如何量化交易規則

㈠ 十大經典量化交易策略

海龜交易策略
阿爾法策略
多因子選股
雙均線策略
行業輪動
跨品種套利
指數增強
網格交易
跨期套利
高頻交易策略

拓展資料
海龜交易法是著名的公開交易系統，1983年著名的商品投機家理查德. 丹尼斯在一個交易員培訓班上推廣而聞名於世，它涵蓋了交易系統的各個方面。其法則覆蓋了交易的各個方面，並且不給交易員留下一點主觀想像決策的餘地。它具備一個完整的交易系統的所有成分。
海龜交易法的內容
一個完整的交易系統包含了成功的交易所需的每項決策：
1、市場----買賣什麼
2、頭寸規模----買賣多少
3、入市----何時買賣
4、止損----何時退出虧損的頭寸
5、離市----何時退出贏利的頭寸
6、策略----如何買賣
市場——買賣什麼
第一項決策是買賣什麼，或者本質上在何種市場進行交易。如果你只在很少的幾個市場中進行交易，你就大大減少了趕上趨勢的機會。同時，你不想在交易量太少或者趨勢不明郎的市場中進行交易。
頭寸規模——買賣多少
有關買賣多少的決策絕對是基本的，然而，通常又是被大多數交易員曲解或錯誤對待的。
買賣多少既影響多樣化，又影響資金管理。多樣化就是努力在諸多投資工具上分散風險，並且通過增加抓住成功交易的機會而增加贏利的機會。正確的多樣化要求在多種不同的投資工具上進行類似的（如果不是同樣的話）下注。資金管理實際上是關於通過不下注過多以致於在良好的趨勢到來之前就用完自己的資金來控制風險的。
買賣多少是交易中最重要的一個方面。大多數交易新手在單項交易中冒太大的風險，即使他們擁有其他方面有效的交易風格，這也大大增加了他們破產的機會。
入市——何時買賣
何時買賣的決策通常稱為入市決策。自動運行的系統產生入市信號，這些信號說明了進入市場買賣的明確的價位和市場條件。
止損——何時退出虧損的頭寸
長期來看，不會止住虧損的交易員不會取得成功。關於止虧，最重要的是在建立頭寸之前預先設定退出的點位。
離市——何時退出贏利的頭寸
許多當作完整的交易系統出售的「交易系統」並沒有明確說明贏利頭寸的離市。但是，何時退出贏利頭寸的問題對於系統的收益性是至關重要的。任何不說明贏利頭寸的離市的交易系統都不是一個完整的交易系統。
策略——如何買賣
信號一旦產生，關於執行的機械化方面的策略考慮就變得重要起來。這對於規模較大的帳戶尤其是個實際問題，因為其頭寸的進退可能會導致顯著的反向價格波動或市場影響。

㈡ 股市量化交易什麼意思

「量化交易」有兩層含義：一是狹義的，指量化交易的內容，將交易條件轉化為程序，自動下單；第二，廣義上是指系統交易方式，是一個綜合的交易系統。也就是說，根據一系列的交易條件，一個智能的輔助決策系統，將豐富的經驗與交易條件相結合，在交易過程中管理風險控制。
拓展資料：
在A股市場上，股票買賣遵循以下的交易規則：
T＋1交易方式，即當天買入的股票，需要下一個交易日賣出。
買入最小單位為1手，即100股，且必須每次買入的數量必須是100股的整數倍，賣出可以不整100股賣出，但是不足100股的部分，必須一次性賣出。
遵循「時間優先，價格優先」的原則，即較高買進申報優先滿足於較低買進申報，較低賣出申報優先滿足於較高賣出申報；同價位申報，先申報者優先滿足。
除此之外，在a股市場上，投資者只能進行做多操作，不能進行做空操作；其委託交易時，其委託價格必須在個股的當天漲跌幅限制內，否則無效；委託單在當日的交易時間內有效，收盤之後，其委託單無效。
漲跌幅限制：
新股上市及重組成功上市股票首日無漲跌幅限制，一般情況下漲跌幅限制為前一交易日收市價上下10%，即一個交易日最大振幅為20%。
ST股票及＊ST股票漲跌幅限制為前一交易日收市價上下5%，即一個交易日最大振幅為10%。股票漲（跌）幅價格＝股票前一日收盤價格×10%（或5%）。
權證漲跌幅限制權證漲（跌）幅價格＝標的證券前日漲（跌）幅價格×125%×行權比例。
具體交易時間規定：
每周一至周五，每天上午9:30至11:30，下午1:00至3:00，法定假期除外。
集合競價：上午9:15——9:25，其中9:15——9:20可以撤單，9:20——9:25不能撤單，9:25以成交量最大的價格為開盤價。
連續競價：上午9:30——11:30，下午1:00——3:00
成交順序：
價格優先——較高價格買進申報優先於較低價格買進申報，較低價格賣出申報優先於較高價格賣出申報；
時間優先——買賣方向、價格相同的，先申報者優先於後申報者。先後順序按交易主機接受申報的時間確定。

㈢ 在股市中，量化交易是怎樣的

量化交易是通過構建因素和選擇市場上的歷史數據「超額收入」以賺錢為目標的交易策略。離不開最新數學和計算機理論的支持。若應用於股市，一般包括量化選股和量化選時兩點。股票選擇模型主要包括：多因素模型、風格輪換模型、行業輪換模型、資本流動模型、動量反轉模型、一致預期模型、趨勢跟蹤模型和晶元股票選擇模型。

但它最終輸給了人，輸給了市場定量交易是程序訂單，只要觸發交易條件，就會瘋狂地繼續購買（或銷售），導致單邊趨勢。一旦交易訂單交易完成，股價日趨勢基本突破，技術學校基本無助，只能看，沒有辦法！從長遠來看，短期散戶投資者基本上將被清理干凈。因為它不能生存！因此，定量影響的是市場生態鏈：沒有熱錢，熱錢不活躍，短期機會較少。短期機會較少，散戶投資者不能生活，將逐漸退出股市。

㈣ 量化交易主要有哪些經典的策略

交易策略，量化策略，主觀策略，常見策略。

交易策略：一個完整的交易策略一般包括交易標的的選擇，進出場時機的選擇，倉位和資金管理等幾個方面。按照人的主觀決斷和計算機演算法執行在策略各方面的決策中的參與程度的不同，可以將交易策略分為主觀策略和量化策略。

主觀策略：主觀策略主要依靠投資者的主觀判斷，期貨市場的投資者通過對產業上中下游、供需、宏觀經濟預期等的調查做出自己的判斷。類似股票市場的主觀投資者通過深入研究行業的各個方面，調查行業內的上市公司，形成交易決策。

量化交易注意事項

在量化交易中，交易規則、參數和回測都要依靠歷史數據計算獲得。我們無法判斷這些從歷史數據中獲得的規律能否在未來的市場中持續有效，所構建的交易模型也無法判斷能否應用。

簡單的量化因子和策略更容易讓人理解和接受，但越是簡單的策略越容易被人們知悉，量化交易所獲得的超額收益也越低。

㈤ 什麼是量化投資如何做到程序化交易

所謂量化投資是將投資環節標准化的交易方式，主要包括選股、買入、賣出三個環節，而真正的量化投資是完全自動化交易，不需要人為參與，投資者只要監管程序是否正常運行，參數設置是否合理，指標選擇是否在既定目標范圍內。

量化投資的形成過程十分簡單，就是一個想法，通過程序化語言變成現實，比如低市盈率投資，當市盈率低於5倍時買入，高於10倍時賣出，具體步驟如下：
首先確定自己的投資理念，是價值投資或是趨勢投資，如果是價值投資，你要通過什麼指標來確定這個價值是高還是低，同樣趨勢投資也要找到判斷趨勢的指標，不管是技術的還是財務的，都要是明確的指標，可以量化的。
其次還要有配套的交易策略，交易策略是根據投資理念的再細化的過程，包括買賣的時機，買賣的數量，倉位的安排等。市場上主要的量化策略有：多因子選股策略、相對價值對沖策略、網格交易策略、事件驅動策略、指數增強策略、日內回轉交易策略、行業輪動策略、趨勢投資策略以及多策略等。
在確定了指標和數量之後，再進行量化建模，將以上過程變成機器語言，也就是程序化，比如趨勢投資確定KDJ日線金叉買入，死叉賣出，數量為總資產的10%，就可以通過這些條件寫進程序。
最後，對編好的程序進行驗證修改，量化交易軟體有文華財經、蝸牛股票量化分析軟體、方正證券量化交易平台等。
因此量化交易的門檻也是很高的，因為具備編程的能力投資者就寥寥無幾，何況其核心並不在編程，而是對投資的理解，如何取捨相關指標，將其組合成新，打磨成無鋒的重劍。
量化交易的優勢是不言而喻的：自動程序化，不受情緒干擾；劣勢也是明顯的：無法做到靈活變通，因此現實投資中可以綜合運用，在選股環節可以一半藉助系統，在交易環節可以完全交給機器，投資人可以真正從盤面中解脫出來，專注於投資的本職工作：選擇、研究、思考。
對於普通投資者來說，可以不懂編程，確定標准通過系統選股，然後只需要確定買入賣出的明確指標即可，最後盤後跟蹤行情，盤前委託交易，到達則下單，不到不動。

㈥ 散戶如何做量化交易

定量投資是標准化投資環節的交易方式，主要包括選股、購買、銷售三個環節.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。

一、散戶是怎麼量化交易的？
1、根據股票的歷史數據，進行多因子股票選擇.例如，將股價收益率、股價收益率、市場收益率等作為股票選擇基準，選擇價值被低估或處於合理地區的股票.
2、順勢交易，以上升趨勢購買，以下降趨勢銷售.
3、進行合理的倉庫管理，即採用漏斗型倉庫管理法、矩形倉庫管理法、金字塔形倉庫管理法等，應對股票後期風險.
4、根據股票的歷史趨勢，尋找股票的支持位置和壓力位置，以此為止損、止損點，在壓力位置，獲得收益時立即銷售的支持位置，股票損失時立即銷售股票，避免更大的損失.

二、散戶如何做量化交易
確保管理公司所有的活動遵守法規規定，確保對付給基金管理公司的費用和付給投資者的收益計算符合法規和契約規定負責.同時，受託委員會負貴監督和核查託管人是否合法、合規、高效地進行基金資產凈值核算、報酬的計提和支付、資金的劃付，以及收益的分配等.委員會還應有權審查管理公司及託管機構高級人員個人賬戶及證券交易的詳細內容.並定期對交易、資產凈值、服務合同進行審查，定期向監管部門提交相關報告。

三、量化交易系統的出現能夠解決什麼問題？
1.減少客觀因素(情緒化交易)帶來的影響，從而達到穩定持續盈利目的。
2.有嚴格風險控制機制，可杜絕過量交易、重倉交易、大幅虧損等問題。
3 解放操盤時間，降低重復工作帶來的時間消耗，從而達到提高效率目的。

㈦ 關於量化交易，這些入門知識你需要了解

這篇文章將向你介紹量化交易系統的一些基本概念。本文主要面向兩類讀者，第一類是正在努力尋找一份量化交易員工作的求職者，第二類是期望嘗試開啟自己量化交易事業的個人投資者。關於量化交易，這些入門知識你需要了解。
量化交易是數量金融學一個極其艱深復雜的領域。若要通過面試或構造你自己的交易策略，就需要你投入時間學習一些必備知識。
量化交易系統包括四個主要部分：
策略識別：搜索策略、挖掘優勢、確定交易頻率。
回溯測試：獲取數據、分析策略性能、剔除偏差。
交割系統：連接經紀商、使交易自動化、使交易成本最小化。
風險管理：最優資本配置、最優賭注或凱利准則、交易心理學。
我們首先來談談如何識別一個交易策略。
策略識別
所有量化交易流程都肇始於一個初期研究。這個研究流程包括搜索一個策略、檢驗它是否適合你可能正在運作的策略組合、獲取任何測試策略時所需數據、努力優化策略使其預期年化預期收益更高且(或)風險更低。如果你是一個「散戶」交易員，一定要清楚自己的資金是否充足，以及交易成本對策略的影響。
通過各種公開數據搜索可盈利的策略實際上十分簡單，並沒有大家想的那麼難。研究學者會定期發表理論交易結果(雖然大多為交易成本總額)。一些數量金融學主題博文也會詳細討論策略。交易期刊還會簡報一下基金管理公司使用的一些策略。
你可能會問，個人與公司怎麼可能願談他們的可盈利策略，特別是當他們知道，如果其他人「復制相同的策略」，長期而言它終將失效。
原因就在於，他們通常不會透露具體的參數以及他們所使用的調參方法，而這些優化技能才是把一個表現平庸的策略調成一個回報豐厚的策略所需的關鍵技術。實際上，若要創建你自己的、獨一無二的策略，一個最好的法子就是尋找相似的方法，爾後執行你自己的優化程序。
你所看到的很多策略都可歸入均值回歸交易策略、趨勢跟隨或動量交易策略兩類。
均值回歸策略試圖利用這么一個事實：「價格序列」(如兩個關聯資產的價差)存在一個長期均值，價格對均值的短期偏離終將回歸。
動量交易策略則試圖「搭上市場趨勢的順風車」，利用投資心理和大基金結構信息在一個方向積聚動量，跟隨趨勢直至回歸。
定量交易還有一個重要方面，即交易策略的頻率。低頻交易(Low Frequency Trading， LFT)通常指持有資產超過一個交易日的策略。相應地，高頻交易(High Frequency Trading， HFT)通常指持有資產一個交易日的策略。
超高頻交易(Ultra-High Frequency Trading， UHFT)指持有資產的時常達秒級與毫秒級的策略。雖然散戶可以進行HFT與UHFT交易，但也只是在你掌握了交易「技術棧」與訂單簿動力學的詳細知識後才有可能。本篇入門文章，我們不會對這些問題做任何深入探討。
策略或策略集合一旦確定，現在就需要在歷史數據上測試其盈利能力，這就進入了回溯測試的工作范圍。
回溯測試
回溯測試的目標是提供證據，佐以證明通過以上流程所確定的策略，無論是應用於歷史(訓練)數據還是測試數據均可盈利。它可以反映該策略未來在「真實世界」中的預期表現。
由於種種原因，回溯測試不能保證一定成功。這或許就是量化交易最為微妙之處，由於它包含了大量的偏差，我們必須盡盡力仔細審查並剔除它們。
我們將討論幾種常見類型的偏差，包括先窺偏差、倖存者偏差與優化偏差(亦稱「數據窺視偏差」)。回溯測試中其他幾個重要方面，包括歷史數據的可用性與清潔度、真實交易成本及可靠回測平台上的決定。我們會在後續「交割系統」一節深入討論交易成本。
策略一旦確定，我們就需要獲取歷史數據，並藉此展開測試，如有可能還可改進策略。現在賣數據的很多，所有資產類型的數據都有。通常，數據的質量、深度、時間間隔不同，其價格也不同。
剛入門的量化交易員(至少零售等級)最初使用雅虎金融板塊(Yahoo Finance)的免費數據就行。對於數據供應商，這里不再贅言。我想重點談一談處理歷史數據時，時常遇到的問題。
對於歷史數據，人們主要關心的問題，包括數據精度或清潔度、倖存者偏差、應對如分發紅利、拆分股票等公司行為的調整。
精度與數據整體質量有關，無論數據是否包含錯誤。有時錯誤容易識別，比如使用一個窄帶濾波器，就可以找出時間序列數據中的「窄帶」並更正它們。其他時候，錯誤又很難甄別，經常需要根據多個數據供應商提供的數據進行對比檢查。
倖存者偏差通常是免費數據集或廉價數據集的一個」特徵「。對於一個帶有倖存者偏差的數據集，它不包含已經不再交易的資產數據。不再交易的證券，則表示已經退市或破產公司的股票。如果數據集中含有此類偏差，策略在此數據集上的測試表現可能比在」真實世界「里表現的更好，畢竟歷史」贏家「已經被預先篩選出來，作為訓練數據使用。
公司行為即公司開展的常引發原始價格階梯形變化的」邏輯「活動，它不應該計入價格預期年化預期收益。公司分發紅利和拆分股票行為是引發調整的兩個常見行為，二者無論發生哪一種，都需要進行一個」回調「的流程。我們一定要留心，不要把股票拆分和真實預期年化預期收益調整混為一談。許多交易員在處理公司行為時都碰過壁！
為了開展回溯測試，我們必須使用一個軟體平台。你可以選擇一個專門的回測軟體如MultiCharts，一個數值平台如Excel或MATLAB，或者一個用Python或C++完全自主實現的平台。對於MultiCharts(或類似平台)，個人是比較介紹，對於編程的要求比較低。
在做系統回測時，一定要量化表示系統性能。定量策略的「業界標准」度量為最大資金回挫與夏普比率。最大資金回挫表示一段時間(通常一年)內賬戶資金曲線從波峰至波谷的最大跌幅，常使用百分比表示。
由於大量的統計因素，LFT策略比HFT策略的資金回挫更高。歷史回測會顯示過去的最大資金回挫，它能夠較為貼切地反映策略的未來資金回挫情況。第二個度量指標是夏普比率，它被啟發式地定義為「超額預期年化預期收益均值與超額預期年化預期收益標准差的比值」。
這里，超額預期年化預期收益表示策略預期年化預期收益超出某個預定基準，如標普500或三月期短期國債(預期年化預期收益)的額度。注意人們通常不使用歷史預期年化預期收益指標，因為它忽略了策略波動性的影響，而夏普比率卻考慮到了這一點。
如果經過回測，策略的夏普比率很高且其最大資金回挫已經最小化，則可以認為它趨於無偏，下一步就是要搭建一個交割系統。
交割系統
交割系統是一個方法集合，由它來控制交易策略生成的交易列表的發送和經紀商的交割行為。事實上，交易可以半自動、甚至全自動生成，而執行機制可以手動、半自動(即「點擊一次交割一項」)或者全自動。
盡管如此，對於LFT策略，手動和半自動技術卻比較常見；對於HFT策略，則必須創建一個全自動交割機制，由於策略和技術彼此依賴，還要經常與交易指令生成器緊密相接。
在搭建交割系統時，我們需要考慮幾個關鍵因素：連接經紀商的介面、交易成本(包括傭金、滑動價差與價差)最小化、實時系統與回測時系統性能的差異。
聯系經紀人的方法有很多，你可以直接電話聯系他，也可以通過一個全自動高性能的應用程序介面(API)實現。理想情況，就是希望交割交易的自動化程度盡可能高。這樣一來，你不僅可以脫開身集中精力進行深入研究，還能運行多個策略、甚至HFT策略(實際上，如果沒有自動化交割，HFT根本不可能)。
前面說過的幾種常用回溯測試軟體如MATLAB、Excel和MultiCharts，對於LFT策略或簡單策略都是不錯的選擇。但是，如果要做真正的HFT，你就必須要構造一個用高性能語言(如C++)編寫的內部交割系統。
說個我的親身經歷，以前受聘於一家基金管理公司，我們有一個十分鍾的「交易周期」，每隔十分鍾下載一次新的市場數據，然後根據這十分鍾的信息進行交割。這里用的是一個優化的Python腳本。對於任何處理分鍾級或秒級頻率數據的工作，我相信C/C++更理想。
在一家大型的基金管理公司，交割系統的優化通常不在量化交易員的工作范圍。但是，在小點的公司或高頻交易公司，交易員就是交割人，所以技術面越廣越好。你要想進一家基金管理公司，一定要記住這一點。你的編程能力不說比你的統計學和計量經濟學稟賦更重要，至少也同樣重要！
另外一個屬於交割系統的重要問題是交易成本最小化。一般地，交易成本由三部分構成：傭金(或稅收)、損耗與價差。傭金是向經紀商、交易所和證券交易委員會(或類似政府監管機構)支付的費用；滑動價差是你的預期交割價位與真實交割價位的差值；價差則是待交易證券的賣出價與買入價之差。注意價差不是常數，它依賴於市場當前流動性(即買單和賣單數量)。
交易成本是決定一個策略是高夏普比率且盈利豐厚，還是低夏普比率且極不盈利的關鍵。根據回溯測試正確預測未來的交易成本很具有挑戰性，你需要根據策略頻率，及時獲取帶有賣出價與買入價信息的歷史交易數據。
為此，大型基金管理公司量化交易的整個團隊都專注於交割優化。當基金管理公司需要拋售大量交易時(原因五花八門)，如果向市場「傾瀉」大批股票，會迅速壓低價格，可能都來不及以最優價格交割。
因此，縱使遭受損耗風險，基金管理公式也會選擇使用演算法交易，通過「打點滴」的方式向市場出單。此外，其他策略如若「捕到」這些必要性條件，也能利用市場失效(獲利)。這是基金結構性套利的內容。
交割系統最後一個主要問題關繫到策略的實時性能與回測性能的差異。這種差異由多種因素造成，比如我們在「回溯測試」一節已經深入討論過的前窺偏差與最優化偏差。
然而，對於有些策略，在部署之前不易測得這些偏差。這種情況對於HFT最為常見。交割系統和交易策略本身均可能存在程序錯誤，回溯測試時沒有顯現卻在實時交易時出來搗亂。市場可能受到繼交易策略部署後的一場政變的影響，而新的監管環境、投資者情緒與宏觀經濟形勢的變化也均可能導致現實市場表現與回溯測試表現的差異，從而造成策略盈利性上的分歧。
風險管理
量化交易迷宮的最後一塊是風險管理程序。風險包含我們之前談論的所有偏差。它包括技術風險，比如所有在交易所的伺服器突然發生硬碟故障。它還包括經紀風險，如經紀商破產(此說並非危言聳聽，引發恐慌的明富環球就是一個例子)。
總而言之，它覆蓋了幾乎所有可能幹擾到交易實現的因素，而其來源各不相同。已經有成套的書籍介紹量化交易策略的風險管理，本人也就不再對所有可能的風險來源做詳細說明。
風險管理還包括投資組合理論的一個分支，即所謂的「最優資本配置」，涉及到如何將資本分配給一組策略、如何將資本分配給策略內不同交易的方法。這是一個復雜的領域，依賴於一些高級數學知識。
最優資本配置與投資策略杠桿通過一個名為凱利准則的業界標准建立聯系。本文是一篇入門文章，我在此不詳談其計算。凱利准則對策略預期年化預期收益的統計性質做過一些假設，但是它們在金融市場中並不一定成立，交易員因此在實現時通常會有所保留。
風險管理的另外一個關鍵成分涉及到交易員自身心理因素的處理。盡管大家都承認，演算法交易若無人為干涉，不太容易出現問題。交易員在交易時，稍不留神仍然可能會摻入許多認知偏差。
一個常見的偏差是厭惡規避，當人發現損失已成定局，其所帶來的痛苦，可能會麻痹人的行為，不能做到及時拋盤止損。類似地，由於太過憂心已經到手的預期年化預期收益可能賠掉，人們可能也會過早拋盤收利。
另外一個常見的偏差是所謂的偏好偏差：交易員太看重事件而非長遠地看問題。此外，當然不能落下「恐懼與貪婪」這對經典的情緒偏差。這兩種偏差常導致杠桿不足或杠桿過度，造成爆倉(賬戶資產凈值近乎為零或更糟)或盈利縮水的局面。
總結
由此觀之，量化交易是數量金融學中一個雖趣味十足但極其復雜的領域。我對這個話題的討論淺嘗輒止，文章就已經這么長了！我在文中三言兩句帶過的問題，已經有大量的相關書籍和論文出版。
因此，在你申請量化基金交易職位前，務必要進行大量的基礎調研，至少應當具有統計學和計量經濟學的廣泛背景，以及使用MultiCharts、MATLAB、Python或者R程序語言實現的豐富經驗。如果應對的是更加復雜的高頻端策略，你的技能組合可能還要包含Linux內核修改、C/C++、匯編編程和網路延遲優化。