量化交易员通过技术指标的分析
什么是量化交易：
量化交易(Quantitative Trading)类属一种投资方法。是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。
量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。
简单来说，量化交易就是干了两件事情：
①建立数学模型
②根据数学模型，在合适的时间点买入或者卖出
二、量化交易的背景：
量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。
量化交易，有时候也称自动化交易，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做出非理性的投资决策。 量化交易员通过技术指标的分析
三、量化交易的特点：
从四个特点可以简单了解量化交易的优势。
1、严格的纪律性
量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。
2. 完备的系统性
完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、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；再者就是多数据，就是海量数据的处理。
3. 妥善运用套利的思想 量化交易员通过技术指标的分析
量化交易正是在找估值洼地，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。
4、靠概率取胜
这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。
量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：
1）历史数据的完整性。
2）模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3）网络中断，硬件故障也可能对量化交易产生影响。
4）同质模型产生竞争交易现象导致的风险。
5）单一投资品种导致的不可预测风险。
四、量化交易的种类：
量化交易其实有很多种，包括跨平台搬砖、趋势交易、对冲等。
跨平台搬砖是指，当不同目标平台价差达到一定金额，在价高的平台卖出，在价低的平台买入。
趋势交易会更加复杂一些，它根据趋势的指标来发出卖出和买入的信号。
对冲是指同时进行两笔与行情相关、买卖方向相反、数量相当、盈亏相抵的交易，以达到对冲风险的效果。
五、量化交易的风险性：
首先是一二级市场“量化交易员通过技术指标的分析 级差”风险，其次是交易员操作风险，最后是系统软件的风险。
一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。
由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。
又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。
第二种风险是交易员操作失误，有可能是交易员在输入数量的时候出现了失误。
这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额
成为AQF持证人，你可以从事更多热门岗位
金融小白宝典： 熟悉中国主要金融市场及交易产品的交易机制
编程小白首选： 掌握一门Python编程语言
投资经理必备： 自主地研发新量化交易策略的能力，经典量化交易策略及其交易哲学
数据分析能力： 提升工作中遇到的数据处理效率，应用场景广泛
专业实战水平： 掌握金融、编程和建模知识基础，拥有量化交易实盘操作能力
个人投资成果： 提高个人投资理念与方法，可独立开发交易策略
简历背书提升： 拥有AQF持证人头衔，个人专业能力体现
丰富个人交际圈： 参与协会活动，搭建自有人脉圈
四大课程特色
线上线下结合 零基础考试通过
线下面授包含金融基础和 Python 基础，详解入门知识，手把手带您实操；线上网课覆盖所有考点，配套练习让您提前掌握考试题型；考前全真机 考模拟，交大教育集团拥有 ATAC 的自主考点，可以为您提供熟悉的考场环境及服务。
什么叫做量化指标，从零入门量化交易系列(四)技术指标详解
2022-05-16 17:15:57 来源：冥在金融网 作者：佚名 浏览量：155
什么是量化交易（2020年12月8日 指数分位点）
传统的交易使用定性分析进行投资决策： 传统的投资决策不论是技术面分析还是基本面分析都属于定性分析； 定性分析一般是通过人的思维来完成，它的优点是在深度上占有绝对优势。
量化交易使用定量分析进行投资决策： 量化交易投资属于定量分析，它以历史数据分析为基础，利用数学、统计学等工具高效快速地进行决策； 定量分析利用计算机强大的运算能力，在广度上占有绝对优势。 定量分析也会使用到定性分析中的很多技术，大多数情况是人的思维对定性分析的高度抽象形成模式，将模式运用到定量分析以提升广度。最理想的情况是在不丢失深度的情况下，完全将思想移植广度提升，这样在大数定理的魔力下，更强有力地战胜市场。
行业板块涨少跌多，酿酒板块大涨，白酒行业的PE和PB分位点都已经达到了100%，真疯。
低频量化模型
轮动组合：沪深300，中证500，创业板。趋势提醒系统使用说明
策略特点：能抓住大涨，并能躲过大跌，收益高，交易次数少。
回测结论：十年 15 倍，月均交易 2 次。
近期操作：11月11日下车，当前盈利 1.8%。
信号提醒：每天 14:30，自动发送信号提醒。
今日指数分位点
[中证白酒] 上涨 1.6%， pe分位点 100%，严重高估。
[创业板指] 上涨 0.7%， pe分位点 85.1%，显著高估。
[中证消费] 上涨 0.6%， pe分位点 91.9%，严重高估。
[深红利] 下跌 -0.6%， pe分位点 量化交易员通过技术指标的分析 89.8%，显著高估。
[国证地产] 下跌 -0.6%， pe分位点 11%，显著低估。
[中证银行] 下跌 -0.6%， pb分位点 5.8%，严重低估。
做量化的一点经历与感触
自接触量化的 2016 至今，五年有余，然则依然自觉量化小学生，随着接触的人与事愈多，愈发觉得值得扩展的边界越多，自身的渺小与微不足
思虑良久，笔者到底需要的未来到底是平淡的生活，还是更加具有挑战和可能性的生活? 答案还是 ”世界这么大，我想去看看"。
第一个标志性事件是导师开了一门量化交易课，以 TradeBlazer (期货交易软件) 为工具进行量化交易，并且指定由笔者去讲这门课。
开了一个如何使用 TradeBlazer 进行量化交易的系列。 作为一个合格的白嫖怪，自然需要将 TB 他们的课程彻底吸收，然后再嚼碎
了重新设计给其他学生。当然。这样的过程也无意中符合 ”费曼学习法“, 在不断学习，整理，教授，答疑过程中，笔者也终于算是
印象中策略交流最深刻的一次是笔者在实现某篇国外的某个策略文献时，策略简称笔者还记得，叫 RTS (趋势反转策略)。本来是
审慎的态度，他还是盯着策略仿真交易看了相当长的一段时间，最后还是发现了实现的策略中某个致命漏洞，来自 TB 的信号闪烁问题，
笔者实现的策略并没有很好地处理掉。 TB 的分钟 bar 行情会随着新的快照行情到达
后实时更新，如果以分钟 bar 进行开平仓，很容易碰到在回测时没有问题，但是仿真或实盘的时候，由于分钟 bar 的最高最低价变动，
完全依赖 TradeBlazer 的实现，但是 TB 作为一个交易软件，实现一些简单策略和可视化很方便，一旦需要实现复杂的逻辑时，会遇到
在某个奇妙的夜晚，笔者在翻看掘金量化在 github 上分享的股票策略实现源码时，忽然就觉得灵光一闪，对这类事件驱动框架的
策略平台有了比较直观的理解。原来一个 Python 策略可以这么写，原来写策略需要考虑的细节有这么多，快照行情原来应该这么
处理， ~on_bar~ 与 ~on_tick~ 原来是这么个用法。
相比掘金量化， TB 交易软件实际上是把账户的复杂处理方式隐藏了，带来便利性的同时也会失去灵活性，而类似掘金的量化软件，在
抄 -> 理解 -> 量化交易员通过技术指标的分析 复现这样的步骤，直到能够完整地将逻辑梳理完整，代码默写出来。
有时候不得不感慨命运的奇妙，就在笔者学会基于掘金量化的 api 编写策略时，掘金量化的人找到我，他们有客户有股票策略想要实现，
笔外快，谈的是 2W 的价格，最后却仅仅收到了 5000，哎……算有得有失了吧。其实，如果这家公司把钱给足了，按笔者现在的实力，完全
搭建仿真交易框架。感谢前公司的同事，提供了利用 pandas 进行向量化回测的思路，感谢这时候发现的开源框架 quantaxis, 笔者又一
次成为了白嫖怪，通过学习 quantaxis 的源码，拆解它对于账户管理的思路与内容，总算总算，完成了全市场分钟回测与仿真框架。
2. 技术上的积累也到了瓶颈期，博士阶段也写过不少 C ，不过写的都是在对应框架下简单的 C ，放下几年，早已忘记。
乱七八糟的技术文章与视频，学 C ，学 NLP，学这学那，但是却都没有深入。还好，非常幸运地，某券商给了笔者机会，磨了
思路完全可以成为灵感源泉，不过千万要当心，不要算算 量化交易员通过技术指标的分析 IC， IR 就结束了，对量化交易而言，需要经受住市场的拷打后
3. 多看，感谢 quantaxis 作者，感谢 wondertrader 作者，感谢 vnpy, kungfu 等这些开源框架贡献者，来自他们的无私分享，
量化交易员通过技术指标的分析
量化交易的优势是什么？
如何检验交易策略？
常用方法有两种。一是回溯检验（backtest），二是模拟交易（paper trading）。回溯检验利用历史价格检验交易策略的预测能力。模拟交易也被成为forward testing，使用模拟账户和真实数据评估交易模型。两种方法各有利弊，一般会结合使用，即便交易策略在历史数据中表现优秀，也会在模拟账户中先检验一段时间（6-12个月），作为重要的反馈机制。
交易策略的类型？
◆趋势跟随（Trend Following）
◆均值回归（Mean Reversion）
◆价值投资（Valuation）
◆季节性效应（Seasonality）
◆情绪（Sentiment）
“买预期，卖事实（Buy the rumors, sell the facts） ”是最经典的行情，尤其是在外汇交易中。投资者买入预期上涨的货币对，导致短期价格快速上涨，一旦预期得到兑现，多头平仓结利导致趋势反转。常用的情绪指标包括：看涨/看跌期权比例，CFTC期货持仓等。除此之外，投资者还可以利用搜索引擎的关键词趋势，媒体焦点，博客文章和论坛热点等来判断市场情绪，进而制定交易策略。