分类
外汇基本知识

量化投资学习

量化策略
量化策略:通过一套固定的逻辑来分析、判断和决策,自动化地进行股票交易。

策略的周期:

1. 网上教程

• Python教程 - 廖雪峰的官方网站 https://www.liaoxuefeng.com/wiki/1016959663602400
• 用Python 玩转数据 (南京大学提供) https://www.icourse163.org/course/NJU-1001571005?tid=1001646005
• Introduction to Data Science in Python (provided by University of Michigan) https://www.coursera.org/learn/python-data-analysis

2. Python书籍

书籍方面,Python for Finance: Mastering Data-Driven Finance 是比较多人采用的,主要用来学习量化金融,绝对可以参考。Python Cookbook是经典书籍,但内容太繁多,学习了Python基础知识后用它来做参考书籍吧。Python for Algorithmic Trading: from Idea to Cloud Deployment 是2020年末出的新书,还没看过,但目录看起来不错,适合学习量化交易。大家可以自行从不同渠道获取这些书籍。Mastering Python for Finance 和 Python for Finance – Analyze Big Financial Data 也可以参考。

• Python Cookbook
• Python for Finance: Mastering Data-Driven Finance
• Python for Algorithmic Trading: from Idea to Cloud Deployment
• Mastering Python for Finance
• Python for Finance – Analyze Big Financial Data

3. Github

• Mastering Python for Finance 的作者提供了书中的代码
https://github.com/jamesmawm/Mastering-Python-for-Finance-source-codes
• Python for Finance – Analyze Big Financial Data 的作者提供书中的代码 https://github.com/yhilpisch/py4fi

4. 机器学习书籍

• 机器学习 (周志华 著)(强烈推荐)
• Python与机器学习实战
• Python机器学习算法

5. 深度学习书籍

• Dive into Deep Learning http://d2l.ai/ (强烈推荐,附有代码,超过175间大学采用)
• Deep Learning (Adaptive computation and machine learning) https://www.deeplearningbook.org/
• Deep Learning with Python

6. 各种Python微信公众号

• Python中文社区
• Python编程
• 量化投资学习 量化投资与机器学习
• 川总写量化
• 数据分析
• 大数据应用
• 机器学习研究组
• 机器学习算法与自然语言处理
• 极市平台

量化投资学习

注:本站商品信息均来自于厂商,其真实性、准确性和合法性由信息拥有者(厂商)负责。本站不提供任何保证,并不承担任何法律责任。

1.京东价:京东价为商品的销售价,是您最终决定是否购买商品的依据。

2.划线价:商品展示的划横线价格为参考价,该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价(如厂商指导价、建议零售价等)或该商品在京东平台上曾经展示过的销售价;由于地区、时间的差异性和市场行情波动,品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致,该价格仅供您参考。

3.折扣:如无特殊说明,折扣指销售商在原价、或划线价(如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价)等某一价格基础上计算出的优惠比例或优惠金额;如有疑问,您可在购买前联系销售商进行咨询。

4.异常问题:商品促销信息以商品详情页“促销”栏中的信息为准;商品的具体售价以订单结算页价格为准;如您发现活动商品售价或促销信息有异常,建议购买前先联系销售商咨询。

能效标识说明

1.点击右上角 分享

2.发送给好友 或QQ空间

3.发送给微信好友 或朋友圈


新人价

学习量化交易如何入门?

【1】一篇论文:
Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.

【2】《Quantitative Equity Investing》

by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm

又是这三个人的书,倒不是写的有多好,但是确实是入门的上佳选择。选股策略和投资组合管理在学界也有一定的研究地位,因此这本书的整体框架明显比《Trends in Quantitative Finance》更清晰一些,没有那么杂乱。

先要说明,这本书除了个别章节以外,一点都不入门。这里将其排进入门书单的原因,是因为它太重要了,绕不开。有志于选股策略和投资组合管理的朋友,请努力啃吧,可以搭配BARRA的手册和Qian的那本《Quantitative Equity Portfolio Management》一起看。 @李腾 也翻译了一个版本,但是我没有看过,不好评价。在这里向李大神致敬,书里一些地方我到现在都没看明白呢。

除此之外,非常重要的一点就是学习新的知识和技术。一旦形成了基本的策略构造能力,了解买卖、仓位、风控等部分的组合之后,量化策略研发的进阶就要靠多吸收新鲜知识来支撑了。说实话,直觉、想法都是在大量学习前人知识的基础上完成的,不然难免成为无源之水、无本之木。开卷有益,多多益善,书多看不要管科目,论文多读不要管难易,想法总是会源源不断的产生的。然后再去把想法实现出来,可能10个里有10个都是错的,但是事情总是在进展的,总该是好事。

碎片化知识的来源,我推荐这么几个地方:
Quora - 各种有意思的知识,就是英文让我比较难过
elitetrader - 量化投资学习 集中在交易的一些讨论

StackExchange的几个子站 - 例如CrossValidated,Overflow等
知乎 - 中国版Quora
海洋论坛 - 很久没上了,不知道怎么样了

一些我听说过或见到过在实盘跑的量化策略:
Kalman filters
Hidden markov models
Topological manifold learning
Non-linear kernel regression techniques
APT type factor models
Monte carlo options pricing techniques
Continuous time APT factor models with latent variables
Spectral techniques for doing bag of words extraction of factors from natural language corpus for generating forcings for stochastic partial differential models of asset dynamics
Pairs trading/mean regression statistical arbitrage strategies
Automatic graphical model construction (structural inference over dynamic Bayesian networks)
Reinforcement learning based pairs trading strategies
Information theory based investment strategies
J. L. Kelly, Jr., "A New Interpretation of Information Rate," Bell System Technical Journal, Vol. 35, July 1956, pp. 917-26
Sparse over complete basis function methods for 量化投资学习 feature extraction
Applications 'information geometry'; a field on the border between information theory, probability theory and differential geometry; still very new
Anything that can be used to model or extract features from a time series

量化投资学习

问题很多de流星 已于 2022-03-17 11:32:51 修改 10687 收藏

什么是金融?
金融:就是对现有资源进行重新整合之后,实现价值和利润的等效流通。
通俗来说,金融就是你有钱,但对创业没有想法,将钱融给需要做大做强的公司,等到上市,市值翻倍,从中获利。
金融工具:在金融市场中可交易的金融资产(股票、期货、黄金、外汇、基金等),就是将钱融给别人的方式。

  • 期货相当于现货,两人对货物的未来价格趋势的一种约定。
  • 黄金稳定,当需要保值的时候一种投资。
  • 外汇:跟汇率有关,波动太小,一般大公司操作
  • 基金:基金经理,个人将钱交给基金经理,基金公司会吸纳各个散户的钱,基金公司通过各种投资,赚钱后分给投资者,风险小,收益不如股票
  • 股票: 股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东。股票的作用是出资证明、证明股东身份、对公司经营发表意见。通过公司分红以及交易(卖掉一部分股份套现)获利。

上市/IPO:企业通过证券交易所公开向社会增发股票以募集资金。公司去证监会申请上市,证监会审核以规避所有风险,在证券交易所公开。
股票的分类:

  • 股票按业绩分类:
    蓝筹股:资本雄厚、信誉优良的公司的股票
    绩优股:业绩优良的公司的股票
    ST股:特别处理股票,连续两年亏损或者每股净资产低于股票面值
  • 股票按上市地区分类:
    A股:中国大陆上市(上海或者深圳证券交易所),人民币认购买卖(T+1,涨跌幅10%),股票波动不能大于10%,为了保护股民,有涨停跌停之说;T就代表交割日,今天买出去,明天才可以卖出去
    B股:中国大陆上市,外币认购买卖(T+1,T+3),T+3交收日,三天之后到账。
    H股:中国香港上市(T+0,涨跌幅不设限制)
    N股:美国纽约上市
    S股:新加坡上市

股票市场的构成

  • 上市公司
  • 投资者
  • 证监会(决定能否上市)
  • 证券业协会
  • 交易所:处理各种各样的信息
  • 证券中介机构:不向小股民小散户发售股票,证券交易所需要有席位,证券中介机构帮小股民代买股票,赚取席位费
  • 交易所:
    上海证券交易所:只有一个主板(沪指)
    指数反映了大盘整体的趋势,整个市场假如有一万亿,七八千亿都在涨,通过趋势分析,大盘总体在涨。
    深圳证券交易所:
    主板:大型成熟企业(深成指)
    中小板:经营规模较小
    创业板:尚处于成长期的创业企业

影响股价的因素:公司自身因素、行业因素(最近人工智能发展的不错,很多公司会涨)、市场因素(是影响股价的最根本的因素)、心理因素、经济因素(国家的政策,利率 )、政治因素

股票买卖(A股)
委托买卖股票:个人不能直接买卖,需要在券商开户,进行委托购买
股票交易日:周一到周五(非法定节假日)
交易时间:

  1. 9:00-9:15 开门但不做竞价
  2. 9:15-9:25 开盘集合竞价,让成交量最大
  3. 9:30-11:30 前市,连续竞价时间
  4. 13:00-15:00 后市,连续竞价
  5. 14:58-15:00 深交所收盘集合竞价时间

金融分析:

金融量化投资

量化投资:利用计算机技术并且采用一定的数学模型去实践投资理念,实现投资策略的过程。
量化投资的优势

  • 避免主观情绪、人性弱点和认知偏差
  • 选择更加客观 能同时包括多角度的观察和多层次的模型
  • 即使跟踪市场变化,不断发现新的统计模型,寻找交易机会
  • 在决定投资策略后,能通过回测验证其效果

在这里插入图片描述

量化策略 量化投资学习
量化策略:通过一套固定的逻辑来分析、判断和决策,自动化地进行股票交易。

策略的周期:

  • 产生想法、学习知识
  • 实现策略:Python
  • 检验策略:回测/模拟交易
  • 实盘交易
  • 优化策略/放弃策略

量化投资的方式:
自己编写:Numpy+pandas+Matplotlib
在线平台:聚宽、优矿、米筐、Quantopian
开源框架:RQAlpha、QUANTAXIS

简单策略编写

1、双均线策略

2、小市值策略

3、均线回归策略

4、布林带策略
布林线:由三条轨道线组成,其中上下两条线为价格的压力线、支撑线,在两条线之间为均线
计算公式:
中间线=20日均线
up线=20日均线+N×SD(20日收盘价标准差)
down线=20日均线-N×SD(20日收盘价标准差)
如果涨到压力线,会跌,卖出
如果跌到支撑线,会涨,买入