为什么进入量化交易这么难

A. A股市场里的量化交易分析难吗

这种量化交易分析太难了，因为不能日内交易，而且信息公开得不充分。

B. 如何系统地学习量化交易

，量化交易中策略逻辑和IT实现基本算是两个独立的方向。做策略我觉有TB和matlab就基本足够了，实现的话c++比较好。当然要看自身的知识背景和技术水平。

我的理解其实做量化交易很难有一个所谓的系统学习的过程，量化只是手段，交易的逻辑是多元化的，你可以通过形态描述、追踪市场不合理价差等手段切入，也可以把天体物理、小波分析、神经网络等复杂模型应用其中，你可以做的是K线结构上的策略，也可以做日线或每500毫秒数据进行决策的策略。

所有的一切目的就是为了获利，所谓量化和程序化只是实现这一目的的手段。

你可以通过各种手段了解做量化时注意的细节，比如如何避免使用未来函数、如何理解每一条数据的意义、测试与实盘之间的差异、不同测试软件的优缺点等等。但你没法去“学习”量化交易，因为不会有人把自己真正赚钱的东西拿出来，如何赚钱必须自己去挖掘。

炒股需要经常总结，实践，长时间积累的过程。是一个漫长的心理斗争和实践的过程。为了提升自身炒股经验，新手前期可以私募风云网那个直播平台去学习一下股票知识、操作技巧，对在今后股市中的赢利有一定的帮助。
希望可以帮助到你，祝投资愉快！

C. 揭开“量化交易”的神秘面纱

量化交易（ quantitative  trading  ）是金融术语，即以数学模型代替人为主观判断，以计算机程序从还想历史数据中筛选出多种“大概率事件”并总结出规律，从而制定相应的投资策略。有了量化交易策略，就较容易减少投资者情绪波动的影响，避免在市场狂热或悲观的情况下做出非理性的投资决策。

在量化交易出现之前，股票和证券市场的投资操作都是人工完成的。着名的股神巴菲特，他的故事投资秘诀就是价值投资，即通过大量研读财报选出优质的公司，并长期持有。价值投资利润固然高明，但知易行难，绝大多数的投资者并没有耐心和毅力去逐一研读每家企业的资料，分析基本面，等等。以美股为例，14000+家公司，每份财报都有好几百页，怎么看得完。更何况，很多机构和投资者都是炒短线的，根本没时间按价值投资的思路去做资料分析。

在此背景下，很多金融创新就应运而生了。比如金融学上有一个很着名的交易策略叫动量交易（momentum trading），即股票价格向上突破到某个比例时买入，下跌某比例时卖出。这个原则说起来容易，人工操作就很困难。而有了计算机之后，交易员只需要输入具体明确的交易策略的指令，剩下的具体操作就可以由电脑自动完成了，非常轻松。

20世纪70年代，随着计算机算力的突飞猛进，金融数据的大数据分析变得简单易行，接着一大批划时代的金融理论诞生了，比如投资组合理论、资产定价理论、期权定价理论，都是在这一时期出现的，这些理论为挖掘金融数据提供了理论基础。另一方面，市场上需要管理的钱越来越多，证券的种类也越来越多。计算能力、金融理论基础、市场需求，这三个条件在一个时代同时实现，量化交易也就应运而生了。

率先使用量化交易技术的是投资银行们。他们利用计算机技术在海量的数据里面挖掘信息，设计很多很复杂的金融产品，放大杠杆，获取着令人难以置信的高额利润。由于计算机技术的大面积应用，很多IT天才云集华尔街，他们大都是穿着T恤和牛仔裤不修边幅的宅男，与西装革履的传统银行家形成了鲜明的对比。2006年，来自摩根史丹利，高盛，德意志银行等投行的顶级“宽客”（Quants，量化交易专家）平均年收入是5.7亿美金，年龄最小的才30岁左右。

经过投行们的推波助澜之后，量化交易在金融市场上占据着相当大的份额。目前的美股市场上，量化交易大概占到60%的比重。

量化交易的核心竞争力就是对海量数据进行分析计算，进而提炼出一定的规律，并据此作出预测。比如，对于某一只农业概念股，除了常规的坎财务数据、历史产量，还可以利用卫星数据来分析天气，然后把农产品的历史产量和其它先关数据全都难过来，进过整合分析之后预测这产品的未来产量，进而对该只农业股的股价进行预测。在市场平稳发展、规律性较强的情况下，只要精确地捕捉到这些规律，投入一些本金，并加上一定的杠杆，就可以实现很高比例的盈利，可谓是一本万利，这也是前文提到很多量化交易的IT专家能够获取天量收入的秘诀。

这个原理听起来确实很诱人，然而却不是容易做到的。毕竟从海量繁杂的数据中持续捕捉规律，并作出准确预测，是非常复杂和烧脑的劳动，费一般人力所能及。因此，大多数投行都是到MIT（麻省理工学院）、普林斯顿等最牛的高校里挖最牛的人才来组建团队。这些精英们也经常自诩，他们是用模拟天体运行规律的方式来解读金融世界。简言之，这是智商密集型的精英领域，非一般人可以涉足。

然而，经济世界和金融领域的运行状况，跟天文物理、化学生物等稳态结构领域的规律是大相径庭的，没有必然和连续的规律 。量化交易确实厉害，但却非稳赚不赔的必杀神技。实际上，量化交易的风险非常大。关键在于，量化交易的本质是基于历史数据挖掘规律，因此它依赖于过去的趋势。而如果这些趋势依存的条件发生变化，趋势也就不复存在。进而，基于这些趋势所做的投资策略，也就面临着失败的厄运。

最着名的案例就是着名的投行“所罗门兄弟”，它里面有一个叫梅瑟维夫的天才，自己组建了着名的量化基金“长期资本管理公司”。在1998年之前，这家公司的业绩非常好，年化收益达到32%，在同行之中一骑绝尘。但是经过俄罗斯卢布崩盘的黑天鹅事件之后，一切灰飞烟灭。

1998年俄罗斯卢布大幅贬值，市场上到处抛售俄罗斯债券。长期资本管理公司根据自己设定的量化模型，不但不抛售，反而激进地抄底，想着等市场反弹之后大赚一笔。然而1998年8月17日，俄罗斯政府发表声明不再偿还任何债务。卢布应声而落，长期资本管理公司爆仓，一天就亏掉几亿美金，在一个月之后，这家天才云集的公司就破产清盘了。

量化交易把金融市场当作稳态结构，以为一切皆有序可循。然而，金融市场不是天体世界，它归根到底是人的市场。人性的贪婪、恐惧、欲望都会随着市场情况的变化而变化。因此它是一个规律和任性相互作用的动态过程，没有一成不变的规律，也没有料事如神的预测模型。用李善友教授近两年广为人知的说法，叫“ 不连续性 ”。

当今的量化交易已经回归到了一个正常状态：一方面，认识到量化交易在数据挖掘和科学决策方面的优势，但是另外一方面，人们也认识到量化交易是有局限的，尤其是应对这种突如其来的规律变化的时候，这种纯量化交易可能会面临更大的风险。

作为全球重要的金融市场之一，中国也有一定规模的量化交易的，但仍处于萌芽的发展状态。炒过股票的同学都知道，中国股市虽然长期收益率不错，但仍总体而言仍是“消息市”、“题材市”、“概念市”，一旦政策或者环境有点风吹草动，中国市场的变动是非常非常频繁的，而且波动的幅度特别大。在市场起伏很大、无规律性非常明显的情况下，量化交易策略就难以凑效，更遑论赚取暴利。

2013年中国有一个光大“乌龙指”事件，就跟量化交易有密切的关系。当时是光大证券的交易员不小心输错了一个数字，下了一个70亿的天量买单，瞬间拉动股价大涨，进而触发了很多量化交易程序的自动执行条件，很快导致300多亿的资金涌入场内，几分钟之内上证指数就拉升了100多点，59支权重股瞬间涨停。很多不明就里的散户盲目跟进，结果损失惨重。事后很多人除了控诉光大证券，也指责采用量化交易的机构，因为量化交易数倍放大了“乌龙指”效应，明显影响了整个股市，进而间接促成他们的跟进损失。

在2013-2014期间，有些量化交易机构收益不错，但经过2015年股灾之后，整个A股市场的情绪和资金面都发生了巨大的变化，过去行之有效的策略通通报废，以量化交易为核心的私募基金倒掉了300多家。

因此，量化交易在中国市场的成长壮大，路漫漫其修远兮。我们普通人，还是老老实实学巴菲特，踏踏实实研读财报，搞价值投资吧^_^

D. 量化交易的四大技术痛点都是什么

要看你是量化交易的开发者，还是量化交易的使用者。

一，对于量化交易的开发者，

1，程序的开发能力，编程能力

2，没有完善的交易系统

3，懂程序的人不懂交易，懂交易的人又不懂编程，如果两人合作开发，因为怕技术外泄的原因，双方都有所保留，以致合作难以达到好的境界，

4，完整的数据，量化交易的程序开发，有赖于 历史 数据的测试，可市场里不是每一种品种都有足够的数据可以提供来测试，例如新上市的股票或者期货合约，

二，对于量化交易的使用者

1，大多使用者都是用别人开发的成果，导致没有足够的信任和信心，赚钱还好，亏钱就难以坚持

2，量化交易程序化交易往往都依赖于很多数据参数，使用者很难把握好参数的设置

3，不同的级别会有不同的效果，使用者很难选择最佳级别

4，市场的参与主体不断在发生演变进化，导致市场也跟随着演变，固化的量化交易程序，不一定能适应不断向前走的市场

以上希望能够帮到你

痛点1：好的量化交易投研工具

目前市场上好的量化交易平台不多，大多数只是作为投研学习用得平台，真正能保证 安全和实盘的真心不多，现国内高端的量化交易平台能够实现高质量的清洗数据、策略开发、回测、仿真以及能够实盘仅有少数。

痛点2：基于 历史 数据回测

由于量化策略是基于 历史 数据分析的，基础的量化模型在设计之初都是经过至少三年以上的 历史 走势追溯，即构建量化模型的投资周期都是长线的。量化因子的互相作用及平衡也是基于长期的，短期市场的波动尽管会对量化因子产生影响，但短期影响并不会在长期投资中产生决定性因素。一旦当前市场表现和过去出现较大差别，那么，基金业绩表现肯定就会不好。

痛点3：策略同质化现象严重

当前的公募市场上，很难见到精妙的、具有独特竞争力的量化策略，不少策略趋同，大量相似量化策略的登堂入室，让其收益回归平均甚至难以达到平均水平。

一些基金为了避免出现持仓过于集中在中小创的情况，它们会把大盘股强制配进去，做成一个中性策略，该做法可有效降低单一风险，使得在风格切换中，避免净值大幅回撤，但代价当然也是整体预期收益降低，比如在中小创风口来临时，采用这种方法的基金业绩就会逊色很多。

当然，在策略贫乏的市场环境中也有量化基金守正出奇，闯出了一片新天地，上投摩根阿尔法就是典型代表。在今年风格骤变的行情中，该基金以近 19% 的收益率领跑主动型量化基金，其秘诀就在于：采用了哑铃式投资技术，同步以 " 成长 " 与 " 价值 " 双重量化指标进行股票选择。这样一来，就克服了单一风格投资所带来的局限性。

哑铃式投资技术 ( Barbell Approach ) 是目前国际市场上较为成熟的一种投资方法，其基本操作思想在于同时投资于两类风格差异较大的产品，构建的投资组合具有两种产品的某些优点，同时能够回避某些市场波动带来的损失。

当前，不少基金公司已经意识到，变则通，不少机构正在动态调整量化策略。拓展策略的延展性、修改量化因子等，已经成为不少量化产品的选择。

痛点4：受策略局限性的制约

目前，市场上的公募量化基金普遍采用的是阿尔法策略，有效的套利、做空等多策略都不能灵活运用，这导致量化基金策略偏向于做多。而私募量化基金，因其策略的多样性，使其更容易适应市场变化。

此前，股指期货 " 松绑 " 所传递出的信号，从中长期看，对量化基金来说绝对是利好。而随着资本市场未来上市更多的金融衍生品，将有效解决股市单边市的问题，量化策略可配置的品种也将越来越丰富，届时量化投资或将大有可为。

作为市场相对成熟的美国，导致近期量化策略，尤其是 CTA 策略 " 失效 " 的主因究竟又是什么？对冲基金 Quest Partners LLC 的联合创始人兼首席投资官 Nigol Koulajian 给出了答案。他表示：" 已经适应了这个市场环境的 CTA 在越来越倾向于长期交易，它们的持仓规模在增大，并且很多投资者运用的是同样的策略，一旦出现趋势逆转，对市场的影响将是巨大的。"

E. 量化投资好做吗，这份工作有多难

量化投资在前些年应该就有公募基金在研究，但一直不瘟不火，也没多少产品推出来，直到2014年后才逐渐火起来，量化投资大致经历了下面几个阶段：1、2010年推出股指期货之前，量化投资体现不出优势，研究的人应该很少。2、2010年--2013年，大盘处于熊市阶段，也没出现多少套利机会，而且这个时候关注资本市场的人也不多，都觉得炒股是败家（上非诚勿扰那个炒股的直接24盏灯全灭）。但因为有了对冲手段，一小部分先知先觉的机构开始研究量化投资，在期现套利、股票阿尔法套利等方面应该也赚到些钱。3、2014年--2015年9月，大盘经历暴涨暴跌，中间出现过分级基金套利、可转债套利、ETF套利、期现套利等一大波的套利机会，然后在大盘暴跌的时候有一部分量化对冲基金经受住了回撤的考验。量化投资在这一阶段得到快速的发展。4、2015年9月--现在，因为股指期货提高保证金、贴水、当日开仓手数受限等原因，相当部分的量化对冲基金处于停滞状态。总的来说，国内的量化投资整体还处于起步阶段，不像国外那样成熟。但好在国内的资本市场没有完全放开，而且期指、期权等对冲手段也不够成熟，很多品种还是T+1交易，即便国外对冲基金进来也需要修改策略来适应国内的资本市场，所以国内的量化投资者们还是有很多投资机会的，且行且珍惜。

F. 量化交易的流程是什么

其实，如果你的知识经验结构还不足以支持你进行专业的量化模型研究，大可不必熬更守夜攻读python、MATLAB ，以至于你到最后成为了一个半调子的程序员，转过头你才会发现量化策略模型研究并不是
你想的那么简单，太量的主观情绪、主观思维代入你的代码，你觉得你这还是量化吗？伪量化是经不起实战检验的，漏洞与错误百出。
因此，给广大量化爱好者，由其是希望借助量化策略投资的职业投资者一个建议，市面上已经出现了一些专门为散户和职业投资者打造的量化平台，
不需要写代码、不需要调接口、选择模型后，一键就可以对接你的券商实盘帐户。启动完事。我现在就用起的，感兴趣的朋友，见名+V信我分享，非广告

G. 股民的策略进行量化的难度有多大

这个问题比较笼统，也笼统的回答一下：说大也大，说小也小。

量化投资的基础是数据，如果这位“股民”的策略是基于行情数据、基本面数据等数据集，那么在理论上就是一个量化策略。

做好策略的代码实现和回测之后，还可以绑定微信提醒买入卖出，这样从策略开发和实现，再到实盘交易就完成啦，所以说：说大就大，说小也小，策略是最重要的！

H. 量化交易的那些事！

最近一段时间，很多人觉得股票越来越难做了，板块加速切换，市场走势极端，一些中线趋势良好的板块个股完全无视基本面突然连续大幅杀跌。

有人说，这是因为量化交易成为了我们的对手盘，助涨杀跌。有些票涨六七个点，突然就摸涨停了，有些票跌六七个点，突然就奔跌停去了。手速、资金都拼不过，甚至按照这样的趋势，我们这些靠交易为生的散户，有可能要被机器人干掉。事实果真如此吗？

今日笔者就来给大家分享一下量化基金的那些事。

量化交易到底是怎么交易的？

交易员A兄，19至20年在国内某量化基金做交易员，基金规模最大到70亿。最开始在量化交易部，后期在人工t0部。基本上交易部的东西都清楚，国内这几家量化基金的交易模式也大同小异。

量化交易是怎么交易的呢？大部分策略是量化对冲模型。

就是买入市场上的活跃股，然后开对应金额的期指空单对冲（IF，IC，IH都有），多头金额和空单金额（期指有杠杆，实际占用金额少）基本上在1：0.8到1：1区间浮动。

赚钱逻辑就是，不管大盘涨跌，因为有对冲，只要买入的票足够强，只要能跑赢对冲指数（if，ih，ic），基金就是永远赚钱的。

也有一些纯多头策略，就是不带对冲，全买股票的，但是少一些。

量化交易的买入卖出，都是一揽子交易。每天要买入的票少的时候200只，多的时候能到4、5百只。这些票根据权重划分金额，有的票买的多，大部分票只买一点点。一般前二十只票，买入金额占到总成交金额的4成左右了。

当天开盘前，策略部的算法就会把当天的买入卖出任务做好。交易员的工作就是把当天要买的票买完（不论价格），把当天要卖的票卖完（不论价格）。考核指标就是以当天开盘价作为基准，算出平均买入成本与开盘价偏离值，以收盘价作为基准计算卖出价格偏离值，用这两个数据算绩效。

这个模式就导致，股票早上买的时候很容易打高了，因为很多公司都是这个算法，互相一抢，股价就能推上去。但没办法，交易员一般10点之前就要买完票了，越往后风险越大，因为不知道谁就突然涨停了，导致买入成本暴增，是要被谈话的。

卖出是这样的，公司所有的票有一个7%止盈单，就是只要股价冲到7%，就会卖出。而且收盘统计的时候，涨幅超过7%的票是按7%的价格计算卖出成本的，假如卖早了那就卖亏了，假设我5个点卖了，冲到8个点，收盘砸绿，算收盘价的时候还是按7%算，这个对交易员很不友好。

“19年初那波行情我们当时规模不小了，有时候单票买入金额能占到股票总成交的10%甚至更多，这时候票就很难买了，因为一买就要把价格推上去，推上去买入成本巨高，我们业绩就会很差。但是没办法，任务一定要完成的。

印象很深刻的，19年2月1日，当时有个同事买入任务里要买 300615欣天科技800多万，大家可以看一下这票前一天成交额，成交额太小了800很难买进去，买了一点点就封板了，然后炸板，我同事一直想等回落了慢慢买结果一直不回落，最后他直接集合竞价把票顶到涨停板把剩下的买入任务买完了……”

量化策略模型：联创股份的推升

由于“交易员A”兄从事于交易部门，选股条件那是策略部的事情并不清楚，而且这些量化公司都号称自己有几百上千个选股因子，每天机房电脑都在跑程序，在第二天开盘前把票选好。

不过公司的几个模型结构是知道的。当时主要有7日模型，9日模型，13日模型，还有一个两日模型。

这个N日模型的N就代表持股周期，表示买入后持有N日后卖出。有时候连续几天都有同一只票的买入任务，那么这个票就会在持仓里躺小半个月。随着模型时间到了之后，慢慢卖完。

算法部都是清华高材生，学历在那放着呢。不过再牛的策略也是人定的，再牛的量化算法也是人选的。

模型的变化（持仓时间长短）、对冲指数风险敞口的调整，以及选股因子等，策略部一直在做优化。这些变化不是说某天突然发现不行了，然后就要改了、之前的都完全放弃了，而是说每天都有在回测市场分析账户表现，然后策略部们去做细微的调整。

“为什么说这个模型的事情，今年的联创股份这种，很明显就是被量化模型推上去的。因为这票根本没有什么基本面，纯垃圾股一个，pvdf那种故事听听就算了。”

实际上就是这票被很多家量化算法选中了，有长周期的有短周期的，但是在前期都主要是买入为主，所以我们可以看到这票被锁仓了，一直往上推，当然涨的好也就有散户信了他的故事（散户也锁仓），然后到卖出的时候，这票往下按接不起来，因为大家模型时间都差不多到了。

今年好多票涨的快，涨幅大，但是调整的非常狠，跟量化模型同质化有很大的原因。

各位兄很感兴趣的T+0

由于买入模型持仓7、9、13天不等，而且都是市场上比较活跃的票。那么这些票躺着不动其实就是一种浪费，这些票可以甩给t0团队去做t，用来搞额外收益。

“我之前的工作内容，说实话很无趣，自主操作的空间很少，更像是一个人形下单机器，所以在后期公司要开展t0交易的时候我果断转岗去了t0交易部。

当时国内几家大的量化私募都已经有自己的交易团队了，我司属于介入比较晚的，老板应该是去九坤这几家参观学过，也就动了搞t0团队的想法。在成立自己T0团队之前，公司的底仓是打包给国内几家专业的t0公司去做的。”

t+0这边很简单，底仓给交易员分好，然后交易员自己拿着底仓去做日内差价，这个差价就是交易员的业绩，然后公司按比例给交易员提成就是工资。

t0交易员是没有底薪的，没有底薪没有五险一金没有社保，全靠业绩活。而且这个东西淘汰率相当高，当时新组建团队，招来了四十多个新人，最后只留下来一个。最主要的是，现在基本没有t0团队要新人的了，没公司愿意培养新人。

关于t+0还有一个事情。

很多人做创业板新股喜欢看融券余额，觉得融券量大的票会容易涨，他们说的是要打爆空头，第二天融券方要回补还券。

其实不是这样的……创业板新股上市之前就已经把这些机构的券约出去了，这些券各大t0机构从券商手里借到，当成底仓给交易员做t0交易。因为新股波动大做t0收益高，当然券息也高。但是专业的t0团队是不可能裸空的，融券量大只是券商把券借给t0团队了，人家当天就已经买回了。

量化基金收益的潜规则

其实量化赛道也很拥挤，因为交易同质化很强，大家的策略大同小异，起重要因素的其实不是选股策略而是对冲盘的风险敞口。之前说了，多头和空头的比例是在1：0.8和1：1区间浮动的，那么这里面的可操作空间其实非常大。

而具体收益率，各个产品之间的差距其实很大……

“19年初那波创投工业大麻氢能源的行情大家应该都知道，到5月份我们的头部产品收益率都干到了60%了，但是当时竟然还有一些产品是不赚钱的，真不赚钱甚至还有略亏一点的。

这个差距大的原因应该是各个产品的买入时间有差异，因为买的越早其实别的资金就在给你抬轿子（这些是我猜的没法证实）。实际上在私募拍拍网上的明星产品收益率都还不错，年化跑个二三十没问题。但是，但是，但是！后面的产品根本不能看………头部产品其实就是个广告效应吸引投资人的…等你亏钱了，老板开始心理按摩就行了，反正大部分客户啥也不懂……

我们老板就不会交易，他工作的一个主要内容就是给客户心理按摩……

前东家规模最多到70亿，当时老板是有冲击百亿规模的想法的，扩招了很多人。实际上是这些规模一部分是公司本来赚上去的净值，还有一大半是场外的人看公司业绩漂亮高位跟投的…我知道的有一个大户一个人就在我司放了20亿，做量化对冲。

最后结果是行情没了之后，好多后期进场的人是亏钱的，这些人亏了之后就会选择赎回，撤资，然后规模也会迅速变小。很快的，从20亿规模到70亿只用了半年，从70亿回到不到20亿，用了不到半年……

不过老板怎么都是赚的，行情好的时候赚业绩提成，新入场资金赚管理费……基金亏了，客户就自己赎回好了，反正老板都是血赚。”

最后

其实所有人（包括私募，公募，量化），对于市场都是靠蒙的……

能不能涨，为什么涨，能涨多少，不是一个人说了算的，因为市场这么大，根本不是一个人能够决定的。（袖珍盘庄股除外，这种就真看老庄心情………）

行情都是一阵子一阵子的，年初白酒yyds，三月碳中和yyds，5月医美yyds，789月新能源赛道yyds，最后把锅全甩到量化头上去……其实还是自己学艺不精啊……

总的来说，市场的东西都交给市场去消化，市场有市场自己的规律。yyds白酒照样能跌，赛道股照样会大幅回撤。

老师们要认真观察市场，认真学，认真提高自己的交易水平，其实是可以盈利的。

做量化的这些程序员大部分连股票都没炒过，人家写的程序也就是发现了市场规律，然后用合理的仓位，策略去做交易。连这些人都能赚钱，其实我们需要做的是客服自己的贪婪和恐惧，做一个无情的交易机器就好了。

I. 散户如何应对量化交易

量化交易是指投资者将交易策略的逻辑与参数经过电脑程序运算后，将交易策略系统化，然后通过电脑自动下单来完成交易。在量化交易过程中，散户可以这样做：

1、根据个股的历史数据，进行多因子选股，比如，把市盈率、市净率、市销率等作为选股标准，选出一些价值被低估，或者处于合理区域的个股。

2、顺势交易，即在上涨的趋势中买入，在下跌的趋势中卖出。

3、进行合理的仓位管理，即采取漏斗形仓位管理法、矩形仓位管理法、金字塔形仓位管理法等，好应对个股后期的风险。

量化交易的应对方式：为了减少量化交易的负面影响，应对量化交易的方式可以分为从被动到主动三种方式。

第一种方式：远离量化交易，躲避相应风险。

由于短线量化交易更多的是参考市场情绪，对于中长线的价值投资标的影响很小，对于大部分投资者来讲，多做中长线投资可能更容易躲避量化交易的影响。

如果您买的中长线标的也出现了量化交易的影子（参见上述的观察方法），到也不用特别慌，因为量化交易不见得都是坏事，对于底部股票有助涨作用，等到观察到股票到了一定压力位出现非理性波动可以兑现。

第二种方式：与量化共舞，适应新市场生态。

与量化共舞，就是把量化看作对手盘或友军，充分理解量化交易的特点，并争取抢在量化前面。

比如最近市场打板族会发现一个特点，股票在某个位置不断震荡，忽然就大单封涨停，造成打板买不进，这样的情况很多时候也是量化形成的。那么对于这种情况，结合板块效应、消息面、个股K线以及资金流向等，在平台震荡时尝试买入。

同样的，市场也出现涨停溢价降低，那么在竞价大幅低于预期且板块出现普遍低于预期情况，及早出局，不能太贪。

当然，如果选择了与量化共舞，风险控制手段就是必须的：

1、不能重仓赌一只股，否则遇到极端情况，稍一犹豫就会亏损很多。

2、不能太贪，不能靠想象炒股，出现不良信号要及时退出。

3、要全面研究个股基本面，从而增强个股判断逻辑和支撑，避免盘中出现个人恐慌造成误操作。

4、买入需要谨慎，对于买入点要求要提升。

以上就是对近期量化交易的简单思考，随着市场变化后续再总结提升。