徽商期市洞察量化交易三阶实战营 初阶课程 量化交易入门必知 从 凭感觉 到 靠数据

因为刚刚讲的数据输入这一块，其实就是我们要简单来讲。 如果对于入门零基础的投资者来说，我们需要的就是盘面上K线相关的一些数据，就价格、成交、持仓这些。 当然了如果说有些投资者说我会用到一些多因子模型去做一个趋势交易机会的选也就是所谓的品种的一个选择。 那这是我可能要通过品种相关的一些基本面的数据基本面的数据，比如说跟这个供应需求？还有什么进出口等等这些库存等等。 通过这样的一些跟基本面相关的一些数据去构成一个多因子的这样的一个筛选期货的这样的一个模型，这样也是可以的，这个可能不仅仅局限于盘面上的价格，可能还需要获取大量的一些品种基本面的数据。 后通过基本面的数据构建一个数据模型，通过计算机执行去筛选相应的一些品种。 或者说直接在品种筛选出来之后，我去找交易机会的选择。 这里面我们看到数据输入是非常重要的。 这个数据输入的话，其实就在我们已经确定了我的这个量化交易模型之前，我就就是我这个模型已经确定了。 那我这个数据需要哪些，它其实就是已经是怎么样，已经是固定的了，对吧？所以这时候我模型已经提前确立好了，我数据已经有了。 那这时候我要通过计算机语言去描述，什么情况下我要做什么样的一些处理。 简单来讲，比如说双经线，那么双均线其实我们用到什么呢？最简单的其实盘面上的收盘价，可能你稍微上升点难度可能会用到这个成交持仓去判定，有些比如说金叉和死叉，它是否是震荡过程中，或者说认为这个金叉时差它的效率比较低，我会选择一些条件给过滤掉。 这里如果说双均线模型其实简单当出现金叉的时候，所谓的金叉无非就是两个时间点。 如果我取的是五分钟级别的这个K线，那么我会用当前最新的这个五分钟级别的K线的收盘价计算出来了两个均线的值，判断两个均线值的大小。 如果说当前的这根双均线，它的短周期的均线值大于长周期的均线值，而上一根K线也就是往前再推一根五分钟级别的K线。 那这时候上一根K线它的这个短周期的均线值是在长周期的均线值以下的那其实这个时候就是非常简单的一个金叉了。 如果满足金叉，这时候我就可以怎么样？太多，就非常简单。 反过来，如果说短周均线又向下穿越了长周期均线，那如果我用代码描述了这样的一个情况，后面也满足了，那这时候我就可以拼多开空，这个就是非常简单的一个反手的双均线的交易策略。 那么指令输出其实刚刚也讲了，就是你如果你的策略条件满足了，既然满足了我要的条件，我这个时候就要做一些处理。 我要给交易所发送相应的开平仓的一个指令。 比如说我现在判检测一下我的期货账号下是没有对应的品种的仓的头寸的，那这时候如果出现了金叉，好满足金叉了，我就要给交易所发出买入的这个指令对吧？那买入成本成交？你有时候你比如说我可能以这个限价去挂单，那挂单不成交要怎要做相应的一些处理。 这些处理其实都需要在你的策略代码当中实现。 比如说挂单不成交我就撤单，或者说挂单的时候我现给他几秒钟的时间让他等待，如果不成交我撤单再加一个急跳，或者说以盘口的价格去做相应的这样的一些划点，保证我这个指令能够及时成交。 这些处理的方法非常多，但是前提条件都是为了让你这个模型或者说你的这个策略能够及时实现你之前的这样的一个交易计划。 那肯能你手动下单的时候是什么样子的，你计算机执行的时候就是什么样。 比如说手工我可能用现价，他不成交，不成交我可能撤单，我马上再挂单，对吧？其实你用计算机执行也是这样的一个过程，计算机代码是完全可以实现你手动的这样的一些执行交易的过程的。 在这里我要强调的一点，因为最开始的时候没有说量化交易，你所有交易的内容一定要是客观可描述的，不要把你盘中的时候，比如说我可能会通过一些指标去判断盘面当前所处的这个时间点是适合做多还做空。 但可能您会基于你多年的经验，也就是所谓的盘感，这时候你可能会基于盘感说，即使这个信号出现了，但是我的感觉就是这个位置还不太行。 那这时候也许实盘当中我不会下单，但是计算机它是没有感觉的。 它完全是依照你给它输入的这样的一个指令，或者说你给他输入这样一个逻辑去下达开平仓的一个指令。 所以实现量化交易有个非常重要的前提，就是你的策略一定是客观可描述的。 如果你日常交易的这个逻辑更多的是主观上的一个盘感去判断的话，那这时候实现这个全自动交易就有一定的难度。 当然这时候你可以实现半自动。 什么叫半自动？就是你可以基于代码去在你的K线图上产生相应的一些信号。 然后，比如说通过声音，或者说给你的qq发邮件，或者说给你的微信上发通知，短信发通知，说到达了某一个交易的时间点点，或者说某一个情况。 那这时候你打开盘面看一下，我要不要去下单，这种就是半自动的一种辅助方式的量化交易。 它不是全自动的，需要你人工审核一下审核一下。 这里也是做了一个生动的比喻，传统的交易员他相当于一个大厨一样，依靠个人的经验盘感和直觉进行判断，也就是说我们大厨炒菜的时候，所有的做原料或者说你炒菜过程中需要的配料。 我都会依照我多年的经。 不需要说我严格落实到我要用几克盐，这种基本上是不可能的对吧？大厨他基本上凭经验，我炒一板菜大概要多少，相应的一些蔬菜，或者说相应的一些盐、酱油等等这些。但是量化交易员他就相当于我们的食品科学家，他需要精确分析素材，就数据就是你的食材，制定标准化的一个策略，也就是菜谱。 然后给程序，也就是机器人去制定执行。 我们现在不是有那什么炒菜机吗？对吧？你如果说提前把你的食材按照这个菜谱给它一一摆好，包括需要的盐要多少克，你都要给它弄好，然后放到食这个所谓的炒菜机里面一扔，你这个让机器去执行，完全替代了你的爽手，这个其实是一个非常生动的一个比喻。所以你要做量化的前提就是你所有的无论是你要计算的数据，亦或者说你逻辑判断的过程，一定要是客观可量化的。 如果你的交易逻辑是大部分都是主观的这种所谓的经验和盘感的话，那可能实现量化是有一定的难度的。 好，接下来我们看一下量化交易模型的一个总览。 我们知道其实量化交易这个名词对于很多投资者来说不陌生，甚至是在我们经常在自媒体上能看到说，今年国内的这的A股市场，很多情况下是因为量化交易导致这个波动有所放大。 因为对于专业的这个机构来说，他们确实会通过量化去实现大额资金的这样的一个买卖。当然这里面那这里面我们就可以去了解一下，事前就目前存在于我们整个金融市场上，它的量化交易模型大概有哪些？对于想入门做量化的投资，这个是一定要了解的。 我们来看一下，这里面其实主要分为六大类。 第一类就是经典的统计学模型。 这个统计学模型包括我们常常常听到的，比如说像趋势跟踪。 趋势跟踪里面像均线对吧？MCD弹气这些都是均线。 弹气安通道的话，其实海归交易法则就是基于弹气安通道去构建的。 那么均事回归，所谓的均事回归，如果你用过布林带，布林带它本身就是上中间有一个均线，上下两个标准差，或者说N个标准差做一个通道的一个输出，然后基于通道的这个宽度对吧？如果说通道放大，我认为趋势行情来了，通道收缩我认为这个行情可能要回归了，这个其实就是所谓的一个均值回归。 还有当然除了这个单品种的同期交易，我们还有配对交易或者是同期套利。 某两个品种或者说某一个品种某一个品种我们可以做跨越的套利，就是所谓的跨期的套利，也可以跨市场套利都可以。 那这时候如果没有一些品种基本面的一些模型支持的话，纯粹就是通过套利对的两个两个套利的对象，对历史的数据做一个统计学的一个分析，认为它存在均值回归的这样的一个规律。 那这时候就纯粹的就是一个统计套利的一个分析了。 如果说你能够对这个价差做一个稳定性的检验，它有非常稳定的这样的一个很长一段时间内，有一个稳定的这样的一个价差的表现的话，那你是可以做一个所谓的统计套利的，或者说均值回归套利，这个是可以的。 然后动量策略，那么动量策略其实也是基于盘面上的这样的一个价格做这样做做一个所谓的投机的一个交易。 那就是我们可以基于盘面上的，比如说价格的一个快速的爬升，可以基于这个比如说盘面上价格的一个，我们简单来讲，比如说一段时内时间内价格上涨的一个幅度对吧？这里面有很多，包括什么截面动量、行业风格动量都可以。 这个行业风格可能更多的集中在像这个股票上股票上。 期货上能更多的基于像这个品种的一些基本面上，可能做一个所谓的动量的这样的一个交易，或者说纯从这个纯价格角度也可以。 第二个我刚刚提到了多因子模型，股票是主流，但是是不是说期货没有呢？不是，期货市场也可以做这个所谓的多因子的模型。 那多因子里面我们在期货市场，你看这里面其实主要是跟股票相关的那在期货市场上，我们刚刚最开始就介绍了，比如说基于品种的一个基本面的一个模型的研究。 你可以去分析品种的它的一个基本面相关的数据，包括像需求供应，需求方面有哪些呢？像供应这一块可能跟库存有关对吧？跟整个市场的这样的一个供应量有关对吧？然后呢呃还跟这个进出口等等相关的因素非常多。 如果说这些相关的数据你都能够罗列出来，并且你能够基于这个品种的基本面做这样的一个多因子模型的构建。 那这时候其实你可以构建一个商品期货的多因子模型的交易策略，这也是可以的。 但是前提就是你需要有比较全面而且比较长周期的这样的一个数据。 因为基本面数据，比如说生产利润，我之前有研究过一个品种的基本面的一个交易逻辑，其实是基于的就是多因子。 但是可能生产利润这一块对于很多时间段内它是缺失的，或者很多品种它是没有的。 所以做多因模型的话，它的一个成本上对来说是比较高的，成本上但是模型其实没有特别复杂。 比如说我用最最简单的多因子的一个打分模型打分模型，那你只要你这些因子的数据有，我做一个最简单的打分就可以了，这个也是最经典的一个多因子的选期或者说选股的这样的一个模型。 而第三个机器学习和量化，这一块我们看到就是一些比较复杂的。 比如说基于波动力的，像这个序模型、深度学习、强化学习。 这些可能需要具备一些比如说数学的基础，或者说是金融学的基础的投资者才能够考虑去用机器学习。 基于学习这一块对于普通的投资者说是不太建议去花太多的时间。 因为对于时间序列或者说对于机器学习相关的这样的一些模型，一般都是比较复杂的，需要具备相应一些学术的背景。 期货的CT模型，这里面有啊趋势CT，期限结构、跨期跨品种套利，还有波动率的策略， 这些其实我们比较常见的。对于私募机构来说，他们是基本上都用的这个期货CT的一个模型。然后第五个高频和做市商那种高频和坐事商模型，对于普通的投资者来说，入门的门槛就有点高了。因为我们简单来讲就以盘口的这个高频的数据去做一个所谓的高频的交易模型。么你拿到盘口的数据到你计算处理发送交易信号，这个过程要必须足够快。简单来讲，比如说我们就拿交易所的切片数据，也就是一秒钟有两跳，那么这两两也就在50毫秒内，每每隔0.5秒它会返回交易所最新的这个切片数据到本地。你要在这个50毫秒以内快速的处理对应的这样的一个0.5 0.5秒内去处理对应的这样的一个价格计算，还有同时发出指令。如果说你首先你这个策略计算的过程效率比较低，然后你的软硬件又没有跟上，尤其是硬件这块要求还是比较高的。如果说你网络也不是特别好，对吧？本地的硬件这块设施配套也比较差。说实话等你本地计算处理好之后，后面可能数据就发生拥挤了，也就是说你处理极少计算好之后，交易所可能又有很多切片数据过来，这时候可能你计算就跟不上，那计算跟不上，你发出的指令怎么样也跟不上。所以对于普通的子来说，是不太建议去做高频和做事。一般对应的就是做商去做，这个一般个人也做不了，主要是高频这一块很多投资者比较感兴趣，认为高频对吧？我就攫取盘口一瞬间的这样的一些交易机会。你要知道对于量化交易来说，尤其是对于机构投资来说，他们是有大量的这样的一些交易策略，交易相应的一些人才以及需要的一些软硬件的设施。所以它对比你个人来说肯定要强大很多。那么盘口上出现了一些即稍纵即逝的这样的一些交易机会，一般都被他们攫取了。所以对于个人投资来说是比较难的比较难的，所以入门的时候尽量不要直接就上高频。然后第六个风险与资产配置。这里面像这个波动率，还有这个马mp