量化投资计算题

A. 波段回调不下破前高交易的量化指标公式怎么写

按你说的波段高点和波段低点的计算方法你这图上画的也不对啊这明显macd下面一堆内金叉死叉怎容么主图上就是个下跌趋势画线呢。这明显不对啊。

编写选股没问题但前提是设计的选股条件一定要明确严谨。

B. 在金融市场高频交易中有这样一个问题：每笔交易胜率51%,问每天要做多少笔交易当天盈利的概率是99.99%

我没有看过类似的文章，但是通过我的经验和所学来判断的话，你所说内的金融市场高频交易应该容是不包含中国股市，而是指的其他类型的金融衍生品交易，比如期货、期权等等。
因为后面所说的这些金融衍生品交易是可以做两个方向的，也就是既可以做多，也可以做空，每笔交易本身的胜率如果能达到51%的话，那么也就是失败的几率为49%，你可以控制仓位的情况下，将胜率和失败率看成概率，仓位的不同会带来不同的期望值。
正因为他们的概率相差2%，所以可以在一定的交易次数中达到所谓当天必定盈利这种说法。
但是我必须说明的是，这种说法应该是有前提，或者说是理想化的（如果你看的文章里没有提及这一点，最好还是不要看这类文章比较好），因为每笔交易都会有其交易成本，高频交易带来的本身就是较高的成本，所以在撇开这些成本的情况下，通过概率方式计算的理想化盈利概率在现实中是不可取的。
当然，也必须承认的是，这个观点真正隐含的含义实际是：如果每笔交易有赢有亏，那么你只需要在你众多交易中能做到盈的占多数，或者盈利数额大于亏损数额，那么交易总体上来看便是盈利的。

C. 资产评估中交易时间因素分析与量化怎么算

成本法公式就是 各项取得成本加和 评估价值=成本1+成本2+成本N+预计利润 -税费 市场法就是 选取比较案例 将比较因素量化 对参照物修正 评估价值=参照物x调整系数1x调整系数2x调整系数3 收益法取得收益额a 收益年限n 折现率r 三个参数 评估值=(a/r)×[1-1/(1+r)n] 每个评估公司都有自己的计算方法和体系 这个都是商业机密了..你要详细的测算过程是看不到的.我上面告诉你的也属于原理,真正的计算要复杂的多.下面是无形评估准则内提及有关方法的要求. 第二十六条 注册资产评估师执行专利资产评估业务，应当根据评估对象、价值类型、资料收集情况等相关条件，分析收益法、市场法和成本法三种资产评估基本方法的适用性，恰当选择一种或者多种资产评估方法。第二十七条 注册资产评估师运用收益法进行专利资产评估时，应当收集专利产品的相关收入、成本、费用数据。注册资产评估师应当对委托方或者相关当事方提供的专利未来实施情况和收益状况的预测进行必要的分析、判断和调整，确信相关预测的合理性。注册资产评估师应当根据专利资产的具体情况选择恰当的收益口径。第二十八条 注册资产评估师运用收益法进行专利资产评估时，应当根据专利资产的技术寿命、技术成熟度、专利法定寿命、专利技术产品寿命及与专利资产相关的合同约定期限，合理确定专利资产收益期限。第二十九条 注册资产评估师运用收益法进行专利资产评估时，应当综合考虑评估基准日的利率、投资回报率、资本成本，以及专利实施过程中的技术、经营、市场、资金等因素，合理确定折现率。专利资产折现率应当区别于企业或者其他资产折现率；折现率应当与预期收益的口径保持一致。第三十条 注册资产评估师运用市场法进行专利资产评估时，应当收集足够的可比交易案例。注册资产评估师在分析交易案例的可比性时，应当考虑交易资产的特点、交易时间、限制条件、交易双方的关系、购买方现有条件，专利资产的获利能力、竞争能力、技术水平、成熟程度、剩余法定保护年限及剩余经济寿命、风险程度、转让或者使用情况，实施专利资产是否涉及其他专利资产等因素。第三十一条 注册资产评估师运用市场法进行专利资产评估时，应当对专利资产与可比交易案例之间的各种差异因素进行分析、比较和调整。第三十二条 注册资产评估师运用成本法进行专利资产评估时，应当合理确定专利资产的重置成本。重置成本包括合理的成本、利润和相关税费等。注册资产评估师确定专利资产重置成本时，应当合理确定形成专利资产所需的研发人员、管理人员、设备及房屋建筑物等成本以及其他相关成本费用。第三十三条 注册资产评估师运用成本法进行专利资产评估时，应当合理确定贬值。第三十四条 注册资产评估师对同一专利资产采用多种评估方法评估时，应当对取得的各种初步价值结论进行比较分析，形成合理的评估结论。

D. 为什么量化投资策略回测收益那么高，那不是没人亏钱了

回测数据不等于未来行情，未来的行情是不可预测的，回测数据考虑的是复利收益，现实中能有几人能把资金一直放在里面的

E. 以量化分析方法选股，要怎么算股票收益率

首先建立各个指标在相应分析期内的“增持”/“减持”组合，通过事后检验，统计并分析各指标的“增持”/“减持”组合在分析期内的信息比率与收益率。依据各个指标的“增持”组合的市场表现，判断该指标的选股能力。

“增持”与“减持”组合的构建方法如下：每次选择一个指标，依据该指标对行业内个股进行排序。根据指标代表的经济含义，选择指标排序最优的前 25%的股票设定为“增持”，后 25%的股票设定为“减持”。将“增持”与“减持”股票，按照流通股市值为权重，组成“增持”与“减持”投资组合。投资组合建立后每隔三个月，根据市场最新的指标数据，对“增持”与“减持”组合进行一次重新调整。

1. 经过众多的统计分析研究比较，一些短线投资者认为当随机指标KDJ的K线从下向上穿过D线时，可以买入股票。
2.短线买截的不足之处。从技术分析的角度而言，短线买点都是短线行为在一定时期内，短线买点特别多，同样短线卖点也特别多，因此投资者据此操作，成功的可能性不大。如果考虑到投资者的交易成本投资者根据短线指标操作股票，成功的概率又进一步降低。另外大多数散户由于交易设施的不完备，短线操作也不方便。因此我们建议散户投资者不要轻易用短线的方法买进股票。
3. 短线的交点在决定卖点时，除了前面所讨论的方法外，一些短线投资者常常用随机指标KDJ来决定股票的卖点。由随机指标KDJ的墓木原理知，当随机指标KDJ的K线从上向下穿过D线时，投资者可以卖出股票

我用的牛股宝，里面有个从炒股大赛里面选出来的牛人榜，这个牛股宝里可以跟着牛人买卖操作，这样能跟这这些牛人学习很多知识，牛股宝我觉得不错。你也可以试试。祝你成功。

F. 投资风险分析实例

【实例Ⅰ】让我们研究有关一个石油化工厂考虑生产一种新型石化产品的例子。其现金流量为：

油气工业技术经济评价方法及应用（第3版）

当假设贷款利率为10%时，其净现值NPV＝2.95，内部收益率IRR＝11%，二者均显示该项目勉强可以接受。为了估算这些方法的精度，必须对现金流量值的变动性做某些设定。很明显，任何一种情况都应该根据其优缺点进行处理。下面的假设仅是在表面合理的基础上做出的。

假设1：已知零年的现金流量为-15 万英镑，无误差，它实质上是投入的成本(广告费，制作样品的费用等)，并且据此已做出了明确的预算。

假设2：其余的现金流量是随机变化的，其中值(Median)即上面所示的值，并且假设每一现金流量的概率分布是已知的(这一点是非常重要的，因为它是后续分析的关键，也是我们进一步讨论的内容)。

目前已提出了一些估算这些分布的方法，针对连续分布最常用的方法似乎是连续分布分值点法。该方法本质上是将最有经验的专家(评估员)的意见进行量化。这一方法首先应给出未知变量的中值，即大于或小于该值的可能性是相等的。第一年的现金流量大概是4万英镑，接下来仅考虑现金流量大于4万英镑的概率，并要求估算出这些结果的“中间标志”。对这种估算而言，所得值为6万英镑，意味着如果所知道的全部情况是现金流量大于4万英镑，则认为大于或小于6万英镑的机会是相等的。对这两个基准点深思熟虑后，认为现金流量大于6万英镑的概率为1/4。对另一半现金流量的低值部分进行类似的讨论后，将会得到另一个低值的“中间标志点”，即3万英镑。值得注意的是，3万英镑和6万英镑距中值4万英镑的概率空间相同是没有任何原因的。我们的大脑可在已确定的四个区间内重复寻找“中间点”的过程，将得到概率分别为1/8，3/8，5/8，7/8的现金流量值，并把它们加入到已有的1/4，1/2，3/4序列中。

最后，评估员要决定估算现金流量的极端值——预计最好和最坏的现金流量值。最后这一步将是很困难的，因为人们对“最坏”和“最好”有不同的解释。评估员应加倍小心，以确保他能考虑的极端情况合情合理，不能把荒唐的事情考虑在内。比如石化厂的竞争对手全部倒闭(最好)或一场大火将石化厂烧毁(最坏)。

据此可假设第一年的现金流量如下：

油气工业技术经济评价方法及应用（第3版）

用肉眼将以上数据用平滑曲线连接，便得到图7-13，应注意到实际中现金流量可能是由多项支出和收益组成的，而实质上的随机变量可能是年销售量。

图7-13 第一年现金流量的主观概率分布

接下来对每年度的现金流量依次重复上述过程。这将是一个费时(尤其对同一个评估员)甚至令人精疲力竭的处理过程。克服这一困难的有效方法是认为后续每一年的现金流量的概率分布完全是第一年按比例的翻版。如果这是可以接受的，则需要做的全部工作就是估算每一年现金流量的中值，就像第一年那样，由它来划分区间并提供比例因子。对所有数据进行完上述过程后可得表7-6。

表7-6 现金流量累计概率

每一个分布值的产生过程是这样的：用一个已知分布(第1年)分别乘以比例因子1.75，1.5和0.5，得到第2、3、4年的分布值。实际中可通过查阅一个随机变量介于00到99间的转换表，该表中的值是可表示为100和第1年现金流量累积概率图(图7-13)中相应值的函数的随机变量。因此序号为63 的随机变量对应的第1年的现金流量为45.6，若求同一随机序号所对应的第3年的现金流量值，则结果应为45.6×1.5＝68.4。

针对一组典型的模拟值，可取随机序号为63、17、02、39，则相应的现金流量分别为45.6(1年)，46.2(2年)，20.4(3年)，17.8(4年)，则净现值为：

油气工业技术经济评价方法及应用（第3版）

结果表明有较大的亏损。为了弄清这是否为非正常结果，需要进行全面模拟，上述一组输入数据的IRR值为-0.07，不仅收益率低于贷款利率而且为负数。由于全部的收益小于初始投入，这一结果应该是可以预料的。

也许有人会提出：上述模型中的假设是不现实的，因为实际上任一年的现金流量是彼此独立的。然而实际情况是，如果一个项目(在本例中就是引进新型石化产品)是成功的，其现金流量会持续大于现金流量中值，反之，一个失误将会导致在项目寿命期内现金流量一直较低。用统计学的术语来说，就是随机变量之间是相关的，并不是彼此独立的。在实际模拟中，处理相关问题并不困难，问题在于如何使数学方法与评估员理解的概念相匹配。解决这一难题的一个办法是对完全独立和完全相关这两个极端情况进行检验，并认为真实的情况应介于两者之间，并希望对于任一种评价项目可行性的方法，这些极端值都会给出最合理的值，并有助于决策的做出。

我们已经考虑过完全独立的模型。假设完全相关的模型，每一个现金流变量相对于其分布都处于同样的位置。这可通过采用对每一组变量X₁，X₂，X₃，X₄都使用同一个随机序号的简单方法来完成。例如若我们使用随机数63，则相应的现金流量分别为45.6，79.8，68.4和22.8，则有NPV＝24.4和IRR＝17.8%。

我们对独立和相关两种假设模型均进行了模拟，并将结果以NPV和IRR累计概率的形式绘制成图(图7-14，图7-15)。

图7-14 NPV累计概率图

图7-15/RR累计概率图

对于相关模型，这两个判断标准都比预计的有较大的变化。这是因为在此模型中，极端随机变量的作用被重复了四次，而在独立模型中，极端值的作用有被其他三个随机变量减缓的趋势。更进一步观察可发现，相关模型的曲线之间形状上具有相似性，并与通常的现金流量累计概率曲线(图7-13)相似。这一现象可简单地解释为：对任一随机变量，四年均有唯一的现金流量，因而便会有唯一的NPV和IRR。现金流量、NPV和IRR的概率表达方式明显相关，事实上则不必模拟。

用这些图进行项目的可行性评价时，决策者或许首先会注意到NRV为负值的概率介于0.34到0.48之间，二者可能都高得不可接受。同样，IRR小于贷款利率(10%)的概率也有一个范围，且可得出相同的结论。这些图会带给我们更深层的思考，例如负NPV的风险或许被大量的正值所抵消。

在上述模拟过程中未涉及投资回收期这一判断标准，尽管该方法不会引起分析上的困难。如前所述，相关模型的值可直接得出，结果见表7-7。

投资模型建立和模拟的结合为项目可行性的评价提供了强有力的工具，它在专业评估员提供的初始主观概率的基础上，为决策者提供了所含风险的详细分析。从这个意义上讲，它具有最有用的信息，风险虽不能完全避免，但被彻底地暴露了出来。

表7-7 累计概率

【实例Ⅱ】石油生产是由地下石油资源量、储量、产量和投资等多种元素组成的一个复杂系统。在石油生产系统中，储量是联系勘探开发和开采的关键元素，通过勘探活动找到的储量只有通过油气开采才能实现它的价值，企业才能获得经济效益，从而使石油生产系统保持连续性和稳定性。

在石油生产系统中，资金流动可能呈现出多种运行模式，图7-16把贴现净现金流和累计贴现净现金流表示在同一时间序列上，A、B、C、D和E点分别表示它们的特征点。这是一种典型的资金流动曲线。

经济可采储量评价的实质就是确定资金流动曲线上的这些特征点。C点是储量开发取得经济效益的临界点，它对未动用储量的开发动用具有重要意义。产量进入递减期后，贴现净现金流降为零而累计贴现净现金流上升到最大，因此，E点是储量开发可以达到的经济效益的最高点。

从以上分析可以看出，经济可采储量评价是动态的，并具有阶段性，它贯穿于石油生产的全过程。经济可采储量评价就是从未来一定时期内的资金流动分析出发，对石油生产系统中一切有资金流出、流入的分年动态进行预测，在一定技术经济条件下，保证国家及勘探开发和生产部门获得相应的利润，从而确定储量开发的经济效益和经济开发界限。

现金流通表中，当累计贴现净现金流达到正值最大而贴现净现金流等于零时称为零效益。对正在开发的老油田来说，如果计算出的现金流通表在评价起始年就没有经济效益，说明该油田已处于零效益亏损状态下开采。对新油田来说，图7-16中C点是储量开发动用并可能获得经济效益的临界点，如果从评价起始年累计贴现净现金流始终为负，尽管贴现净现金流已上升为正值，说明目前该油田储量开发仍没有经济效益。否则，从评价的起始年到零效益年份的累计产油量就是(剩余)经济可采储量，净现值NPV为(剩余)经济可采储量的价值，其表达式如下：

图7-16 石油生产的典型经济特征

油气工业技术经济评价方法及应用（第3版）

式中：NPV为(剩余)经济可采储量的价值；CI_i为第i年的现金流入；CO_i为第i年的现金流出；IR为目标内部收益率；T为经济开采年限。

现金流通法综合反映了石油生产系统中经济可采储量的各种影响因素的动态变化，并考虑到资金的时间价值，因而对所有油田都适用。但是，由于这种方法以石油生产预测为基础，预测精度的好坏会影响到评价结果，因此，在实际应用中应根据储量类型、开发方式和开采阶段，合理选择预测方法。另外，经济极限法因需要参数较少，计算公式简单方便，同时可以避免多种开发生产指标预测偏差造成的影响，但这种方法对参数的敏感性较高，不能计算出所需的大多数评价指标，因此，只能作为经济可采储量评价的辅助方法。

G. 一股票今天的售价为50美元，在年末将支付每股6美元的红利。贝塔值为1.2，预期在年末该股票售价是多少

53美元。这题漏了条件，是投资学书上的题，补充条件：无风险利率：6%，市场期望收益率：16%。

资产i的预期收益率

E(Ri)=Rf+βi[E(Rm)-Rf]

其中: Rf:无风险收益率

E(Rm)：市场投资组合的预期收益率

βi: 投资i的β值。

E(Rm)-Rf为投资组合的风险溢酬。

(7)量化投资计算题扩展阅读：

期望收益率主要以资本资产定价模型为基础，结合套利定价模型来计算。

资产i的β值=资产i与市场投资组合的协方差/市场投资组合的方差

市场投资组合与其自身的协方差就是市场投资组合的方差，因此市场投资组合的β值永远等于1，风险大于平均资产的投资β值大于1，反之小于1，无风险投资β值等于0。

需要说明的是，在投资组合中，可能会有个别资产的收益率小于0，这说明，这项资产的投资回报率会小于无风险利率。一般来讲，要避免这样的投资项目，除非已经很好到做到分散化。

H. 量化投资的前景

随着20世纪80年代以来各类证券和期权类产品的丰富和交易量的大增，华尔街已别无选择，不用这些模型，不使用电脑运算这些公式，他们便会陷于困境，自招风险。1997~1998年亚洲金融危机，市场暴跌，量化投资的算法交易也起到了同样的坏作用。此外，始于2007年的金融危机中，量化投资也未能幸免。时过境迁，2011年，量化基金再次表现优异。
稍微接触到资本市场的人，大都听说过基本面投资和价值投资，而对于这方面的天才人物“股神”巴菲特，更是几乎家喻户晓，妇孺皆知。他以企业财务报表的分析见长，擅长挖掘企业的内在价值，一旦买入便长期持有，持续获得稳定高额收益，为股东创造了丰厚利润，无人能及。
相比之下，与价值投资同等重要的量化投资——即借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时及选股，则没有那么幸运——在大多数人眼里，量化投资是一个神秘的领域，深不可测，玄奥无比，令人望而却步。世人皆知巴菲特，而对于号称最能赚钱的基金经理人、在20年的时间里创造了年均净回报率高达35%惊人传奇的量化投资大师西蒙斯，却只能成为少数人的专属。
量化投资看似神秘，但并不古老。它从70年代开始逐渐兴起，90年代才大行其道。之所以如此，是因为量化投资有其诞生的特定土壤，需要一系列的条件方能破土而出，这些条件其实相当苛刻。
很难想象，量化投资技术并非发端于华尔街，而是肇始于学术象牙塔里的少数“怪才”，他们长期不被正统的经济学所接受，甚至遭到排斥，因此处境艰难。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名洞见的马克维茨，以该理论参加博士答辩，竟然战战兢兢差点未获通过。1990年10月，这些人中有三位获得诺贝尔经济学奖，当时局外人很少有人清楚为什么他们能够得此殊荣；而三人中的其中一位则将他们的获奖比作“芝加哥业余球队赢得了世界杯”。
但是，没有来自象牙塔的现代金融理论，便没有量化投资的兴起。马克维茨的投资组合理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算。
夏普1963年1月提出了“投资组合的简化模型”，一般称为“单一指数模型”。马克维茨模型费时33分钟的计算，简化模型只用30秒，并因节省了电脑内存，可以处理相对前者8倍以上的标的证券。1964年，夏普又发展出资本资产定价模型(CAPM)，这是他最重要的突破，不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。
1976年，罗斯在CAPM的基础上，提出“套利定价理论”(APT)，提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。
有趣的是，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。他们转行都是被金融市场研究所深深吸引，沉迷于其中的无穷魅力。
然而，仅有现代投资（行情 股吧 买卖点）理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化投资，它还需要其他几个重要前提条件，比如机构投资者在市场中占据主导，电脑技术足够发达，以及传统华尔街投资家的傲慢被市场击溃转而被迫接受新的投资理念。
量化投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。随着退休基金和共同基金资产的大幅增加，它们成为市场上的主要机构投资者，并委托专业机构进行投资操作。管理大规模资产，需要新的运作方式和金融创新技术，同时专业的投资管理人也有能力和精力专注地研究、运用这些技术。
没有发达的电脑技术，量化投资也将成为无源之水，无米之炊。在电脑革命发生前，根本无法根据上述模型进行运算。1961年，与马克维茨共同获得1990年诺贝尔奖的夏普曾说，当时即使是用IBM最好的商用电脑，解出含有100只证券的问题也需要33分钟。当今，面对数不胜数的证券产品，以及庞大的成交量，缺了先进电脑的运算速度和容量，许多复杂的证券定价甚至不可能完成。
量化投资在不经历市场的崩盘，傲慢投资者的自信未被摧毁之前，不会盛行。比较早的时候，华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意。他们认为，投资管理需要天赋、直觉以及独特的驾驭市场的能力，基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。在美国，70年代初期表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。
1973~1974年美国债券市场和股票市场全面崩盘，明星基金经理人烟消云散，财富缩水堪比30年代大萧条。当时，颇有先见的投资顾问兼作家彼得·伯恩斯坦认为，必须采用更好的方法管理投资组合，并创办了《投资组合》杂志，一出刊便获得成功。此后，随着80年代以来各类证券和期权类产品的丰富和交易量的大增.量化投资光彩炫目，但也具有魔鬼般的力量。它时而风光无限，但也常常坠入深渊。
1987年10月大股灾，黑色星期一，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股份直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，使得这种量化投资出现助跌之效，大量的空单在瞬间涌出，将市场彻底砸垮。
在此次亚洲金融危机中，著名的长期资本管理公司，这家来自学术象牙塔的怪才充斥、主要运用量化投资技术的对冲基金，曾经在市场上呼风唤雨、无往不利，但偏偏遭遇俄罗斯国债违约这一小概率事件，陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。此外，始于2007年的金融危机中，量化投资也未能幸免。
虽然麻烦不断，但量化投资依然必要且有效。要知道，在本次金融危机发生前，量化基金的表现连续8年超过其他投资方式。当然，挫折也会带来量化投资技术的更新和完善，比如在模型中设定新的变量，尤其是加入以往并未包含的宏观经济参数。时过境迁，2011年，量化基金再次表现优异。虽然量化投资能否就此再度复兴仍属未知，但由本文先前的讨论，漫漫历史长河，此一趋势已不可逆转，量化投资依然拥有光明的未来。
德意志银行的董事总经理、全球量化投资主管罗崟先生在激烈的竞争中脱颖而出，夺得全球最权威的《机构投资者》期刊2011年美国和欧洲量化分析第一名的佳绩。在华尔街40余年排名史上，罕有华人获此殊荣。《金融时报》慧眼识金，就此专门做了访谈，并嘱我就量化投资写篇评论。我欣然命笔，并借此祝愿量化投资在中国的资本市场上，能够早日生根。

I. 量化交易都有哪些主要的策略模型

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。 量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

J. CFA考试内容分为几个级别

CFA考试共有三级，分别是Level I、Level II和Level III。三个级别不能同考，也不能跳级。考完上一级才能考下一级。其中，CFA一级考试时间为每年6月、12月，二级、三级为每年6月。

考试在全球各个地点举行，每个考生必须依次完成三个不同级别的考试。CFA资格考试采用全英文，候选人除应掌握金融知识外，还必须具备良好的英文专业阅读能力。顺利通过CFA课程即是达到一种成就，能获得雇主、投资者和整个投资界的高度认可。

CFA考试主要有十个科目，分别是：

Ethical and Professional Standards(total)职业道德；

Quantitative Methods数量分析；

Economics经济学；

Financial Statement Analysts财务报表分析；

Corporate Finance公司金融；

Analysis of Equity Investments股票投资分析；

Analysis of Fixed Income Investments固定收益；

Analysis of Derivatives衍生品；

Analysis of Alternative Investments其他类投资；

Portfolio Management(total)投资组合。