼高深，它本質上是一種金融的建模，本質上，常用的方法還是統計專業的那幾個 ，什麼 回歸分析，線性規劃 ，相關性，時間序列等等等。。。我看了丁鵬的書，大致上認為他是用了這些方法。所以你只用把應用數學學好就好了。
還有一些像遺傳演算法、神經網路這些他的書裡面也提到了，屬於現代演算法，這些方法比較小，難度大，但是我猜只有學術界會用這些方法，因為現代演算法在實際運用中還不夠成熟，預測經常不準確。

表述有些亂，不過大致也只能寫成這樣了。

最後：和量化分析相關的專業主要有三個：
金融專業：金融工程；
數學專業：統計、應用數學；
計算機專業
這些專業的就業方向是可以面向量化分析的

F. 景順長城黎海威：量化投資真能輕易撬動市場嗎

光大交易失誤導致市場波動的事件引起了大家的廣泛關注。量化投資一時間成為眾矢之的，但量化投資當真具備輕易撬動市場的力量嗎？事實上，近些年，不論是在美國，日本，還是新興市場(比如台灣)，都出現過交易失誤，或者某種策略引發市場波動的現象。人們或多或少把它們和量化投資聯系起來，這種說法是值得商榷的。
在上市公司數目眾多，海量信息充斥市場的時代，投資者需要一種能迅速有效地匯集各種數據，並進行客觀分析的投資方法，量化投資是適應了時代的需求而應運而生的。作為一種投資手段，量化投資本身是中性的，真正起作用的是模型背後的人，是「地球上最美麗的花朵」----人的思維。
量化投資本身就包含了很多流派。有以基本面為主，持倉時間在幾個月到一年左右的基本面量化；也有注重短期投資，持倉幾天到幾周，以識別各種形態，找出統計規律的統計套利；甚至日內交易數次甚至幾毫秒交易一次，不持倉過夜的高頻交易。在投資的資產類別上，有僅投資權益類資產的，也有跨資產類別的。從業人員結構上，基本面量化的以經濟，金融，會計的背景為主，而統計套利的以數學，物理，信號處理，統計等背景為主。
在模型所用的編程工具上， 簡單的比如Excel, 復雜的比如SAS, R, MATLAB, JAVA, C++,有的甚至為了追求計算速度，直接將程序寫在晶元上。
當股價出現異動時，各種類型的量化投資者會有不同的反應。基本面量化的投資者會忽略短期的波動，除非這種波動持續下去會導致基本面的變化；統計套利的投資者會面臨兩種選擇，如果相信趨勢會持續，就會跟上去做趨勢(trend following)，或者判斷為某種噪音或擾動，很快會回到均衡(mean reverting)，就會做反向。這種決策取決於各自的量化模型。做趨勢的可能會放大波動，而做反向的反而會抵消這種波動。
具體到統計套利的使用上，主要以投資銀行的自營盤和對沖基金為主。雖然套利機會稍縱即逝，需要迅速的執行，他們都有很嚴格的風險控制。比如，每個策略可以動用的資金量，杠桿比例，止損程度，等等。這些指標都是在實時動態監控，而不是僅僅為了滿足盤後結算的需要。
筆者以前工作過的BGI, 一直致力於基本面量化投資，其風險控制是非常嚴格的。每筆交易，從研究員檢查模型，基金經理產生交易清單，復核，審批到交易員的執行，對交易進程的跟蹤，交易成本的評估都有嚴謹的流程，並建立在統一的內部平台上。所以，這樣的量化投資其核心是控制風險的基礎上追求收益，並不具備操縱市場的能量。
作為一個新鮮事物，量化投資在中國備受矚目，各方都給予了很高的期待。同樣的，作為一種投資方式，如果使用不當，的確也會給我們帶來新的挑戰。我們應該揚長避短，不能將洗澡水和孩子一起潑出去。
作者簡介
黎海威，畢業於美國羅德島大學及密歇根大學，經濟學和金融工程學碩士，CFA。曾在美國貝萊德集團主動股票投資部擔任量化基金經理、副總裁，後在香港海通國際資產管理有限公司擔任量化總監，管理過量化指數增強基金、130-30基金、市場中性基金。2012年加入景順長城基金任量化及ETF投資總監，具有10年海內外證券、基金行業從業經驗。
新浪聲明：新浪網登載此文出於傳遞更多信息之目的，並不意味著贊同其觀點或證實其描述。文章內容僅供參考，不構成投資建議。投資者據此操作，風險自擔。

G. 證券投資與SAS應用是什麼

sas是數據處理軟體。比excel強大N倍。證券投資呢，比如一個股票的近一年的開盤價，收盤價，市盈率，換手率。。。。用sas對這些數據進行處理，得到比如這個股票未來的價值等。當然這只是一個小小的例子。sas那是相當NB的！！！

H. 我想學習金融量化投資，做行業分析之類的，但完全不懂編程，求學習方案。

語言是共通的，但c是基礎，好好學習c。學好了c，到時學其他的面向對象等語言都很簡單。祝你成功！

I. CDA數據分析師_SAS與R到底哪個好

數據分析師目前主流的2種

人民大學經濟論壇主辦的 《數據分析師》 英文簡稱：CDA

商業聯合會數據分析專業委員會和工信部教育與考試中心主主辦的 《項目數據分析師》 英文簡稱：CPDA

【關於CPDA】
CPDA全名叫項目數據分析師，國內最早的數據分析培訓，原先是信息產業部在組織，目前由中商聯數據分析專業委員會和工信部教育與考試中心主管，內容主要針對的是基於企業在投資、經營、管理領域的分析，類似MBA課程。
課程包括《數據分析基礎》、《戰略管理》、《量化投資》、《量化經營》等，涵蓋企業運營的每個環節，以數據分析方法來進行管理、經營、投資等分析，應該說企業的管理層適合學習CPDA來進行管理層面的分析和指導。
目前很多課程沒有實際可操作模型，而CPDA就有，其中介紹很多企業生產、管理、經營、投資分析和決策的案例和模型，目的也是為了使廣大學員能夠在管理崗位上能夠有理論支持、實際模型可操作，使大家有切實可操作的實際模型去分析。
【關於CDA】
CDA全名是數據分析師，由中國人民大學經濟論壇主辦。主要是講數據分析方法、技術和軟體操作為主。
課程包括：1、統計概率基礎；2、數據分析模型方法；3、軟體、工具的運用。如果這些技術沒有，也不可能會玩數據分析。所以，CDA主要是針對數據分析師必備的技術性培訓，是從數據的獲取、儲存、整理、清洗、分析，檢驗到結果報告一個整體的流程，以及數據分析一些軟體的操作。
【總結】
因此，對於這兩者的區別，我想大家應該有一個清晰的認識，如果您是已經工作有數據分析基礎技術的，想做到管理層，可以選擇CPDA；
如果你是入門、轉行零基礎、基礎薄弱、或只想做技術性工作的學員，首先的一步是掌握數據分析的方法和技術，這時你可以選擇CDA。
另外，如果是研究演算法的高級分析師、高級挖掘工程師、大數據分析師，可以參考其他相關的名師培訓。

sc-cpda 數據分析公眾交流平台

J. 量化投資當真可以輕易撬動市場嗎

光大交易失誤導致市場波動的事件引起了大家的廣泛關注。量化投資一時間成為眾矢之的，但量化投資當真具備輕易撬動市場的力量嗎?事實上，近些年，不論是在美國，日本，還是新興市場(比如台灣)， 都出現過交易失誤，或者某種策略引發市場波動的現象。人們或多或少把它們和量化投資聯系起來，這種說法是值得商榷的。 在上市公司數目眾多，海量信息充斥市場的時代，投資者需要一種能迅速有效地匯集各種數據，並進行客觀分析的投資方法，量化投資是適應了時代的需求而應運而生的。作為一種投資手段，量化投資本身是中性的，真正起作用的是模型背後的人，是「地球上最美麗的花朵」----人的思維。 量化投資本身就包含了很多流派。有以基本面為主，持倉時間在幾個月到一年左右的基本面量化;也有注重短期投資，持倉幾天到幾周，以識別各種形態，找出統計規律的統計套利;甚至日內交易數次甚至幾毫秒交易一次，不持倉過夜的高頻交易。在投資的資產類別上，有僅投資權益類資產的，也有跨資產類別的。從業人員結構上，基本面量化的以經濟， 金融 ，會計的背景為主，而統計套利的以數學，物理，信號處理，統計等背景為主。在模型所用的編程工具上， 簡單的比如Excel， 復雜的比如SAS， R， MATLAB， JAVA， C++，有的甚至為了追求計算速度， 直接將程序寫在晶元上。 當股價出現異動時，各種類型的量化投資者會有不同的反應。基本面量化的投資者會忽略短期的波動，除非這種波動持續下去會導致基本面的變化;統計套利的投資者會面臨兩種選擇，如果相信趨勢會持續，就會跟上去做趨勢(trend following)，或者判斷為某種噪音或擾動，很快會回到均衡(mean reverting)，就會做反向。這種決策取決於各自的量化模型。做趨勢的可能會放大波動，而做反向的反而會抵消這種波動。 具體到統計套利的使用上，主要以投資銀行的自營盤和對沖基金為主。雖然套利機會稍縱即逝，需要迅速的執行，他們都有很嚴格的風險控制。比如，每個策略可以動用的資金量，杠桿比例，止損程度，等等。這些指標都是在實時動態監控，而不是僅僅為了滿足盤後結算的需要。 筆者以前工作過的BGI，一直致力於基本面量化投資，其風險控制是非常嚴格的。每筆交易，從研究員檢查模型，基金經理產生交易清單，復核，審批到交易員的執行，對交易進程的跟蹤，交易成本的評估都有嚴謹的流程，並建立在統一的內部平台上。所以，這樣的量化投資其核心是控制風險的基礎上追求收益，並不具備操縱市場的能量。 作為一個新鮮事物，量化投資在中國備受矚目，各方都給予了很高的期待。同樣的，作為一種投資方式，如果使用不當，的確也會給我們帶來新的挑戰。我們應該揚長避短，不能將洗澡水和孩子一起潑出去。