數量化投資技術系列報告之五十三

1. 量化交易是什麼

量化交易指使用數學模型取代人為的主觀性判斷，利用計算機技術從龐大的歷史回數據中甄選能為企業答帶來超額收益的大概率事件以制定有利於企業發展的策略。
從18世紀開始，金融投資的先驅已經開始探索各種不同的投資方法，經過多年的進化，已經嘗試了從價值分析、風險套利到日間交易等不同的方向。那麼，在目前不斷變化的中國資本市場，什麼投資方向迫切需要我們深入探索。筆者認為，量化投資作為中國市場的新興投資方法，正在引來越來越多的關注。
中國投資者對數量化投資，雖不陌生，卻仍懵懂。量化投資理論是藉助現代統計學和數學的方法，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，用數量模型驗證及固化這些規律和策略，然後嚴格執行已固化的策略來指導投資，以求獲得可持續的、穩定且高於平均的超額回報。
本條內容來源於：中國法律出版社《法律生活常識全知道系列叢書》

2. 量化分析是什麼意思

量化交來易是指以先進的源數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

3. 什麼是量化交易，未來前景如何知道的講講。

量化交易，有時候也稱自動化交易，是指以先進的數學模型替代人為的主觀判斷，避免在專市場極屬度狂熱或悲觀的情況下做出非理性的投資決策。
在股票市場上，量化交易早不是什麼新聞，在國外，七成的交易都是通過計算機決策的，在國內這個數字也接近五成。
過去的股票市場都是靠交易員手動敲鍵盤來操作的，難免一失手成千古恨，這種行為被戲稱為「胖手指」，相比之下，量化交易則如同點石成金的「仙人指」。量化里最美的童話就是「旱澇保收」，牛市也好，熊市也罷，都能大賺特賺。
量化交易的優勢：1. 嚴格的紀律性 2. 完備的系統性 3. 妥善運用套利的思想 4. 靠概率取勝
量化交易的風險性：首先是一二級市場「級差」風險，其次是交易員操作風險，最後是系統軟體的風險。
滿意請採納答案，有不明白的可以繼續提問。

4. 量化投資是什麼意思

量化投資是一種操作方法或操作理念，與其他各種「非量化」的方法專並列。量化也可以採取擇時、屬趨勢跟蹤、超跌、強弱對沖等等投資模型。區別僅在於，量化投資會使用量化的行情和走勢來進行買賣點決策，而不是傳統的圖形式行情。

量化投資是很廣泛的一個概念，可以這么說，只要你不是簡單地拍腦袋、或者是聽消息進行的投資行為都可以叫量化投資，是不是瞬間沒有了高大上的感覺？:) 最常見的，你通過MACD指標頂背離、底背離進行交易，也是量化投資，因為MACD指標是有嚴格數學公式計算出來的。同樣，你根據財務指標選股，構建股票組合也是量化投資，因為你的決策基本是基本面數據； 這些都很「老土」，那麼來點新的，通過多因子模型構建投資組合、然後每天用程序進行風險測算並自動調倉，用演算法交易完成調倉動作的執行（比如一次性買200萬股，總不能一單下去吧），這夠「高大上」了吧，前提是你得有一套復雜而完善的系統支持。

5. 什麼是真正的量化投資

6. 什麼是量化投資

你好，量化投資，簡單地說就是利用數學、統計學、信息技術的量化投資方法來管理投資組合。

7. 量化投資的主要方法和前沿進展

量化投資是通過計算機對金融大數據進行量化分析的基礎上產生交易決策機制。設計金融數學和計算機的知識和技術，主要有人工智慧、數據挖掘、小波分析、支持向量機、分形理論和隨機過程這幾種。
1．人工智慧
人工智慧（Artificial Intelligence，AI）是研究使用計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智慧將涉及計算機科學、心理學、哲學和語言學等學科，可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智慧與思維科學的關系是實踐和理論的關系，人工智慧是處於思維科學的技術應用層次，是它的一個應用分支。
從思維觀點看，人工智慧不僅限於邏輯思維，還要考慮形象思維、靈感思維才能促進人工智慧的突破性發展，數學常被認為是多種學科的基礎科學，因此人工智慧學科也必須借用數學工具。數學不僅在標准邏輯、模糊數學等范圍發揮作用，進入人工智慧學科後也能促進其得到更快的發展。
金融投資是一項復雜的、綜合了各種知識與技術的學科，對智能的要求非常高。所以人工智慧的很多技術可以用於量化投資分析中，包括專家系統、機器學習、神經網路、遺傳演算法等。
2．數據挖掘
數據挖掘（Data Mining）是從大量的、不完全的、有雜訊的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的，但又是潛在有用的信息和知識的過程。
與數據挖掘相近的同義詞有數據融合、數據分析和決策支持等。在量化投資中，數據挖掘的主要技術包括關聯分析、分類/預測、聚類分析等。
關聯分析是研究兩個或兩個以上變數的取值之間存在某種規律性。例如，研究股票的某些因子發生變化後，對未來一段時間股價之間的關聯關系。關聯分為簡單關聯、時序關聯和因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。一般用支持度和可信度兩個閾值來度量關聯規則的相關性，還不斷引入興趣度、相關性等參數，使得所挖掘的規則更符合需求。
分類就是找出一個類別的概念描述，它代表了這類數據的整體信息，即該類的內涵描述，並用這種描述來構造模型，一般用規則或決策樹模式表示。分類是利用訓練數據集通過一定的演算法而求得分類規則。分類可被用於規則描述和預測。
預測是利用歷史數據找出變化規律，建立模型，並由此模型對未來數據的種類及特徵進行預測。預測關心的是精度和不確定性，通常用預測方差來度量。
聚類就是利用數據的相似性判斷出數據的聚合程度，使得同一個類別中的數據盡可能相似，不同類別的數據盡可能相異。
3．小波分析
小波（Wavelet）這一術語，顧名思義，小波就是小的波形。所謂「小」是指它具有衰減性；而稱之為「波」則是指它的波動性，其振幅正負相間的震盪形式。與傅里葉變換相比，小波變換是時間（空間）頻率的局部化分析，它通過伸縮平移運算對信號（函數）逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節，解決了傅里葉變換的困難問題，成為繼傅里葉變換以來在科學方法上的重大突破，因此也有人把小波變換稱為數學顯微鏡。
小波分析在量化投資中的主要作用是進行波形處理。任何投資品種的走勢都可以看做是一種波形，其中包含了很多噪音信號。利用小波分析，可以進行波形的去噪、重構、診斷、識別等，從而實現對未來走勢的判斷。
4．支持向量機
支持向量機（Support Vector Machine，SVM）方法是通過一個非線性映射，把樣本空間映射到一個高維乃至無窮維的特徵空間中（Hilbert空間），使得在原來的樣本空間中非線性可分的問題轉化為在特徵空間中的線性可分的問題，簡單地說，就是升維和線性化。升維就是把樣本向高維空間做映射，一般情況下這會增加計算的復雜性，甚至會引起維數災難，因而人們很少問津。但是作為分類、回歸等問題來說，很可能在低維樣本空間無法線性處理的樣本集，在高維特徵空間中卻可以通過一個線性超平面實現線性劃分（或回歸）。
一般的升維都會帶來計算的復雜化，SVM方法巧妙地解決了這個難題：應用核函數的展開定理，就不需要知道非線性映射的顯式表達式；由於是在高維特徵空間中建立線性學習機，所以與線性模型相比，不但幾乎不增加計算的復雜性，而且在某種程度上避免了維數災難。這一切要歸功於核函數的展開和計算理論。
正因為有這個優勢，使得SVM特別適合於進行有關分類和預測問題的處理，這就使得它在量化投資中有了很大的用武之地。
5．分形理論
被譽為大自然的幾何學的分形理論（Fractal），是現代數學的一個新分支，但其本質卻是一種新的世界觀和方法論。它與動力系統的混沌理論交叉結合，相輔相成。它承認世界的局部可能在一定條件下，在某一方面（形態、結構、信息、功能、時間、能量等）表現出與整體的相似性，它承認空間維數的變化既可以是離散的也可以是連續的，因而極大地拓展了研究視野。
自相似原則和迭代生成原則是分形理論的重要原則。它表示分形在通常的幾何變換下具有不變性，即標度無關性。分形形體中的自相似性可以是完全相同的，也可以是統計意義上的相似。迭代生成原則是指可以從局部的分形通過某種遞歸方法生成更大的整體圖形。
分形理論既是非線性科學的前沿和重要分支，又是一門新興的橫斷學科。作為一種方法論和認識論，其啟示是多方面的：一是分形整體與局部形態的相似，啟發人們通過認識部分來認識整體，從有限中認識無限；二是分形揭示了介於整體與部分、有序與無序、復雜與簡單之間的新形態、新秩序；三是分形從一特定層面揭示了世界普遍聯系和統一的圖景。
由於這種特徵，使得分形理論在量化投資中得到了廣泛的應用，主要可以用於金融時序數列的分解與重構，並在此基礎上進行數列的預測。
6．隨機過程
隨機過程（Stochastic Process）是一連串隨機事件動態關系的定量描述。隨機過程論與其他數學分支如位勢論、微分方程、力學及復變函數論等有密切的聯系，是在自然科學、工程科學及社會科學各領域中研究隨機現象的重要工具。隨機過程論目前已得到廣泛的應用，在諸如天氣預報、統計物理、天體物理、運籌決策、經濟數學、安全科學、人口理論、可靠性及計算機科學等很多領域都要經常用到隨機過程的理論來建立數學模型。
研究隨機過程的方法多種多樣，主要可以分為兩大類：一類是概率方法，其中用到軌道性質、隨機微分方程等；另一類是分析的方法，其中用到測度論、微分方程、半群理論、函數堆和希爾伯特空間等，實際研究中常常兩種方法並用。另外組合方法和代數方法在某些特殊隨機過程的研究中也有一定作用。研究的主要內容有：多指標隨機過程、無窮質點與馬爾科夫過程、概率與位勢及各種特殊過程的專題討論等。
其中，馬爾科夫過程很適於金融時序數列的預測，是在量化投資中的典型應用。
現階段量化投資在基金投資方面使用的比較多，也有部分投資機構合券商的交易系統應用了智能選股的技術。

8. 真正的量化投資是什麼

對歷史數據進行統計分類，包括基本面和技術面，然後對影響股市漲跌的因素內進行歸納，找出一容個模型，這個模型不能保證你一直賺錢，但能確定你長期一直賺錢。然後對這個模型拿到當下的行情中測驗，如果能經受得住時間的洗禮（短線要三個月，中線，一兩年，長線五六年，在現實中往往是短線，西蒙斯的就是短線），那麼這個模型就是可以的，值得使用的。然後在操盤中，只根據模型發出的信號做為買賣依據，任何個人的主觀意念都是錯的。本人就在一個投資公司做交易員和研發員，就是搞量化投資的，不過主要做的是大宗期貨和股指，一星期進行二十資左右的交易，收益不錯。。。量化投資的本質是對規律的總結和模式化交易，避免個人心裡影響成果。因為市場上最大的敵人是自已的內心，貪，嗔，痴等情感。

9. 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

10. 量化投資、量化交易、量化金融，這三者有什麼區別嗎

其二，行為金融學認為，投資者是不理性的。任何一個投資個體的判斷與決策過程都會不同程度地受到認知、情緒、意志等各種心理因素的影響。基金經理和投資研究員在一段時間跟蹤某隻股票之後，由於時刻關心股價的表現和基本面的變動，可能出現不同程度的情感依賴，「和股票談起戀愛」。即使出現了下跌趨勢，也可能因為過度自信、抵制心理等不理性的分析出發點而導致投資、薦股時的行為偏差。而量化投資依靠計算機配置投資組合，克服了人性弱點，使投資決策更科學、更理性。