怎麼避免量化交易帶來的沖擊

㈠ 個人做量化交易需要注意的幾點問題

近期，量化交易非常火爆，不少投資者開始嘗試利用量化交易為自己賺錢。現在甚至有一個結論，那就是量化交易是萬能的，認為只要使用量化交易，你就可以一直賺錢。這種想法太理想化了。事實上，在量化交易的過程中，需要解決三大問題。

問題 1：過度擬合

量化交易最大的特點之一就是可以優化之前的數據。即使你什麼都不懂，選取相應數據，設置幾個參數，就可以跑出完美的曲線。但關鍵是，完美的曲線並不意味著你就能賺錢。許多人沒有意識到過擬合的風險，這導致許多系統看似完美實操卻出現許多問題。盈收AI核心團隊由一大批人工智慧開發專業人士和證券行業自動交易資深研發專業人士組成。產品內置的每一個交易策略都經過長時間的推演和驗證，可以回測出超高的歷史年化收益率。

問題2：品種單一

很多投資者都知道量化交易的好處，但問題的關鍵在於使用的時候，太多的交易策略需要驗證太麻煩了。因此，許多投資者都在使用單一交易品種進行交易。單一的交易品種有很大的弊端。最大的問題是回撤非常大。盈首AI產品包含180個半成品人工智慧模型，分為牛市、熊市和震盪市場三大板塊，用戶可根據市場行情自定義添加交易參數，組合出符合自己操作思路和盈利模式的交易策略，同時平台獨有的去風險因素，可以實時監測主力資金流向，大大提高策略的年化收益率，降低回測風險。

問題 3：執行

量化交易實際上是自動化交易，由機器本身嚴格的按照指令執行策略。但人不是機器，交易的時候一定會帶有自己的主觀思維，人工干預程序化交易，自動交易變成半自動交易。造成交易結果差異的很大一部分原因出在執行這方面。

㈡ 量化交易靠譜嗎

整體來說是靠譜的。對於量化而言，我們一再強調，這是一個在投資實踐過程中祛魅的手段。選擇了量化，投資人便訴諸了自身的理性，他將擺脫感性與玄學的束縛，他的投資行為便具有了可復制性——如果時間倒退，在同樣的時間點他會做出相同的選擇。這是知行合一的基礎。

當然，有人會說，那就不用機器學習，用技術指標就好。可是事實上，那些指標本質上也是一些基於原始特徵挖掘出來的特徵，幾乎全部都是基於量價時間序列在上世紀的美股市場挖掘出來的特徵，也許這些特徵在那個時候有一定市場意義，而現在是2020年的A股市場，我幾乎能肯定的是這些特徵的成功率會隨時間增長收斂於1/2。數據信噪比低，數據涵蓋的信息少，導致A股量化對投資者的要求極高，必須得要用他們的投資經驗去彌補交易數據有效信息不足的短板。這也是我建議手動交易經驗足夠的前提下，才去做量化的原因。

㈢ 量化交易的致命缺點

一、每筆的盈利都相對較小，所以能夠提供的流動性和波動性高的品種並不多。
二、每筆量化交易都要付出點差或者傭金。並且這些費用都是固定的，時間周期越短，那麼系統的盈利空間就越小。
【拓展資料】
量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。
量化投資技術包括多種具體方法，在投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利和演算法交易等領域得到廣泛應用。
量化投資和傳統的定性投資本質上來說是相同的，二者都是基於市場非有效或弱有效的理論基礎。兩者的區別在於量化投資管理是「定性思想的量化應用」，更加強調數據。量化交易具有以下幾個方面的特點：
一、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。
二、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。
三、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。
四、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。

㈣ 量化交易、高頻交易將會對金融市場產生哪些影響（金融高手幫幫忙）

首先我建議你看看CCTV拍過的一個紀錄片《華爾街》，裡面對量化交易有過客觀的闡述。
作為證券研究人員，以我的觀點看在宏觀層面上來說將會加劇助長助跌，09年道瓊斯指數一分鍾之內暴跌998點，事後查清是騎士公司計絕閉算機量化交易的結果。
2、對於「高頻交易」給市場帶來的影響，在投行機構之間早已有較為激烈的討論。芝加哥聯邦儲備銀行的報告指出，美國股市總體成交量中約有70%通過「高頻交易」完成，而進行「高頻交易」的機構數量僅有2%。 芝加哥聯邦儲備銀行認為，此種背景下，雖然「高頻交易」對市場也有好處，能夠增加股票市場的流動性，但一旦程序出錯或人為疏忽都有可能對市場走勢造成災難性影響。如目前「高頻交易」出問題多數是因為投資者向機器發出了錯誤指令。盡管到目前為止這種錯誤造成的影響還很有限，但已經多次造成市場劇烈波動。
3、目前國內「高頻交易」的發展仍處於早期，股指期貨出來後該類交易也達不到能並手裂夠操縱市場的程度。 在商品期貨領域，目前更多的是一種「人為」的高頻交易，通過操盤者的「盤感」來實現快速進出，其結果是出現了一批「期貨炒手」，他們盤踞在上海、鄭州、大連等距離期貨交易所較近的地方，藉助空間距離縮短、通訊速度快捷來加強交易速度上的優勢。
4、對於量化交易、高頻交易對市場薯茄的影響目前尚不明確，但可以肯定的是對散戶肯定造成很大的沖擊。謝謝採納

㈤ 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。

㈥ 股市中量化交易的演算法是什麼，知道了不就可以戰勝它了

你到股市的目的是賺錢！時刻記住這點，那麼你就不會被其它亂七八糟的東西搞亂頭腦了。

知道賺錢後，再來討論量化交易的事。考慮一下：打敗了量化交易，你就能賺錢嗎？量化交易本身都是在辛苦賺錢的，你打敗了它算什麼呢？能夠保證你賺錢嗎？答案肯定是不能保證你賺錢。即使你打敗了莊家，你也不一定能夠賺錢。

所以，有必要打敗量化交易嗎？我看沒必要。我們也不用管量化交易的演算法是什麼。我們唯一應該研究的是，量化交易對股價走勢有何影響？這種影響有規律嗎？如果有規律，我們就要利用規律來賺錢賀斗。我們不用打敗量化交易。

根據盤面的表現來看，量化交易對股價的影響是很大的禪櫻磨。很多個股的日K線沒有那麼穩重和連續了，持續的上漲也少了。即使是主升浪，也出現了很多震盪上漲，持續有力地拉升少了很多。也就是說，量化交易注重日內交易，對日內交易的沖擊越來頌弊越大，表現在分時圖上，就是震盪更多，規律更少。這對短線操盤手來說，精確的買賣點更少了，只能以模糊的買賣點來應對。低吸高拋的成功率越來越高。

總之，量化交易對股價的日內走勢影響越來越大。短線操盤手日子難過多了。只有以中線的眼光進行選股做短線操作，增加持股的時間，才能增強盈利的能力。

哥們，，，，量化交易背後的是大數據分析，。。。你沒大數據分析，他怎麼量化交易，告訴你量化交易的演算法，你也打不過他，因為你被監控的死死的

人為設置的一些買入賣出條件，跟你平時看的指標形態一樣，只不過用機器語言來表達。

天下神器不可為也。

就是根據某個買賣策略進行交易，但沒有絕對穩贏的策略，所以不要想打敗市場

㈦ 量化交易不是保賺的也沒有什麼高大上！揭開量化交易的神秘面紗

量化交易是近幾年來一個金融交易領域的流行詞彙。所謂量化，就是指數量化。量化交易就是把交易行為以 定量的形式為交易者提供交易的依據，使交易結果盡可能排除和 避免 主觀交易的隨意性和心理波動。

量化交易在美國已經搞了30多年了，最著名的是數學家西蒙斯和他的文藝復興公司的大獎章基金， 從1989年期起，復興 科技 公司的大獎章基金( Medallion )的年回報率平均高達35%,大獎章基金被譽為是最成功的對沖基金。

狹義的角度講量化交易就是十幾年前就已經開始的程序化交易，它是把交易過程中運用到的交易方法，用計算機語言編成計算機軟體程序，實現機器選股，自動下單買賣等行為。通過計算機程序可以省去一些人力成本（人力分析慢，畢竟現在市場上已經4000多隻股票，未來會更多），同時也省去了一些交易員不必要的盯盤時間，也一定程度規避情緒心理因素影響。

廣義的角度講量化交易就是我們交易者在交易過程中運用的系統化交易。根據一些固定的交易模型進行交易的系統化的方法，系統化交易是股票交易盈利的前提條件。比如基本面的價值投資法，把很多財務數據和指標進行數量化的梳理成固定的模型，這屬於基本面量化；人們包括利用技術分析理論編成的各種指標，選股條件等，屬於技術面量化；

另外量化交易又根據交易的形式分為：演算法交易（也就是高頻交易，主要用於搶單），套利交易（期貨品種的跨期套利和跨品種套利），根據現有的各種技術分析理論編成的實現全自動交易的計算機程序等等。

量化交易不是盈利的保證，它必須建立在一定的成功概率的模型基礎上才能應用的實戰交易中。我們都知道賭場盈利的根本其實就是比玩家盈利的概率高1%而已，這高出的1%盈利概率保證了賭場久賭必贏。所以量化交易其實追求的就是比市場上大多數人盈利的概率高出1%即可。但是這1%不是普通投資者可以做到的。需要大量的實戰總結和復盤總結，最終形成所謂量化交易模型。

最後提醒投資者注意：量化交易模型主要來源於以下兩種模式：

1、數據挖掘，從 歷史 數據中找到在以往 歷史 中盈利概率大的模型，這種模型一般為黑箱模型，黑箱就是你只能看到結果，不知道其中的邏輯，比如現在流行的機器學習模型，就是典型的黑箱模型。它的缺點非常明顯，就是你不清楚盈利原理，未來是否還能繼續出現符合上述模型的情況的概率有多少，也就是說，這種模型， 歷史 業績非常好，但是未來能否盈利非常的不確定。

2、來源於主觀交易者的盈利模型，根據盈利的主觀交易者的系統化的交易方法，用計算機語言編成的交易程序。這種交易模型有的可以量化，有的不可量化，如果可以量化的部分較多，而且量化後回測 歷史 數據盈利概率較高的話，那麼很大概率就是可以用於實盤 。可惜這種模型鳳毛麟角，可遇不可求。另外一種就是少部分可以量化，多數不能量化，而能量化的部分在 歷史 回測中表現很差，主觀交易者的盈利多數可能來源於主觀判斷，此種模型占絕大多數。比如徐翔的漲停板敢死隊的打板模型，在漲停板上買入可以量化，但是如果僅僅是漲停板買入，卻不能實現盈利，盈利的更大原因在於盤手所謂的盤感，所以這些盤感的挖掘數量化，才是這類模型的關鍵。

綜上所述，量化交易僅是交易的一個小分支而已，不是盈利方法。不要迷信所謂量化交易。

其實把交易系統化才是關鍵，系統化關鍵又是盡量把主觀交易數量化客觀化。祝投資順利！

㈧ 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^_^

㈨ 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。"

㈩ 量化交易對散戶的影響

量化交易對散戶的影響是：有量化交易的參與以後，量化機構擁有更快的網速，電腦通過程序自動計算是否下單，而電腦下單更是非常快，大概是以毫秒計算，這樣一來，很多散戶可能單子還沒有下，基本上股價就已經發生比較大的變動了，這樣可能散戶在交易方面就顯得比較慢了。

總結：有量化參與，股票波動比較大，交易速度就顯得比較慢，這樣可能就更容易虧損。

對散戶的交易速度有一定的干擾。那麼量化交易是什麼呢，量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，進而交易的過程。

其實我們可以簡單的理解成通過總結一定的規律，然後設置電腦捕捉信號，當觸發條件時，電腦自動買入或賣出的一種交易方法。其本質還是將人為總結的交易模型通過電腦來執行，從而達到更專業、更冷靜、更快速、更全面的交易目的。當然，你也可以把量化交易理解成AI投資的雛形。

相對人為交易，量化交易具有以下幾個優點：

1、信息覆蓋度廣：量化交易可以掃描全市場的個股和異動，捕捉各種信號並及時進行分析和動作，比人為操作覆蓋度會更廣。

2、交易紀律性強：量化交易由於是電腦執行策略，當條件觸發時自動進行交易，所以不會受到人性中貪婪、恐懼、僥幸等心理影響，會嚴格按照紀律執行交易。

3、交易反應速度快：電腦下單由於提前設置好了各種交易條件，自然會比人來操作要快的多，能夠更早買入或更早賣出籌碼。

拓展資料:

那麼量化交易一定都是盈利的嗎，事實上並非如此，一個量化交易是否成功的核心在於策略和有效性，而電腦更多的是執行策略而已，如果策略出現了問題，交易越快虧損越大。

另外，當前國內的短線量化交易還很難做到非常全面的模擬股市交易高手的交易策略，既有技術方面的原因，也有策略團隊綜合能力的原因。 還有一點是，市場是不斷進化的，如果量化交易策略不能及時跟上市場變化，也很難持續賺錢。 所以量化交易不是說寫個程序然後就躺贏賺錢那麼簡單，否則大資金就天下無敵了，至於未來類似alpha狗戰勝李昌鎬的情況發生可能也預示著資本。