量化交易主要有哪些好的策略

1. 量化交易主要有哪些好的策略

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。

2. 什么是量化投资交易策略

一文看懂量化投资策略
闲话基
量化投资在近些年受到越来越多的关注，包括规模、策略、业绩。量化投资，是指通过借助统计学、数学方法，运用计算机从海量历史数据中，寻找能够带来超额收益的多种“大概率”策略，按照策略构建的数量模型严格执行投资，力求获得长期稳定可持续高于平均的超额回报。

跟传统的主动管理方法相比，量化投资是高投资广度、低投资深度的一种投资方法。量化投资强调纪律投资，可以克服投资者主观情绪的影响。

现在市场上运用的策略有很多种，下面来看看主流的几种策略。

一、市场中性策略
市场中性策略是国内使用最多的策略。根据CAPM理论，股票收益由两部分组成，一部分是市场整体风险的beta收益，一部分是股票自身风险带来的alpha收益。中性策略是从消除市场系统性风险的维度出发，通过同时构建多头和空头头寸对冲市场风险，以获得较稳定的绝对收益。国内通常使用的操作方法是，买入股票，同时卖空与股票等市值的股指期货。盈利模式是，所买股票超越大盘的涨跌幅度。市值对冲并不是完全的beta对冲，但可以减少计算量，降低调仓率，为国内投资机构普遍使用。

Alpha策略关键点是选出的股票组合收益要持续跑赢沪深300指数，在市场上涨时平均涨幅大于沪深300指数，在市场下跌时平均跌幅小于沪深300指数，并且可持续稳定。
通常管理人根据估值、成长性、市值、动量、预期变动、资金关注、技术指标、事件、业绩等多个维度进行量化选股，构造投资组合，同时以沪深300行业配置比例为基准，对系统筛选出的股票根据宏观经济和行业景气进行差异化配置，并定期根据各因子变动进行动态调整组合。
构建中性策略，买入100元股票组合，卖空100元股指期货，多头与空头组合价值相等：
1、市场上涨：股票组合（上涨赚钱）+指数收益（上涨亏钱）=10%+（-7%）=3%
2、市场下跌：股票组合（上涨赚钱）+指数收益（上涨亏钱）=（-7%）+10%=3%
3、市场震荡：股票组合（上涨赚钱）+指数收益（上涨亏钱）=10%+（7）=17%

Alpha策略最主要风险在于选股策略上。
选股模型可能会因为股票市场规律性变动、突发事件和统计模型本身的概率属性，在某些时间段出现失效，导致做多的股票跑输市场出现短期亏损。这需要基金经理能不断完善投资模型和操作技巧提升获胜概率。此外，Alpha策略还收到基差的影响。大部分时候会有一定的升贴水损失，策略对基差的风控非常重要。
二、套利策略
1、统计套利
统计套利是对历史数据进行统计分析，估计相关变量的概率分布，结合基本面数据分析，用来进行套利交易。
运用统计分析工具，对一组相关联的价格之间的关系的历史数据进行研究分析，研究关系的历史稳定性，并估计其概率分布，确定分布中的极端区域，即否定域。当真实市场上的价格关系进入否定域，可以认为这种价格关系不可长久持续，此时有较高的成功概率进场套利。

2、期现套利
期现套利指利用期货与现货基差扩大产生的套利机会，做多被低估标的，做空被高估标的，待期现基差回归至合理范围后，平仓离场的低风险策略。
期现套利策略，根据沪深300股指期货与沪深300指数基差到期时必定收敛的交易机制。当期货指数与沪深300指数基差足够大时，可以通过构建一个反向组合，获得基差收敛过程中产生的收益。目前国内只能进行“做空基差”的正向套利，即当基差大于0的时候，买入股指ETF或者一揽子股票，同时卖出等市值股指期货，待价差收敛后平仓。当基差小于0时，由于融券不足，无法通过卖出股指ETF或者一揽子股票同时买入等市值的股指期货进行“做多基差”的反向套利。当期货价格深深贴水的时候，因融券存在障碍反向套利被切断，贴水状态自由发展，只能通过市场大幅度反弹，多头的投机者重新将价格抬升至升水的状态。这也是市场贴水一直无法及时恢复的重要原因。
期现套利的主要风险在于市场价格出现剧烈波动导致浮亏，具体表现为所跟踪标的之间的基差出现长时间不回归甚至反向逆转，期现收益无法有效覆盖交易成本、冲击成本、现金成本等风险。

3、ETF套利
ETF套利，是指投资者可以在一级市场通过置顶的ETF交易商想基金管理公司，用一揽子股票组合申购ETF份额，或者把ETF份额赎回成一揽子股票组合，同时可以在二级市场以市场价格买卖ETF。
假设某只ETF成分股暴跌，使得该ETF净值迅速走低，但该ETF的市场价格未能及时跟上，两者短暂地出现一个价差，此时可以买入ETF一揽子股票组合申购成ETF，然后将ETF在二级市场卖出，实现低买高卖，获取价差。
ETF套利的两种交易顺序，一种是从股票二级市场买入一揽子股票，按一定比例换成ETF份额，然后在二级市场卖出ETF份额，前提是一揽子股票价格比ETF价格低，出现溢价；另一种是，从ETF二级市场买入份额，按照一定比例兑换成一揽子股票，在拿到股票二级市场卖出，这样的前提是ETF价格低于一揽子股票价格，出现折价。

4、分级基金套利
分级基金有2种套利模式。
一种方式是当母子基金比价出现折溢价时可进行套利。当A/B份额的组合价格大于母基金净值时，存在整体溢价套利机会。通过场内申购母基金份额，分拆成A和B并在二级市场卖出完成溢价套利。当A/B份额的组合价格小于母基金净值时，存在整体折价套利机会。通过在二级市场按比例买入A类份额和B类份额，申请合并成母份额并赎回完成折价套利。

但是折溢价套利不能实时完成，需要面临1-2个交易日的价格波动风险。可以通过股指期货对冲管理风险敞口。
一般在牛市中溢价套利机会比较多，在震荡市场中折价套利机会更多、胜率更高。
另一种套利方式是，市场下跌时，含下折算条款的分级基金A份额包含的期权价值套利，同时还有在整体折溢价套利基础上演的底仓-对冲溢价套利、循环折价套利。
三、CTA策略
CTA策略是投向期货市场，使用历史数据，通过统计、数学、编程的方法找到盈利规律。分为趋势策略和套利策略。

趋势策略是跟随者市场上涨做多，市场下跌做空，因此在任何一种期货商品进入趋势后，CTA策略就会获得良好的收益空间。
套利策略是通过跨期限、跨市场、跨品种等不同合约之间的“价差回归”，锁定套利空间。
跨期限是指同一交易品种，不同交易周期间的套利。历史数据表明期货不同合约价格相关性高，价差出现稳定的统计特征。当两个不同到期月份合约/不同品种合约之间的价差偏离合理区间时，可以通过在期货市场同时买入低估值合约和卖出高估值合约，在价差回归后进行反向平仓，进行跨期限套利交易。
更加具体地说，跨期套利是指不同月份期货支架的套利。通过多远空近或多近空远，来买卖同一市场同种商品不同到期月份的期货合约，利用不同到期月份合约的价差变动来获利的套利模式。

交易过程如下：

跨品种与跨期现套利逻辑相似，只是使用在同一期限不同品种合约之间，具体投资流程如下：

跨市场套利，在某个交易所买入（卖出）某一交割月份的某种商品合约，同时在另一个交易所卖出（买入）统一交割月份的同种商品合约，在有利时机分别在两个交易所对冲获利。

跨市场策略涉及外汇兑换、国际期货交易对冲，交易实现难度大，国内用得少。
由于期货具有杠杆属性，这类策略持仓的市值往往很大，有时候甚至超过产品资产总值，导致收益率的波动率是所有量化策略中最大的。在市场出现连续震荡行情时，这样策略由于杠杆属性会出现较大的回撤。另外一个对这类策略的一个限制是，目前市场上活跃交易的期货品种不多，高频交易很大程度倚重于品种成交量，开平仓时间间隔较短，使得策略容量不大。

3. 量化交易领域有哪些经典策略

量化交易种比较受宽客们所熟知的量化经典策略有：
alpha对冲(股票+期货)
集合竞价选股(股票)
多因子选股(股票)
网格交易(期货)
指数增强(股票)
跨品种套利(期货)
跨期套利(期货)
日内回转交易(股票)
做市商交易(期货)
海龟交易法(期货)
行业轮动(股票)
机器学习(股票)
以上这些经典的量化交易策略源码都可以到掘金量化交易平台查阅。

4. 量化交易主要有哪些经典的策略？

交易策略，量化策略，主观策略，常见策略。
交易策略：一个完整的交易策略一般包括交易标的的选择，进出场时机的选择，仓位和资金管理等几个方面。按照人的主观决断和计算机算法执行在策略各方面的决策中的参与程度的不同，可以将交易策略分为主观策略和量化策略。
主观策略：主观策略主要依靠投资者的主观判断，期货市场的投资者通过对产业上中下游、供需、宏观经济预期等的调查做出自己的判断。类似股票市场的主观投资者通过深入研究行业的各个方面，调查行业内的上市公司，形成交易决策。

量化交易注意事项
在量化交易中，交易规则、参数和回测都要依靠历史数据计算获得。我们无法判断这些从历史数据中获得的规律能否在未来的市场中持续有效，所构建的交易模型也无法判断能否应用。
简单的量化因子和策略更容易让人理解和接受，但越是简单的策略越容易被人们知悉，量化交易所获得的超额收益也越低。

5. 什么是量化投资交易策略

量化投资策略就是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。
量化投资策略类型包括：
（1） 趋势判断型量化投资策略，判断趋势型是一种高风险的投资方式，通过对大盘或者个股的趋势判断，进行相应的投资操作。如果判断是趋势向上则做多，如果判断趋势向下则做空，如果判断趋势盘整，则进行高抛低吸。这种方式的优点是收益率高，缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者，在承担大风险的情况下，也会有机会获得高额收益。
（2） 波动率判断型量化投资策略，判断波动率型投资方法，本质上是试图消除系统性风险，赚取稳健的收益。这种方法的主要投资方式是套利，即对一个或者N个品种，进行买入同时并卖出另外一个或N个品种的操作，这也叫做对冲交易。这种方法无论在大盘哪个方向波动，向上也好，向下也好，都可以获得一个比较稳定的收益。在牛市中，这种方法收益率不会超越基准，但是在熊市中，它可以避免大的损失，还能有一些不错的收益

6. 量化交易主要有哪些经典的策略

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。

7. 量化交易主要有什么经典的策略

您好
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。

8. 量化交易主要有哪些经典的策略

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。