股票量化投资培训

⑴ 完全不懂金融，想学习量化投资需要学习哪些金融科目

我个人认为学习量化投资在金融方面需要具备两个方面的知识：
1、首先是要了解金融市场与金融产品，只有这样才能在众多市场与标的中选择合适的来构建投资组合，这一方面需要了解的基础知识有：金融市场与金融机构、投资学、金融衍生品等等；
2、其次是需要了解如何量化，相信你应该有足够的IT背景，编程没啥问题，其次的话就是要了解数理来沟通金融产品选择与编程落地，需要了解的科目有：概率论、统计学、计量经济学、金融经济学、数理金融等。

⑵ 国内散户如何玩量化投资具体是什么步骤呢

量化交易是指投资者将交易策略的逻辑与参数经过电脑程序运算后，将交易策略系统化，然后通过电脑自动下单来完成交易。

在量化交易过程中，散户可以这样做：

1、根据个股的历史数据，进行多因子选股，比如，把市盈率、市净率、市销率等作为选股标准，选出一些价值被低估，或者处于合理区域的个股。

2、顺势交易，即在上涨的趋势中买入，在下跌的趋势中卖出。

3、进行合理的仓位管理，即采取漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等，好应对个股后期的风险。

4、再根据个股的历史走势，寻找个股的支撑位和压力位，把它们作为止损、止盈点，即在压力位置，且获得收益的时候及时卖出；在跌破支撑位时，且股票亏损的时候及时卖出股票，避免更大的损失。

量化投资的最终目标

是让投资者做到知行合一，克制人性的贪念，让自己成为理性的投资者。优柔寡断，是投资者面临损失最常见的问题。量化投资的模型，将所有的数据模型化，不再给出多个方案选择，只给自己定下唯一的参考标准。

量化投资的问题在于，当模型被市场打破后，在没有找出根本的原因，是否能够做到静观其变。即使错过了机遇，也不为此而叹息，以原则坚守为主。简单的理解，将炒股的各种参数量化，像机器人一样简单，消除各种幻觉。不以亏损而恐慌，不以赚钱而自大，盈亏有道。

如果想在股市中长期生存，请给自己设置一个模型！

⑶ 《Python与量化投资从基础到实战》pdf下载在线阅读，求百度网盘云资源

《Python与量化投资》（王小川）电子书网盘下载免费在线阅读

资源链接：

链接：https://pan..com/s/1az6G1OqbcA9LO1hrjP5xEA

提取码：iu8o

书名：Python与量化投资

作者：王小川

豆瓣评分：6.8

出版社：电子工业出版社

出版年份：2018-3

页数：424

内容简介：

本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。

本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。

作者简介：

王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。着有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。

陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。

卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。

刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。

秦玄晋，上海对外经贸大学会计学硕士，有两年量化投资经验，研究方向为公司金融。

苏博，上海财经大学金融信息工程硕士，主要研究方向为金融大数据分析。

徐晟刚，复旦大学西方经济学硕士，数理功底深厚，热爱编程与策略研究，精通Python、MATLAB等编程语言，有3年金融工程策略研究经验，擅长择时和事件类策略。

⑷ 什么是量化投资有哪些常见的量化投资策略

量化投资是在投资过程中运用数学、统计学、信息技术等知识。投资者会收集股票的数据，然后依靠计算机系统强大的信息处理能力，用先进的数学模型代替人工的主观判断，从而在控制风险的前提下实现最大回报。

量化投资流行的原因，甚至带有主观的投资趋势，这必然具有量化投资的优势。总而言之，有以下几点：它基于数理统计，更接近一门科学，让未来更容易预测和感知，可以全年实时监控所有市场和交易，而人类不能。它避免了人的情感，完全由机器自动化，严格执行纪律。过程和风险更加可控。这些优势逐渐将量化投资带入我们的视野，并被越来越多的投资者所接受。

⑸ 什么是量化投资如何做到程序化交易

所谓量化投资是将投资环节标准化的交易方式，主要包括选股、买入、卖出三个环节，而真正的量化投资是完全自动化交易，不需要人为参与，投资者只要监管程序是否正常运行，参数设置是否合理，指标选择是否在既定目标范围内。

量化投资的形成过程十分简单，就是一个想法，通过程序化语言变成现实，比如低市盈率投资，当市盈率低于5倍时买入，高于10倍时卖出，具体步骤如下：
首先确定自己的投资理念，是价值投资或是趋势投资，如果是价值投资，你要通过什么指标来确定这个价值是高还是低，同样趋势投资也要找到判断趋势的指标，不管是技术的还是财务的，都要是明确的指标，可以量化的。
其次还要有配套的交易策略，交易策略是根据投资理念的再细化的过程，包括买卖的时机，买卖的数量，仓位的安排等。市场上主要的量化策略有：多因子选股策略、相对价值对冲策略、网格交易策略、事件驱动策略、指数增强策略、日内回转交易策略、行业轮动策略、趋势投资策略以及多策略等。
在确定了指标和数量之后，再进行量化建模，将以上过程变成机器语言，也就是程序化，比如趋势投资确定KDJ日线金叉买入，死叉卖出，数量为总资产的10%，就可以通过这些条件写进程序。
最后，对编好的程序进行验证修改，量化交易软件有文华财经、蜗牛股票量化分析软件、方正证券量化交易平台等。
因此量化交易的门槛也是很高的，因为具备编程的能力投资者就寥寥无几，何况其核心并不在编程，而是对投资的理解，如何取舍相关指标，将其组合成新，打磨成无锋的重剑。
量化交易的优势是不言而喻的：自动程序化，不受情绪干扰；劣势也是明显的：无法做到灵活变通，因此现实投资中可以综合运用，在选股环节可以一半借助系统，在交易环节可以完全交给机器，投资人可以真正从盘面中解脱出来，专注于投资的本职工作：选择、研究、思考。
对于普通投资者来说，可以不懂编程，确定标准通过系统选股，然后只需要确定买入卖出的明确指标即可，最后盘后跟踪行情，盘前委托交易，到达则下单，不到不动。

⑹ 股票量化是什么

股票量化即“量化交易”有两层含义：一是狭义的，指量化交易的内容，将交易条件转化为程序，自动下单；第二，广义上是指系统交易方式，是一个综合的交易系统。也就是说，根据一系列的交易条件，一个智能的辅助决策系统，将丰富的经验与交易条件相结合，在交易过程中管理风险控制。
通过量化交易制定策略的方法极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
具体如何理解股票量化交易，量化交易至少应该包括五个方面的要素：
(1)买入和卖出的信号系统。
(2)牛市还是熊市的方向指引，比如用200天移动平均线分辨熊市中系统风险的规避。
(3)头寸管理以及资金管理。
(4)风险控制，运用信号源来确定止损位置，利用资产曲线和权益曲线来加以判定和管理。
(5)投资组合，不一样的投资品种、不相同的交易系统(不同功能和参数，有快有慢)以及不相同时间周期组合，现分散组合，让交易账户波动更加稳定。以上就是关于如何理解股票量化交易的全部讲解。
量化投资和传统的定性投资本质上是一样的，都是建立在低效或弱有效市场的理论基础上。两者的区别在于：量化投资管理是“定性思维的定量应用”，更强调数据。
从量化交易的角度来看，目前国内多采用监督式机器学习。例如，我们将投资交易比作装配厂。手工交易就像工人手工完成的传统装配工作。量化交易就像把工厂改造成全自动装配车间。虽然在整个，组装过程中没有人的参与，但是设计师应该指定机器在顶级设计中应该在什么时候做什么。

⑺ 如何量化炒股

用Excel表格完成就可以，数据在股票软件里可以下载日数据和分钟数据，剩下的就是看你如何分析了，就是开盘价，最高价，最低价和收盘价，还有成交量和成交手数，还有流通盘和股票总股本，这些数据如何进行相加，如何计算出你自己的买入点和卖出点，就看你自己的经验了。每个人不一样。你的想法很对，以后不量化就是赔钱，不过，量化需要你有数学的头脑，和编程的天赋，否则，你也很难研究出来。如果这条路不通，就是你要具备当老板的能力，看市场准，抓行业准。如果二者都没有，就退出股票吧，做其他行业去。

⑻ 量化投资,如何量化呢

量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。
1·量化选股

量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类
2·量化择时

股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。
3·股指期货

股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为,股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
4·商品期货

商品期货套利盈利的逻辑原理是基于以下几个方面 ：
（1）相关商品在不同地点、不同时间对应都有一个合理的价格差价。
（2）由于价格的波动性，价格差价经常出现不合理。
（3）不合理必然要回到合理。
（4）不合理回到合理的这部分价格区间就是盈利区间。
5·统计套利

有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha 收益，我们称之为β中性策略；另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
6·期权套利

期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样，是多种相关期权交易的组合，具体包括：水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。
7·算法交易

算法交易又被称为自动交易、黑盒交易或者机器交易，它指的是通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
8·资产配置

资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。
它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。

⑼ 如何系统地学习量化交易

首先，我对这个问题是完全不知道怎么回答，为此，我专门去请教了我的老师。

---

• 我理解很难有一个定量交易的所谓的系统学习过程，定量的只是手段，交易逻辑是多样的，你可以通过形态描述，追踪市场方法，如不合理的降价，也可以把天体物理、小波分析、神经网络等复杂模型应用其中，你可以做的是K线结构上的策略，也可以做日线或每500毫秒数据进行决策的策略。所有的一切目的就是为了获利，所谓量化和程序化只是实现这一目的的手段。

  

• 一个strategist需要思考策略的思维框架，实现方式，而developer则是侧重了前后端接口，输入输出，界面设置，风控机制，平台拼接等等很多很多方面。其实很不相同吧。