為什麼進入量化交易這么難

A. A股市場里的量化交易分析難嗎

這種量化交易分析太難了，因為不能日內交易，而且信息公開得不充分。

B. 如何系統地學習量化交易

，量化交易中策略邏輯和IT實現基本算是兩個獨立的方向。做策略我覺有TB和matlab就基本足夠了，實現的話c++比較好。當然要看自身的知識背景和技術水平。

我的理解其實做量化交易很難有一個所謂的系統學習的過程，量化只是手段，交易的邏輯是多元化的，你可以通過形態描述、追蹤市場不合理價差等手段切入，也可以把天體物理、小波分析、神經網路等復雜模型應用其中，你可以做的是K線結構上的策略，也可以做日線或每500毫秒數據進行決策的策略。

所有的一切目的就是為了獲利，所謂量化和程序化只是實現這一目的的手段。

你可以通過各種手段了解做量化時注意的細節，比如如何避免使用未來函數、如何理解每一條數據的意義、測試與實盤之間的差異、不同測試軟體的優缺點等等。但你沒法去「學習」量化交易，因為不會有人把自己真正賺錢的東西拿出來，如何賺錢必須自己去挖掘。

炒股需要經常總結，實踐，長時間積累的過程。是一個漫長的心理斗爭和實踐的過程。為了提升自身炒股經驗，新手前期可以私募風雲網那個直播平台去學習一下股票知識、操作技巧，對在今後股市中的贏利有一定的幫助。
希望可以幫助到你，祝投資愉快！

C. 揭開「量化交易」的神秘面紗

量化交易（ quantitative  trading  ）是金融術語，即以數學模型代替人為主觀判斷，以計算機程序從還想歷史數據中篩選出多種「大概率事件」並總結出規律，從而制定相應的投資策略。有了量化交易策略，就較容易減少投資者情緒波動的影響，避免在市場狂熱或悲觀的情況下做出非理性的投資決策。

在量化交易出現之前，股票和證券市場的投資操作都是人工完成的。著名的股神巴菲特，他的故事投資秘訣就是價值投資，即通過大量研讀財報選出優質的公司，並長期持有。價值投資利潤固然高明，但知易行難，絕大多數的投資者並沒有耐心和毅力去逐一研讀每家企業的資料，分析基本面，等等。以美股為例，14000+家公司，每份財報都有好幾百頁，怎麼看得完。更何況，很多機構和投資者都是炒短線的，根本沒時間按價值投資的思路去做資料分析。

在此背景下，很多金融創新就應運而生了。比如金融學上有一個很著名的交易策略叫動量交易（momentum trading），即股票價格向上突破到某個比例時買入，下跌某比例時賣出。這個原則說起來容易，人工操作就很困難。而有了計算機之後，交易員只需要輸入具體明確的交易策略的指令，剩下的具體操作就可以由電腦自動完成了，非常輕松。

20世紀70年代，隨著計算機算力的突飛猛進，金融數據的大數據分析變得簡單易行，接著一大批劃時代的金融理論誕生了，比如投資組合理論、資產定價理論、期權定價理論，都是在這一時期出現的，這些理論為挖掘金融數據提供了理論基礎。另一方面，市場上需要管理的錢越來越多，證券的種類也越來越多。計算能力、金融理論基礎、市場需求，這三個條件在一個時代同時實現，量化交易也就應運而生了。

率先使用量化交易技術的是投資銀行們。他們利用計算機技術在海量的數據裡面挖掘信息，設計很多很復雜的金融產品，放大杠桿，獲取著令人難以置信的高額利潤。由於計算機技術的大面積應用，很多IT天才雲集華爾街，他們大都是穿著T恤和牛仔褲不修邊幅的宅男，與西裝革履的傳統銀行家形成了鮮明的對比。2006年，來自摩根史丹利，高盛，德意志銀行等投行的頂級「寬客」（Quants，量化交易專家）平均年收入是5.7億美金，年齡最小的才30歲左右。

經過投行們的推波助瀾之後，量化交易在金融市場上占據著相當大的份額。目前的美股市場上，量化交易大概佔到60%的比重。

量化交易的核心競爭力就是對海量數據進行分析計算，進而提煉出一定的規律，並據此作出預測。比如，對於某一隻農業概念股，除了常規的坎財務數據、歷史產量，還可以利用衛星數據來分析天氣，然後把農產品的歷史產量和其它先關數據全都難過來，進過整合分析之後預測這產品的未來產量，進而對該只農業股的股價進行預測。在市場平穩發展、規律性較強的情況下，只要精確地捕捉到這些規律，投入一些本金，並加上一定的杠桿，就可以實現很高比例的盈利，可謂是一本萬利，這也是前文提到很多量化交易的IT專家能夠獲取天量收入的秘訣。

這個原理聽起來確實很誘人，然而卻不是容易做到的。畢竟從海量繁雜的數據中持續捕捉規律，並作出准確預測，是非常復雜和燒腦的勞動，費一般人力所能及。因此，大多數投行都是到MIT（麻省理工學院）、普林斯頓等最牛的高校里挖最牛的人才來組建團隊。這些精英們也經常自詡，他們是用模擬天體運行規律的方式來解讀金融世界。簡言之，這是智商密集型的精英領域，非一般人可以涉足。

然而，經濟世界和金融領域的運行狀況，跟天文物理、化學生物等穩態結構領域的規律是大相徑庭的，沒有必然和連續的規律 。量化交易確實厲害，但卻非穩賺不賠的必殺神技。實際上，量化交易的風險非常大。關鍵在於，量化交易的本質是基於歷史數據挖掘規律，因此它依賴於過去的趨勢。而如果這些趨勢依存的條件發生變化，趨勢也就不復存在。進而，基於這些趨勢所做的投資策略，也就面臨著失敗的厄運。

最著名的案例就是著名的投行「所羅門兄弟」，它裡面有一個叫梅瑟維夫的天才，自己組建了著名的量化基金「長期資本管理公司」。在1998年之前，這家公司的業績非常好，年化收益達到32%，在同行之中一騎絕塵。但是經過俄羅斯盧布崩盤的黑天鵝事件之後，一切灰飛煙滅。

1998年俄羅斯盧布大幅貶值，市場上到處拋售俄羅斯債券。長期資本管理公司根據自己設定的量化模型，不但不拋售，反而激進地抄底，想著等市場反彈之後大賺一筆。然而1998年8月17日，俄羅斯政府發表聲明不再償還任何債務。盧布應聲而落，長期資本管理公司爆倉，一天就虧掉幾億美金，在一個月之後，這家天才雲集的公司就破產清盤了。

量化交易把金融市場當作穩態結構，以為一切皆有序可循。然而，金融市場不是天體世界，它歸根到底是人的市場。人性的貪婪、恐懼、慾望都會隨著市場情況的變化而變化。因此它是一個規律和任性相互作用的動態過程，沒有一成不變的規律，也沒有料事如神的預測模型。用李善友教授近兩年廣為人知的說法，叫「 不連續性 」。

當今的量化交易已經回歸到了一個正常狀態：一方面，認識到量化交易在數據挖掘和科學決策方面的優勢，但是另外一方面，人們也認識到量化交易是有局限的，尤其是應對這種突如其來的規律變化的時候，這種純量化交易可能會面臨更大的風險。

作為全球重要的金融市場之一，中國也有一定規模的量化交易的，但仍處於萌芽的發展狀態。炒過股票的同學都知道，中國股市雖然長期收益率不錯，但仍總體而言仍是「消息市」、「題材市」、「概念市」，一旦政策或者環境有點風吹草動，中國市場的變動是非常非常頻繁的，而且波動的幅度特別大。在市場起伏很大、無規律性非常明顯的情況下，量化交易策略就難以湊效，更遑論賺取暴利。

2013年中國有一個光大「烏龍指」事件，就跟量化交易有密切的關系。當時是光大證券的交易員不小心輸錯了一個數字，下了一個70億的天量買單，瞬間拉動股價大漲，進而觸發了很多量化交易程序的自動執行條件，很快導致300多億的資金湧入場內，幾分鍾之內上證指數就拉升了100多點，59支權重股瞬間漲停。很多不明就裡的散戶盲目跟進，結果損失慘重。事後很多人除了控訴光大證券，也指責採用量化交易的機構，因為量化交易數倍放大了「烏龍指」效應，明顯影響了整個股市，進而間接促成他們的跟進損失。

在2013-2014期間，有些量化交易機構收益不錯，但經過2015年股災之後，整個A股市場的情緒和資金面都發生了巨大的變化，過去行之有效的策略通通報廢，以量化交易為核心的私募基金倒掉了300多家。

因此，量化交易在中國市場的成長壯大，路漫漫其修遠兮。我們普通人，還是老老實實學巴菲特，踏踏實實研讀財報，搞價值投資吧^_^

D. 量化交易的四大技術痛點都是什麼

要看你是量化交易的開發者，還是量化交易的使用者。

一，對於量化交易的開發者，

1，程序的開發能力，編程能力

2，沒有完善的交易系統

3，懂程序的人不懂交易，懂交易的人又不懂編程，如果兩人合作開發，因為怕技術外泄的原因，雙方都有所保留，以致合作難以達到好的境界，

4，完整的數據，量化交易的程序開發，有賴於 歷史 數據的測試，可市場里不是每一種品種都有足夠的數據可以提供來測試，例如新上市的股票或者期貨合約，

二，對於量化交易的使用者

1，大多使用者都是用別人開發的成果，導致沒有足夠的信任和信心，賺錢還好，虧錢就難以堅持

2，量化交易程序化交易往往都依賴於很多數據參數，使用者很難把握好參數的設置

3，不同的級別會有不同的效果，使用者很難選擇最佳級別

4，市場的參與主體不斷在發生演變進化，導致市場也跟隨著演變，固化的量化交易程序，不一定能適應不斷向前走的市場

以上希望能夠幫到你

痛點1：好的量化交易投研工具

目前市場上好的量化交易平台不多，大多數只是作為投研學慣用得平台，真正能保證 安全和實盤的真心不多，現國內高端的量化交易平台能夠實現高質量的清洗數據、策略開發、回測、模擬以及能夠實盤僅有少數。

痛點2：基於 歷史 數據回測

由於量化策略是基於 歷史 數據分析的，基礎的量化模型在設計之初都是經過至少三年以上的 歷史 走勢追溯，即構建量化模型的投資周期都是長線的。量化因子的互相作用及平衡也是基於長期的，短期市場的波動盡管會對量化因子產生影響，但短期影響並不會在長期投資中產生決定性因素。一旦當前市場表現和過去出現較大差別，那麼，基金業績表現肯定就會不好。

痛點3：策略同質化現象嚴重

當前的公募市場上，很難見到精妙的、具有獨特競爭力的量化策略，不少策略趨同，大量相似量化策略的登堂入室，讓其收益回歸平均甚至難以達到平均水平。

一些基金為了避免出現持倉過於集中在中小創的情況，它們會把大盤股強制配進去，做成一個中性策略，該做法可有效降低單一風險，使得在風格切換中，避免凈值大幅回撤，但代價當然也是整體預期收益降低，比如在中小創風口來臨時，採用這種方法的基金業績就會遜色很多。

當然，在策略貧乏的市場環境中也有量化基金守正出奇，闖出了一片新天地，上投摩根阿爾法就是典型代表。在今年風格驟變的行情中，該基金以近 19% 的收益率領跑主動型量化基金，其秘訣就在於：採用了啞鈴式投資技術，同步以 " 成長 " 與 " 價值 " 雙重量化指標進行股票選擇。這樣一來，就克服了單一風格投資所帶來的局限性。

啞鈴式投資技術 ( Barbell Approach ) 是目前國際市場上較為成熟的一種投資方法，其基本操作思想在於同時投資於兩類風格差異較大的產品，構建的投資組合具有兩種產品的某些優點，同時能夠迴避某些市場波動帶來的損失。

當前，不少基金公司已經意識到，變則通，不少機構正在動態調整量化策略。拓展策略的延展性、修改量化因子等，已經成為不少量化產品的選擇。

痛點4：受策略局限性的制約

目前，市場上的公募量化基金普遍採用的是阿爾法策略，有效的套利、做空等多策略都不能靈活運用，這導致量化基金策略偏向於做多。而私募量化基金，因其策略的多樣性，使其更容易適應市場變化。

此前，股指期貨 " 松綁 " 所傳遞出的信號，從中長期看，對量化基金來說絕對是利好。而隨著資本市場未來上市更多的金融衍生品，將有效解決股市單邊市的問題，量化策略可配置的品種也將越來越豐富，屆時量化投資或將大有可為。

作為市場相對成熟的美國，導致近期量化策略，尤其是 CTA 策略 " 失效 " 的主因究竟又是什麼？對沖基金 Quest Partners LLC 的聯合創始人兼首席投資官 Nigol Koulajian 給出了答案。他表示：" 已經適應了這個市場環境的 CTA 在越來越傾向於長期交易，它們的持倉規模在增大，並且很多投資者運用的是同樣的策略，一旦出現趨勢逆轉，對市場的影響將是巨大的。"

E. 量化投資好做嗎，這份工作有多難

量化投資在前些年應該就有公募基金在研究，但一直不瘟不火，也沒多少產品推出來，直到2014年後才逐漸火起來，量化投資大致經歷了下面幾個階段：1、2010年推出股指期貨之前，量化投資體現不出優勢，研究的人應該很少。2、2010年--2013年，大盤處於熊市階段，也沒出現多少套利機會，而且這個時候關注資本市場的人也不多，都覺得炒股是敗家（上非誠勿擾那個炒股的直接24盞燈全滅）。但因為有了對沖手段，一小部分先知先覺的機構開始研究量化投資，在期現套利、股票阿爾法套利等方面應該也賺到些錢。3、2014年--2015年9月，大盤經歷暴漲暴跌，中間出現過分級基金套利、可轉債套利、ETF套利、期現套利等一大波的套利機會，然後在大盤暴跌的時候有一部分量化對沖基金經受住了回撤的考驗。量化投資在這一階段得到快速的發展。4、2015年9月--現在，因為股指期貨提高保證金、貼水、當日開倉手數受限等原因，相當部分的量化對沖基金處於停滯狀態。總的來說，國內的量化投資整體還處於起步階段，不像國外那樣成熟。但好在國內的資本市場沒有完全放開，而且期指、期權等對沖手段也不夠成熟，很多品種還是T+1交易，即便國外對沖基金進來也需要修改策略來適應國內的資本市場，所以國內的量化投資者們還是有很多投資機會的，且行且珍惜。

F. 量化交易的流程是什麼

其實，如果你的知識經驗結構還不足以支持你進行專業的量化模型研究，大可不必熬更守夜攻讀python、MATLAB ，以至於你到最後成為了一個半調子的程序員，轉過頭你才會發現量化策略模型研究並不是
你想的那麼簡單，太量的主觀情緒、主觀思維代入你的代碼，你覺得你這還是量化嗎？偽量化是經不起實戰檢驗的，漏洞與錯誤百出。
因此，給廣大量化愛好者，由其是希望藉助量化策略投資的職業投資者一個建議，市面上已經出現了一些專門為散戶和職業投資者打造的量化平台，
不需要寫代碼、不需要調介面、選擇模型後，一鍵就可以對接你的券商實盤帳戶。啟動完事。我現在就用起的，感興趣的朋友，見名+V信我分享，非廣告

G. 股民的策略進行量化的難度有多大

這個問題比較籠統，也籠統的回答一下：說大也大，說小也小。

量化投資的基礎是數據，如果這位「股民」的策略是基於行情數據、基本面數據等數據集，那麼在理論上就是一個量化策略。

做好策略的代碼實現和回測之後，還可以綁定微信提醒買入賣出，這樣從策略開發和實現，再到實盤交易就完成啦，所以說：說大就大，說小也小，策略是最重要的！

H. 量化交易的那些事！

最近一段時間，很多人覺得股票越來越難做了，板塊加速切換，市場走勢極端，一些中線趨勢良好的板塊個股完全無視基本面突然連續大幅殺跌。

有人說，這是因為量化交易成為了我們的對手盤，助漲殺跌。有些票漲六七個點，突然就摸漲停了，有些票跌六七個點，突然就奔跌停去了。手速、資金都拼不過，甚至按照這樣的趨勢，我們這些靠交易為生的散戶，有可能要被機器人幹掉。事實果真如此嗎？

今日筆者就來給大家分享一下量化基金的那些事。

量化交易到底是怎麼交易的？

交易員A兄，19至20年在國內某量化基金做交易員，基金規模最大到70億。最開始在量化交易部，後期在人工t0部。基本上交易部的東西都清楚，國內這幾家量化基金的交易模式也大同小異。

量化交易是怎麼交易的呢？大部分策略是量化對沖模型。

就是買入市場上的活躍股，然後開對應金額的期指空單對沖（IF，IC，IH都有），多頭金額和空單金額（期指有杠桿，實際佔用金額少）基本上在1：0.8到1：1區間浮動。

賺錢邏輯就是，不管大盤漲跌，因為有對沖，只要買入的票足夠強，只要能跑贏對沖指數（if，ih，ic），基金就是永遠賺錢的。

也有一些純多頭策略，就是不帶對沖，全買股票的，但是少一些。

量化交易的買入賣出，都是一攬子交易。每天要買入的票少的時候200隻，多的時候能到4、5百隻。這些票根據權重劃分金額，有的票買的多，大部分票只買一點點。一般前二十隻票，買入金額佔到總成交金額的4成左右了。

當天開盤前，策略部的演算法就會把當天的買入賣出任務做好。交易員的工作就是把當天要買的票買完（不論價格），把當天要賣的票賣完（不論價格）。考核指標就是以當天開盤價作為基準，算出平均買入成本與開盤價偏離值，以收盤價作為基準計算賣出價格偏離值，用這兩個數據算績效。

這個模式就導致，股票早上買的時候很容易打高了，因為很多公司都是這個演算法，互相一搶，股價就能推上去。但沒辦法，交易員一般10點之前就要買完票了，越往後風險越大，因為不知道誰就突然漲停了，導致買入成本暴增，是要被談話的。

賣出是這樣的，公司所有的票有一個7%止盈單，就是只要股價沖到7%，就會賣出。而且收盤統計的時候，漲幅超過7%的票是按7%的價格計算賣出成本的，假如賣早了那就賣虧了，假設我5個點賣了，沖到8個點，收盤砸綠，算收盤價的時候還是按7%算，這個對交易員很不友好。

「19年初那波行情我們當時規模不小了，有時候單票買入金額能佔到股票總成交的10%甚至更多，這時候票就很難買了，因為一買就要把價格推上去，推上去買入成本巨高，我們業績就會很差。但是沒辦法，任務一定要完成的。

印象很深刻的，19年2月1日，當時有個同事買入任務里要買 300615欣天科技800多萬，大家可以看一下這票前一天成交額，成交額太小了800很難買進去，買了一點點就封板了，然後炸板，我同事一直想等回落了慢慢買結果一直不回落，最後他直接集合競價把票頂到漲停板把剩下的買入任務買完了……」

量化策略模型：聯創股份的推升

由於「交易員A」兄從事於交易部門，選股條件那是策略部的事情並不清楚，而且這些量化公司都號稱自己有幾百上千個選股因子，每天機房電腦都在跑程序，在第二天開盤前把票選好。

不過公司的幾個模型結構是知道的。當時主要有7日模型，9日模型，13日模型，還有一個兩日模型。

這個N日模型的N就代表持股周期，表示買入後持有N日後賣出。有時候連續幾天都有同一隻票的買入任務，那麼這個票就會在持倉里躺小半個月。隨著模型時間到了之後，慢慢賣完。

演算法部都是清華高材生，學歷在那放著呢。不過再牛的策略也是人定的，再牛的量化演算法也是人選的。

模型的變化（持倉時間長短）、對沖指數風險敞口的調整，以及選股因子等，策略部一直在做優化。這些變化不是說某天突然發現不行了，然後就要改了、之前的都完全放棄了，而是說每天都有在回測市場分析賬戶表現，然後策略部們去做細微的調整。

「為什麼說這個模型的事情，今年的聯創股份這種，很明顯就是被量化模型推上去的。因為這票根本沒有什麼基本面，純垃圾股一個，pvdf那種故事聽聽就算了。」

實際上就是這票被很多家量化演算法選中了，有長周期的有短周期的，但是在前期都主要是買入為主，所以我們可以看到這票被鎖倉了，一直往上推，當然漲的好也就有散戶信了他的故事（散戶也鎖倉），然後到賣出的時候，這票往下按接不起來，因為大家模型時間都差不多到了。

今年好多票漲的快，漲幅大，但是調整的非常狠，跟量化模型同質化有很大的原因。

各位兄很感興趣的T+0

由於買入模型持倉7、9、13天不等，而且都是市場上比較活躍的票。那麼這些票躺著不動其實就是一種浪費，這些票可以甩給t0團隊去做t，用來搞額外收益。

「我之前的工作內容，說實話很無趣，自主操作的空間很少，更像是一個人形下單機器，所以在後期公司要開展t0交易的時候我果斷轉崗去了t0交易部。

當時國內幾家大的量化私募都已經有自己的交易團隊了，我司屬於介入比較晚的，老闆應該是去九坤這幾家參觀學過，也就動了搞t0團隊的想法。在成立自己T0團隊之前，公司的底倉是打包給國內幾家專業的t0公司去做的。」

t+0這邊很簡單，底倉給交易員分好，然後交易員自己拿著底倉去做日內差價，這個差價就是交易員的業績，然後公司按比例給交易員提成就是工資。

t0交易員是沒有底薪的，沒有底薪沒有五險一金沒有社保，全靠業績活。而且這個東西淘汰率相當高，當時新組建團隊，招來了四十多個新人，最後只留下來一個。最主要的是，現在基本沒有t0團隊要新人的了，沒公司願意培養新人。

關於t+0還有一個事情。

很多人做創業板新股喜歡看融券余額，覺得融券量大的票會容易漲，他們說的是要打爆空頭，第二天融券方要回補還券。

其實不是這樣的……創業板新股上市之前就已經把這些機構的券約出去了，這些券各大t0機構從券商手裡借到，當成底倉給交易員做t0交易。因為新股波動大做t0收益高，當然券息也高。但是專業的t0團隊是不可能裸空的，融券量大隻是券商把券借給t0團隊了，人家當天就已經買回了。

量化基金收益的潛規則

其實量化賽道也很擁擠，因為交易同質化很強，大家的策略大同小異，起重要因素的其實不是選股策略而是對沖盤的風險敞口。之前說了，多頭和空頭的比例是在1：0.8和1：1區間浮動的，那麼這裡面的可操作空間其實非常大。

而具體收益率，各個產品之間的差距其實很大……

「19年初那波創投工業大麻氫能源的行情大家應該都知道，到5月份我們的頭部產品收益率都干到了60%了，但是當時竟然還有一些產品是不賺錢的，真不賺錢甚至還有略虧一點的。

這個差距大的原因應該是各個產品的買入時間有差異，因為買的越早其實別的資金就在給你抬轎子（這些是我猜的沒法證實）。實際上在私募拍拍網上的明星產品收益率都還不錯，年化跑個二三十沒問題。但是，但是，但是！後面的產品根本不能看………頭部產品其實就是個廣告效應吸引投資人的…等你虧錢了，老闆開始心理按摩就行了，反正大部分客戶啥也不懂……

我們老闆就不會交易，他工作的一個主要內容就是給客戶心理按摩……

前東家規模最多到70億，當時老闆是有沖擊百億規模的想法的，擴招了很多人。實際上是這些規模一部分是公司本來賺上去的凈值，還有一大半是場外的人看公司業績漂亮高位跟投的…我知道的有一個大戶一個人就在我司放了20億，做量化對沖。

最後結果是行情沒了之後，好多後期進場的人是虧錢的，這些人虧了之後就會選擇贖回，撤資，然後規模也會迅速變小。很快的，從20億規模到70億只用了半年，從70億回到不到20億，用了不到半年……

不過老闆怎麼都是賺的，行情好的時候賺業績提成，新入場資金賺管理費……基金虧了，客戶就自己贖回好了，反正老闆都是血賺。」

最後

其實所有人（包括私募，公募，量化），對於市場都是靠蒙的……

能不能漲，為什麼漲，能漲多少，不是一個人說了算的，因為市場這么大，根本不是一個人能夠決定的。（袖珍盤庄股除外，這種就真看老莊心情………）

行情都是一陣子一陣子的，年初白酒yyds，三月碳中和yyds，5月醫美yyds，789月新能源賽道yyds，最後把鍋全甩到量化頭上去……其實還是自己學藝不精啊……

總的來說，市場的東西都交給市場去消化，市場有市場自己的規律。yyds白酒照樣能跌，賽道股照樣會大幅回撤。

老師們要認真觀察市場，認真學，認真提高自己的交易水平，其實是可以盈利的。

做量化的這些程序員大部分連股票都沒炒過，人家寫的程序也就是發現了市場規律，然後用合理的倉位，策略去做交易。連這些人都能賺錢，其實我們需要做的是客服自己的貪婪和恐懼，做一個無情的交易機器就好了。

I. 散戶如何應對量化交易

量化交易是指投資者將交易策略的邏輯與參數經過電腦程序運算後，將交易策略系統化，然後通過電腦自動下單來完成交易。在量化交易過程中，散戶可以這樣做：

1、根據個股的歷史數據，進行多因子選股，比如，把市盈率、市凈率、市銷率等作為選股標准，選出一些價值被低估，或者處於合理區域的個股。

2、順勢交易，即在上漲的趨勢中買入，在下跌的趨勢中賣出。

3、進行合理的倉位管理，即採取漏斗形倉位管理法、矩形倉位管理法、金字塔形倉位管理法等，好應對個股後期的風險。

量化交易的應對方式：為了減少量化交易的負面影響，應對量化交易的方式可以分為從被動到主動三種方式。

第一種方式：遠離量化交易，躲避相應風險。

由於短線量化交易更多的是參考市場情緒，對於中長線的價值投資標的影響很小，對於大部分投資者來講，多做中長線投資可能更容易躲避量化交易的影響。

如果您買的中長線標的也出現了量化交易的影子（參見上述的觀察方法），到也不用特別慌，因為量化交易不見得都是壞事，對於底部股票有助漲作用，等到觀察到股票到了一定壓力位出現非理性波動可以兌現。

第二種方式：與量化共舞，適應新市場生態。

與量化共舞，就是把量化看作對手盤或友軍，充分理解量化交易的特點，並爭取搶在量化前面。

比如最近市場打板族會發現一個特點，股票在某個位置不斷震盪，忽然就大單封漲停，造成打板買不進，這樣的情況很多時候也是量化形成的。那麼對於這種情況，結合板塊效應、消息面、個股K線以及資金流向等，在平台震盪時嘗試買入。

同樣的，市場也出現漲停溢價降低，那麼在競價大幅低於預期且板塊出現普遍低於預期情況，及早出局，不能太貪。

當然，如果選擇了與量化共舞，風險控制手段就是必須的：

1、不能重倉賭一隻股，否則遇到極端情況，稍一猶豫就會虧損很多。

2、不能太貪，不能靠想像炒股，出現不良信號要及時退出。

3、要全面研究個股基本面，從而增強個股判斷邏輯和支撐，避免盤中出現個人恐慌造成誤操作。

4、買入需要謹慎，對於買入點要求要提升。

以上就是對近期量化交易的簡單思考，隨著市場變化後續再總結提升。