怎么避免量化交易带来的冲击

㈠ 个人做量化交易需要注意的几点问题

近期，量化交易非常火爆，不少投资者开始尝试利用量化交易为自己赚钱。现在甚至有一个结论，那就是量化交易是万能的，认为只要使用量化交易，你就可以一直赚钱。这种想法太理想化了。事实上，在量化交易的过程中，需要解决三大问题。

问题 1：过度拟合

量化交易最大的特点之一就是可以优化之前的数据。即使你什么都不懂，选取相应数据，设置几个参数，就可以跑出完美的曲线。但关键是，完美的曲线并不意味着你就能赚钱。许多人没有意识到过拟合的风险，这导致许多系统看似完美实操却出现许多问题。盈收AI核心团队由一大批人工智能开发专业人士和证券行业自动交易资深研发专业人士组成。产品内置的每一个交易策略都经过长时间的推演和验证，可以回测出超高的历史年化收益率。

问题2：品种单一

很多投资者都知道量化交易的好处，但问题的关键在于使用的时候，太多的交易策略需要验证太麻烦了。因此，许多投资者都在使用单一交易品种进行交易。单一的交易品种有很大的弊端。最大的问题是回撤非常大。盈首AI产品包含180个半成品人工智能模型，分为牛市、熊市和震荡市场三大板块，用户可根据市场行情自定义添加交易参数，组合出符合自己操作思路和盈利模式的交易策略，同时平台独有的去风险因素，可以实时监测主力资金流向，大大提高策略的年化收益率，降低回测风险。

问题 3：执行

量化交易实际上是自动化交易，由机器本身严格的按照指令执行策略。但人不是机器，交易的时候一定会带有自己的主观思维，人工干预程序化交易，自动交易变成半自动交易。造成交易结果差异的很大一部分原因出在执行这方面。

㈡ 量化交易靠谱吗

整体来说是靠谱的。对于量化而言，我们一再强调，这是一个在投资实践过程中祛魅的手段。选择了量化，投资人便诉诸了自身的理性，他将摆脱感性与玄学的束缚，他的投资行为便具有了可复制性——如果时间倒退，在同样的时间点他会做出相同的选择。这是知行合一的基础。

当然，有人会说，那就不用机器学习，用技术指标就好。可是事实上，那些指标本质上也是一些基于原始特征挖掘出来的特征，几乎全部都是基于量价时间序列在上世纪的美股市场挖掘出来的特征，也许这些特征在那个时候有一定市场意义，而现在是2020年的A股市场，我几乎能肯定的是这些特征的成功率会随时间增长收敛于1/2。数据信噪比低，数据涵盖的信息少，导致A股量化对投资者的要求极高，必须得要用他们的投资经验去弥补交易数据有效信息不足的短板。这也是我建议手动交易经验足够的前提下，才去做量化的原因。

㈢ 量化交易的致命缺点

一、每笔的盈利都相对较小，所以能够提供的流动性和波动性高的品种并不多。
二、每笔量化交易都要付出点差或者佣金。并且这些费用都是固定的，时间周期越短，那么系统的盈利空间就越小。
【拓展资料】
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。
量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：
一、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。
二、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。
三、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。
四、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

㈣ 量化交易、高频交易将会对金融市场产生哪些影响（金融高手帮帮忙）

首先我建议你看看CCTV拍过的一个纪录片《华尔街》，里面对量化交易有过客观的阐述。
作为证券研究人员，以我的观点看在宏观层面上来说将会加剧助长助跌，09年道琼斯指数一分钟之内暴跌998点，事后查清是骑士公司计绝闭算机量化交易的结果。
2、对于“高频交易”给市场带来的影响，在投行机构之间早已有较为激烈的讨论。芝加哥联邦储备银行的报告指出，美国股市总体成交量中约有70%通过“高频交易”完成，而进行“高频交易”的机构数量仅有2%。 芝加哥联邦储备银行认为，此种背景下，虽然“高频交易”对市场也有好处，能够增加股票市场的流动性，但一旦程序出错或人为疏忽都有可能对市场走势造成灾难性影响。如目前“高频交易”出问题多数是因为投资者向机器发出了错误指令。尽管到目前为止这种错误造成的影响还很有限，但已经多次造成市场剧烈波动。
3、目前国内“高频交易”的发展仍处于早期，股指期货出来后该类交易也达不到能并手裂够操纵市场的程度。 在商品期货领域，目前更多的是一种“人为”的高频交易，通过操盘者的“盘感”来实现快速进出，其结果是出现了一批“期货炒手”，他们盘踞在上海、郑州、大连等距离期货交易所较近的地方，借助空间距离缩短、通讯速度快捷来加强交易速度上的优势。
4、对于量化交易、高频交易对市场薯茄的影响目前尚不明确，但可以肯定的是对散户肯定造成很大的冲击。谢谢采纳

㈤ 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。

㈥ 股市中量化交易的算法是什么，知道了不就可以战胜它了

你到股市的目的是赚钱！时刻记住这点，那么你就不会被其它乱七八糟的东西搞乱头脑了。

知道赚钱后，再来讨论量化交易的事。考虑一下：打败了量化交易，你就能赚钱吗？量化交易本身都是在辛苦赚钱的，你打败了它算什么呢？能够保证你赚钱吗？答案肯定是不能保证你赚钱。即使你打败了庄家，你也不一定能够赚钱。

所以，有必要打败量化交易吗？我看没必要。我们也不用管量化交易的算法是什么。我们唯一应该研究的是，量化交易对股价走势有何影响？这种影响有规律吗？如果有规律，我们就要利用规律来赚钱贺斗。我们不用打败量化交易。

根据盘面的表现来看，量化交易对股价的影响是很大的禅樱磨。很多个股的日K线没有那么稳重和连续了，持续的上涨也少了。即使是主升浪，也出现了很多震荡上涨，持续有力地拉升少了很多。也就是说，量化交易注重日内交易，对日内交易的冲击越来颂弊越大，表现在分时图上，就是震荡更多，规律更少。这对短线操盘手来说，精确的买卖点更少了，只能以模糊的买卖点来应对。低吸高抛的成功率越来越高。

总之，量化交易对股价的日内走势影响越来越大。短线操盘手日子难过多了。只有以中线的眼光进行选股做短线操作，增加持股的时间，才能增强盈利的能力。

哥们，，，，量化交易背后的是大数据分析，。。。你没大数据分析，他怎么量化交易，告诉你量化交易的算法，你也打不过他，因为你被监控的死死的

人为设置的一些买入卖出条件，跟你平时看的指标形态一样，只不过用机器语言来表达。

天下神器不可为也。

就是根据某个买卖策略进行交易，但没有绝对稳赢的策略，所以不要想打败市场

㈦ 量化交易不是保赚的也没有什么高大上！揭开量化交易的神秘面纱

量化交易是近几年来一个金融交易领域的流行词汇。所谓量化，就是指数量化。量化交易就是把交易行为以 定量的形式为交易者提供交易的依据，使交易结果尽可能排除和 避免 主观交易的随意性和心理波动。

量化交易在美国已经搞了30多年了，最着名的是数学家西蒙斯和他的文艺复兴公司的大奖章基金， 从1989年期起，复兴 科技 公司的大奖章基金( Medallion )的年回报率平均高达35%,大奖章基金被誉为是最成功的对冲基金。

狭义的角度讲量化交易就是十几年前就已经开始的程序化交易，它是把交易过程中运用到的交易方法，用计算机语言编成计算机软件程序，实现机器选股，自动下单买卖等行为。通过计算机程序可以省去一些人力成本（人力分析慢，毕竟现在市场上已经4000多只股票，未来会更多），同时也省去了一些交易员不必要的盯盘时间，也一定程度规避情绪心理因素影响。

广义的角度讲量化交易就是我们交易者在交易过程中运用的系统化交易。根据一些固定的交易模型进行交易的系统化的方法，系统化交易是股票交易盈利的前提条件。比如基本面的价值投资法，把很多财务数据和指标进行数量化的梳理成固定的模型，这属于基本面量化；人们包括利用技术分析理论编成的各种指标，选股条件等，属于技术面量化；

另外量化交易又根据交易的形式分为：算法交易（也就是高频交易，主要用于抢单），套利交易（期货品种的跨期套利和跨品种套利），根据现有的各种技术分析理论编成的实现全自动交易的计算机程序等等。

量化交易不是盈利的保证，它必须建立在一定的成功概率的模型基础上才能应用的实战交易中。我们都知道赌场盈利的根本其实就是比玩家盈利的概率高1%而已，这高出的1%盈利概率保证了赌场久赌必赢。所以量化交易其实追求的就是比市场上大多数人盈利的概率高出1%即可。但是这1%不是普通投资者可以做到的。需要大量的实战总结和复盘总结，最终形成所谓量化交易模型。

最后提醒投资者注意：量化交易模型主要来源于以下两种模式：

1、数据挖掘，从 历史 数据中找到在以往 历史 中盈利概率大的模型，这种模型一般为黑箱模型，黑箱就是你只能看到结果，不知道其中的逻辑，比如现在流行的机器学习模型，就是典型的黑箱模型。它的缺点非常明显，就是你不清楚盈利原理，未来是否还能继续出现符合上述模型的情况的概率有多少，也就是说，这种模型， 历史 业绩非常好，但是未来能否盈利非常的不确定。

2、来源于主观交易者的盈利模型，根据盈利的主观交易者的系统化的交易方法，用计算机语言编成的交易程序。这种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较多，而且量化后回测 历史 数据盈利概率较高的话，那么很大概率就是可以用于实盘 。可惜这种模型凤毛麟角，可遇不可求。另外一种就是少部分可以量化，多数不能量化，而能量化的部分在 历史 回测中表现很差，主观交易者的盈利多数可能来源于主观判断，此种模型占绝大多数。比如徐翔的涨停板敢死队的打板模型，在涨停板上买入可以量化，但是如果仅仅是涨停板买入，却不能实现盈利，盈利的更大原因在于盘手所谓的盘感，所以这些盘感的挖掘数量化，才是这类模型的关键。

综上所述，量化交易仅是交易的一个小分支而已，不是盈利方法。不要迷信所谓量化交易。

其实把交易系统化才是关键，系统化关键又是尽量把主观交易数量化客观化。祝投资顺利！

㈧ 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^_^

㈨ 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。"

㈩ 量化交易对散户的影响

量化交易对散户的影响是：有量化交易的参与以后，量化机构拥有更快的网速，电脑通过程序自动计算是否下单，而电脑下单更是非常快，大概是以毫秒计算，这样一来，很多散户可能单子还没有下，基本上股价就已经发生比较大的变动了，这样可能散户在交易方面就显得比较慢了。

总结：有量化参与，股票波动比较大，交易速度就显得比较慢，这样可能就更容易亏损。

对散户的交易速度有一定的干扰。那么量化交易是什么呢，量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，进而交易的过程。

其实我们可以简单的理解成通过总结一定的规律，然后设置电脑捕捉信号，当触发条件时，电脑自动买入或卖出的一种交易方法。其本质还是将人为总结的交易模型通过电脑来执行，从而达到更专业、更冷静、更快速、更全面的交易目的。当然，你也可以把量化交易理解成AI投资的雏形。

相对人为交易，量化交易具有以下几个优点：

1、信息覆盖度广：量化交易可以扫描全市场的个股和异动，捕捉各种信号并及时进行分析和动作，比人为操作覆盖度会更广。

2、交易纪律性强：量化交易由于是电脑执行策略，当条件触发时自动进行交易，所以不会受到人性中贪婪、恐惧、侥幸等心理影响，会严格按照纪律执行交易。

3、交易反应速度快：电脑下单由于提前设置好了各种交易条件，自然会比人来操作要快的多，能够更早买入或更早卖出筹码。

拓展资料:

那么量化交易一定都是盈利的吗，事实上并非如此，一个量化交易是否成功的核心在于策略和有效性，而电脑更多的是执行策略而已，如果策略出现了问题，交易越快亏损越大。

另外，当前国内的短线量化交易还很难做到非常全面的模拟股市交易高手的交易策略，既有技术方面的原因，也有策略团队综合能力的原因。 还有一点是，市场是不断进化的，如果量化交易策略不能及时跟上市场变化，也很难持续赚钱。 所以量化交易不是说写个程序然后就躺赢赚钱那么简单，否则大资金就天下无敌了，至于未来类似alpha狗战胜李昌镐的情况发生可能也预示着资本。