量化交易入門

量化交易，指的是利用數學模型，在金融市場中尋找穩(wěn)定超額收益的投資手段。量化交易有著挖掘信息能力強，不易受主觀情緒影響，下單及時、準確，風險控制嚴格等特點，能夠獲得穩(wěn)健的收益。而其相對于傳統(tǒng)主觀投資，上手難度也比較大，門檻較高。入門量化交易，主要需要了解如下幾方面的知識。

1.數學/統(tǒng)計學知識

既然說到用數學模型，那數學和統(tǒng)計學的知識是必不可少的。由于國內金融市場尚不完備，一些衍生品交易受到限制，所以相較國外市場，能用到的數學/統(tǒng)計學知識也要少一些。對于非理工背景的投資者，需要補充基礎的高等數學，線性代數，概率論，統(tǒng)計學，最優(yōu)化理論等等學科的知識，這些內容可以在高校教科書中找到。對于一些新興的利用機器學習的交易策略，還需要了解一些數據挖掘的知識。但既然是入門，這部分自然不是必要的。

另外，計量經濟學的應用尤其廣泛。進行策略研究時經常要面對大量的時間序列、面板數據。雖然在實踐過程中更加注重策略結果，只要能賺錢的策略就是好策略，但在嚴謹的計量理論的支持下，回歸結果更準確，能更好的刻畫數據背后的關系，故往往更容易得到與預期相近的結果。其中，時間序列回歸與截面、面板回歸的邏輯與假設均有較大區(qū)別，且廣泛用于刻畫及預測金融資產的收益，波動。計量經濟學的書籍推薦伍德里奇的《計量經濟學導論：現(xiàn)代觀點》；時間序列推薦布魯克斯的《金融計量經濟學導論》。

2.編程能力

由于量化策略要處理大規(guī)模的數據，并采用復雜的數學算法，故需要利用程序來完成這一過程。大部分面向對象的編程語言，如Python，Java，R等都可以勝任這一工作。我在這里推薦Python，在業(yè)界比較主流，其特點主要是包括大量第三方開發(fā)的包，如處理數據的Numpy，Pandas，和金融包Talib，和各個平臺及其他語言兼容性良好。其中Pandas是美國知名對沖基金AQR開發(fā)的數據處理包，非常適合用于金融數據。Python的學習可以通過《利用Python進行數據分析》等書籍進行學習，也可以通過一些網上教程快速入門。在實際應用的過程中，應該多參考各個工具包的API文檔。

回測程序主要包括導入數據及初始化賬戶，每個交易時間點擇時條件、調倉邏輯，及回測結果計算，繪制凈值曲線等等。某些量化平臺封裝的回測環(huán)境，簡化了這一過程，能夠方便的對策略進行測試。

3.金融基礎知識

量化交易，根本上是金融市場中的行為。雖然該崗位對數學、編程知識有要求，但脫離了其金融本質，就無法設計出優(yōu)秀的策略。量化投資者需要了解各種金融資產的性質，以及影響其價格的因素。對于股票而言，公司的基本面及財務情況，其所處行業(yè)的形勢能夠從某種程度上反映在其股票價格中，因此投資者應對此有基本了解。這部分可以參考博迪，凱恩，馬庫斯的《投資學》，以及財務會計，報表相關書籍。此外，中國市場受到人為操控的因素影響較為顯著，在實盤操作中，量化投資者在依賴量化策略進行投資決策的同時，一般也會加入一些主觀判斷，以更及時捕捉市場走勢，獲得更高的收益。因此，宏觀經濟，政策形勢對金融市場的影響，也是投資者不能忽視的問題。每天看看財經新聞，長久以來可以培養(yǎng)金融直覺。

4.策略研究能力

即是將以上內容綜合運用，將投資思想程序化，開發(fā)成為有投資價值的策略的能力。起步時，應多參照已有的較為成熟的策略，進行完善復制。策略本身的邏輯可能三言兩語就能概括，但在實際執(zhí)行的過程中的細節(jié)不可忽略。眾所周知，在回測中表現(xiàn)突出的策略在實盤中不一定有效，但在回測中效果都不好的策略，難以在實盤重有良好的表現(xiàn)。過度擬合，幸存者偏差和使用未來函數都是新手經常會出現(xiàn)的錯誤，避免這些錯誤，才能讓回測結果更好的接近真實情況。同時，在得到回測結果后，如何對收益進行歸因分析，研究持倉股票，風險暴露，并對參數進行優(yōu)化，也是量化投資者需要解決的問題。

一些經典的投資策略包括多因子策略（Fama-French三因子模型），技術指標擇時（MACD，布林帶等），動量反轉策略，事件驅動策略，統(tǒng)計套利策略等。其中很多策略源于外國學術論文，高質量學術期刊包括Journal of Finance，Journal of Financial Economics等等。同時有一些系統(tǒng)的教學書籍，包括Barra Handbook（多因子圣經），Quantitative Equity Portfolio Management（主要講解投資組合管理），Quantitative Trading Strategies（主要講如何構造量化策略）。

5.在實踐中學習

策略回測終究是回測?；谶^去行情設計的策略，一定能在過去的時間區(qū)間內有良好的表現(xiàn)。但同樣的歷史不一定會重演，隨著市場趨勢和微觀結構的改變，策略在未來的時間可能不會按照預期的方向發(fā)展。實盤中還存在報表信息公布延遲，交易摩擦，下單對市場價格影響等問題。故一個交易策略，在經過嚴謹全面的回測檢驗后，要在實盤上檢驗其真正效果。

在接觸量化交易初期，了解數學編程，模型搭建中的細節(jié)處理都是繞不開的問題。而如今各種技術手段都較為成熟，可供大家使用，一個成功的投資者與眾不同的地方一定在于其設計策略的思想，和對市場的把握。設計交易策略應以背后的金融直覺為基礎，是我一直堅信的理念。希望各位投資者能夠在量化投資領域中找到自己獨特的視角，成為下一個西蒙斯！