量化投資模型教材

『壹』 量化模型是什麼意思

量化模型，是把數理統計學應用於科學數據，以使數理統計學構造出來的模型得到經驗上的支持，並獲得數值結果。這種分析是基於理論與觀察的並行發展，而理論與觀測又通過適當的推斷方法而得以聯系。

一個完整的量化模型包括哪些？

近幾年，量化投資在國內興起，但在很多人眼裡，量化投資彷彿是一個非常神秘的新事物。而實際上，量化投資的無非就是寬客通過計算機語言，將交易策略布置到一個量化系統中，然後進行回測和實戰的過程。量化投資的本質還是投資者的智慧，只是實現過程中運用到計算機這一工具。

寬客們到底是如何系統的構建一個完整的量化模型的？可以肯定的是，寬客跟普通投資者一樣，也在觀察市場，產生一些普通投資者也會想到的想法，當寬客產生一些想法時，他們會通過計算機去驗證他們的想法是否靠譜或者是能否帶來收益。而作為普通投資者，實現想法往往是困難的，如同普通投資者在投資或炒股過程中，發現在15分鍾K線圖，上升趨勢中股價跌破MA169後便會進入調整。普通投資者只是感覺，而寬客可以通過編寫程序然後在市場的歷史數據回測，驗證這個想法是否靠譜。

一個簡單的想法編寫成簡單的程序，這明顯不能稱作為量化模型，但這卻是任何一個量化模型的來源，即人的想法。完整的量化模型應當包括：策略模型、風險模型、交易成本模型、投資組合構建模型、執行模型，如下圖：

投資組合構建模型：投資組合構建模型在於構建一個能創造最大盈利的投資組合。主要分為：基於規則的投資組合構建模型和基於優化的投資組合構建模型。基於規則的投資組合構建模型主要分三類：相等頭寸加權，相等風險加權，信號驅動型加權。其中前兩類分別保證了投資組合的每個個股頭寸相等和所承擔的風險相等。第三類根據信號強度來加權，投資組合中個股與策略模型設定的條件越接近則賦予的權重越大，這是合理決定頭寸規模的最佳途徑。

執行模型：執行模型是實施量化模型的最後一個環節，如果沒有執行模型，那麼整個量化模型並沒有存在的意義。執行模型中訂單執行演算法是最關鍵的，其主要目的是，以盡可能低的價格，盡可能完整地完成想要交易的訂單。具體的執行演算法包括：採用何種訂單類型，採用進取訂單還是被動訂單，採用大訂單還是小訂單。對於資金量比較小的寬客，執行模型往往是比較簡單的，一旦出現信號，其所需成交量的並不需要太大。而對於資金量較大的寬客來說，執行模型是比較復雜的，需要根據實際情況來選擇合適的下單方式。

以上就是量化模型的整個系統框架，其中任何一個部分都發揮至關重要的作用，因此一個完整的能盈利的量化模型是非常有價值的。

『貳』 如何建立一個股票量化交易模型並模擬

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。
量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

『叄』 期貨開戶 程序化交易 量化投資 交易策略 量化模型 開拓者 金字塔 CTP 交易策略 量化模型

文華

1上手快，簡單易學，通用的腳本語言（類似於傳統的股票軟體指標語言）。提供基本自由度的功能實現。

2可進行歷史數據回測。

3策略可加密。

4期貨市場投資客戶。

5剛開始接觸程序化交易的投資客戶。

6熟悉通用炒股軟體指標編寫的客戶。

·開拓者

7功能強大，編程語言比較專業（類Pascal），可方便的編寫自己的函數。提供高自由度的功能實現。

8可進行歷史數據回測。

9策略可加密。

10期貨市場投資客戶。

11有一定編程能力支持的投資客戶。

12交易策略比較復雜的投資客戶。

·達錢+MC

13源於國外，經久考驗，功能強大。

14全球標準的支持策略語言,EasyLanguage。

15編譯及回測速度效能高，集成優異的策略回測和優化功能，提供詳細、完整的策略績效報告。

16支持自定義任一周期線圖顯示及策略回測

17支持Excel插件、完整數據管理介面(DDE,GlobalServer,……)

18期貨市場投資客戶。

19有一定編程能力支持的投資客戶。

20交易策略比較復雜的投資客戶。

21需要使用Excel軟體輔助程序化交易的客戶。

·東海潛龍

22編程語言專業，實現功能非常靈活。提供完全自由的功能實現。

23可進行歷史數據回測。集群伺服器模式，穩定性高。

24直連交易所，交易速度很快。

25可同時進行股票投資和期貨投資，連接國內股票、期貨六大交易。

26可定製交易界面。提供介面，可連接外部策略軟體。

27股票市場、期貨市場專業投資客戶和機構投資者。

28對速度和穩定性有更高要求的客戶（比如高交易頻率的客戶）。

29交易策略復雜，定製化要求程度高。

·金字塔

30國內獨家支持圖表程式化交易、後台程式化交易、高頻交易、趨勢線預警交易等多種自動交易模式。

31支持一鍵下單，圖表下單等多種手工下單模式。

32程式化交易模型編寫及操作兼容國內主流分析軟體。

33支持套利、多帳戶交易及動態止贏止損功能。

34支持板塊指數、自定義數據等橫向統計功能。

35基於OFFICE架構下的VBA二次開發功能。

『肆』 量化投資

沒有你想的書

我多年來都有關注這方面的書 可是也沒有在國內找到

數量化投資是將投資理念及策略通過具體指標、參數的設計，體現到具體的模型中，讓模型對市場進行不帶任何情緒的跟蹤；相對於傳統投資方式來說，具有快速高效、客觀理性、收益與風險平衡和個股與組合平衡等四大特點。量化投資技術幾乎覆蓋了投資的全過程，包括估值與選股、資產配置與組合優化、訂單生成與交易執行、績效評估和風險管理等，在各個環節都有不同的方法及量化模型：

一、估值與選股

估值：對上市公司進行估值是公司基本面分析的重要方法，在「價值投資」的基本邏輯下，可以通過對公司的估值判斷二級市場股票價格的扭曲程度，繼而找出價值被低估或高估的股票，作為投資決策的參考。對上市公司的估值包括相對估值法和絕對估值法，相對估值法主要採用乘數方法，如PE估值法、PB估值法、PS估值法、PEG估值法、PSG估值法、EV/EBITDA估值法等；絕對估值法主要採用折現的方法，如公司自由現金流模型、股權自由現金流模型和股利折現模型等。相對估值法因簡單易懂，便於計算而被廣泛使用；絕對估值法因基礎數據缺乏及不符合模型要求的全流通假設而一直處於非主流地位。隨著全流通時代的到來和國內證券市場的快速發展，絕對估值法正逐漸受到重視。

選股：在當前品種繁多的資本市場中，從浩瀚復雜的數據背後選出適合自己投資風格的股票變得越加困難。在基本面研究的基礎上結合量化分析的手段就可以構建數量化選股策略，主流的選股方法如下：

資產配置方法與模型
資產配置類別 資產配置層次 資產配置方法 資產配置模型
戰略資產配置 全球資產配置 大類資產配置 行業風格配置 收益測度 風險測度 估計方法 馬克維茨 MV 模型 均值 -LPM 模型 VaR 約束模型 Black-Litterman 模型
戰術資產配置 ( 動態資產配置 ) 周期判斷 風格判斷 時機判斷 行業輪動策略 風格輪動策略 Alpha 策略 投資組合保險策略

基本面選股：通過對上市公司財務指標的分析，找出影響股價的重要因子，如：與收益指標相關的盈利能力、與現金流指標相關的獲現能力、與負債率指標相關的償債能力、與凈資產指標相關的成長能力、與周轉率指標相關的資產管理能力等。然後通過建立股價與因子之間的關系模型得出對股票收益的預測。股價與因子的關系模型分為結構模型和統計模型兩類：結構模型給出股票的收益和因子之間的直觀表達，實用性較強，包括價值型(本傑明·格雷厄姆—防禦價值型、查爾斯·布蘭迪—價值型等)、成長型(德伍·切斯—大型成長動能、葛廉·畢克斯達夫—中大型成長股等)、價值成長型(沃倫·巴菲特—優質企業選擇法、彼得·林奇—GARP價值成長法等)三種選股方法；統計模型是用統計方法提取出近似線性無關的因子建立模型，這種建模方法因不需先驗知識且可以檢驗模型的有效性，被眾多經濟學家推崇，包括主成分法、極大似然法等。

多因素選股：通過尋找引起股價共同變動的因素，建立收益與聯動因素間線性相關關系的多因素模型。影響股價的共同因素包括宏觀因子、市場因子和統計因子(通過統計方法得到)三大類，通過逐步回歸和分層回歸的方法對三類因素進行選取，然後通過主成分分析選出解釋度較高的某幾個指標來反映原有的大部分信息。多因素模型對因子的選擇有很高的要求，因子的選擇可依賴統計方法、投資經驗或二者的結合，所選的因子要有統計意義上或市場意義上的顯著性，一般可從動量、波動性、成長性、規模、價值、活躍性及收益性等方面選擇指標來解釋股票的收益率。

動量、反向選股：動量選股策略是指分析股票在過去相對短期的表現，事先對股票收益和交易量設定條件，當條件滿足時買進或賣出股票的投資策略，該投資策略基於投資者對股票中期的反應不足和保守心理，在投資行為上表現為購買過去幾個月表現好的股票而賣出過去幾個月表現差的股票。反向選股策略則基於投資者的錨定和過度自信的心理特徵，認為投資者會對上市公司的業績狀況做出持續過度反應，形成對業績差的公司業績過分低估和業績的好公司業績過分高估的現象，這為投資者利用反向投資策略提供了套利機會，在投資行為上表現為買進過去表現差的股票而賣出過去表現好的股票。反向選股策略是行為金融學理論發展至今最為成熟，也是最受關注的策略之一。

二、資產配置

資產配置指資產類別選擇、投資組合中各類資產的配置比例以及對這些混合資產進行實時管理。資產配置一般包括兩大類別、三大層次，兩大類別為戰略資產配置和戰術/動態資產配置，三大層次為全球資產配置、大類資產配置和行業風格配置。資產配置的主要方法及模型如下：

戰略資產配置針對當前市場條件，在較長的時間周期內控制投資風險，使得長期風險調整後收益最大化。戰術資產配置通常在相對較短的時間周期內，針對某種具體的市場狀態制定最優配置策略，利用市場短期波動機會獲取超額收益。因此，戰術資產配置是在長期戰略配置的過程中針對市場變化制定的短期配置策略，二者相互補充。戰略資產配置為未來較長時間內的投資活動建立業務基準，戰術資產配置通過主動把握投資機會適當偏離戰略資產配置基準，獲取超額收益。

三、股價預測

股價的可預測性與有效市場假說密切相關。如果有效市場假說成立，股價就反映了所有相關的信息，價格變化服從隨機遊走，股價的預測就毫無意義，而我國的股市遠未達到有效市場階段，因此股價時間序列不是序列無關，而是序列相關的，即歷史數據對股價的形成起作用，因此可以通過對歷史信息的分析來預測股價。

主流的股價預測模型有灰色預測模型、神經網路預測模型和支持向量機預測模型(SVM)。灰色預測模型對股價的短期變化有很強的預測能力，近年發展起來的灰色預測模型包括GM(1, 1)模型、灰色新陳代謝模型和灰色馬爾可夫模型。人工神經網路模型具有巨量並行性、存儲分布性、結構可變性、高度非線性和自組織性等特點，且可以逼近任何連續函數，目前在金融分析和預測方面已有廣泛的應用，效果較好。支持向量機模型在解決小樣本、非線性及高維模式識別問題中有許多優勢，且結構簡單，具有全局優化性和較好的泛化能力，比神經網路有更好的擬合度。

四、績效評估

作為集合投資、風險分散、專業化管理、變現性強等特點的投資產品，基金的業績雖然受到投資者的關注，但要對基金有一個全面的評價，則需要考量基金業績變動背後的形成原因、基金回報的來源等因素，績效評估能夠在這方面提供較好的視角與方法，風險調整收益、擇時/股能力、業績歸因分析、業績持續性及Fama的業績分解等指標和方法可從不同的角度對基金的績效進行評估。

績效評估模型 / 指標

績效評估准則
擇時 / 股能力
業績歸因分析
風險調整收益
業績持續性
Fama 業績分解

模型 / 指標
T-M 模型

H-M 模型

GII 模型

C-L 模型
資產配置收益

證券選擇收益

行業選擇收益

行業內個股選擇收益
RAROC

Sharp, Stutzer

Treynor, Jensen

, ,
雙向表分析

時間序列相關性
總風險收益

系統風險收益

分散化投資收益

五、基於行為金融學的投資策略

上世紀50～70年代，隨著馬科維茨組合理論、CAPM模型、MM定理及有效市場假說的提出，現代金融經濟學建立了一套成熟的理論體系，並且在學術界占據了主導地位，也被國際投資機構廣泛應用和推廣，但以上傳統經濟學的理論基石是理性人假設，在理性人假設下，市場是有效率的，但進入80年代以後，關於股票市場的一系列研究和實證發現了與理性人假設不符合的異常現象，如：日歷效應、股權溢價之謎、期權微笑、封閉式基金折溢價之謎、小盤股效應等。面對這些金融市場的異常現象，諸多研究學者從傳統金融理論的基本假設入手，放鬆關於投資者是完全理性的嚴格假設，吸收心理學的研究成果，研究股市投資者行為、價格形成機制與價格表現特徵，取得了一系列有影響的研究成果，形成了具有重要影響力的學術流派－行為金融學。

行為金融學是對傳統金融學理論的革命，也是對傳統投資實踐的挑戰。隨著行為金融理論的發展，理論界和投資界對行為金融理論和相關投資策略作了廣泛的宣傳和應用，好買認為，無論機構投資者還是個人投資者，了解行為金融學的指導意義在於：可以採取針對非理性市場行為的投資策略來實現投資目標。在大多數投資者認識到自己的錯誤以前，投資那些定價錯誤的股票，並在股價正確定位之後獲利。目前國際金融市場中比較常見且相對成熟的行為金融投資策略包括動量投資策略、反向投資策略、小盤股策略和時間分散化策略等。

六、程序化交易與演算法交易策略

根據NYSE的定義，程序化交易指任何含有15隻股票以上或單值為一百萬美元以上的交易。程序化交易強調訂單是如何生成的，即通過某種策略生成交易指令，以便實現某個特定的投資目標。程序化交易主要是大機構的工具，它們同時買進或賣出整個股票組合，而買進和賣出程序可以用來實現不同的目標，目前程序化交易策略主要包括數量化程序交易策略、動態對沖策略、指數套利策略、配對交易策略和久期平均策略等。

演算法交易，也稱自動交易、黑盒交易或無人值守交易，是使用計算機來確定訂單最佳的執行路徑、執行時間、執行價格及執行數量的交易方法，主要針對經紀商。演算法交易廣泛應用於對沖基金、企業年金、共同基金以及其他一些大型的機構投資者，他們使用演算法交易對大額訂單進行分拆，尋找最佳路由和最有利的執行價格，以降低市場的沖擊成本、提高執行效率和訂單執行的隱蔽性。任何投資策略都可以使用演算法交易進行訂單的執行，包括做市、場內價差交易、套利及趨勢跟隨交易。演算法交易在交易中的作用主要體現在智能路由、降低沖擊成本、提高執行效率、減少人力成本和增加投資組合收益等方面。主要的演算法包括：交易量加權平均價格演算法(VWAP)、保證成交量加權平均價格演算法(Guaranteed VWAP)、時間加權平均價格演算法(TWAP)、游擊戰演算法(Guerrilla)、狙擊手演算法(Sniper)、模式識別演算法(Pattern Recognition)等。

綜上所述，數量化投資技術貫穿基金的整個投資流程，從估值選股、資產配置到程序化交易與績效評估等。結合量化投資的特點及我國證券市場的現狀，好買認為量化投資技術在國內基金業中的應用將主要集中在量化選股、資產配置、績效評估與風險管理、行為金融等方面，而隨著包括基金在內的機構投資者佔比的不斷提高、衍生品工具的日漸豐富(股指期貨、融資融券等)以及量化投資技術的進步，基金管理人的投資策略將會越來越復雜，程序化交易(系統)也將有快速的發展。

『伍』 量化投資模型如何開發的

量化的模型開發大致分為以下幾個環節：
①數據處理，看你用什麼工具，R還是內Matlab還是python，或者是c++，最容好是工具本身的格式，這樣速度會快的多，比如Rdata，或matlab的mat格式，或者python的npy格式，或者c++的二進制格式，還有就是你要用什麼數據，分鍾數據，切片數據，還是tick數據，根據你的需求不同進行處理。

②指標建立，這個工作可以看成問題的關鍵，如何建立指標，你的思想是什麼，都來源於此，舉個簡單的均線指標，matlab，就是ma=movavg(data,length)
③模型回測，據我理解就是一個大循環:
if time>9. && time<15 && close(i)>ma(i) && p!=1
buy
else
sell
if p==1 && 止損條件
平倉
等等
④計算收益
然後根據收益，夏普比率等，改條件，重復上面的工作。

總結：
開發模型的步驟一般是：數據處理、尋找因子、回測驗證、實盤模擬、風險歸因。

備註：
數據處理：去極值、標准化、中性化；數據預處理。
尋找因子：尋找Alpha、尋找收益波動比因子、另外優礦上提供了近400個因子因子可以自己驗證。

『陸』 如何開發量化投資模型

「主要依據一些可以量化的指標，作出買賣決策。這些指標可以是估值、投資者版情緒權；也可以是基本面、宏觀經濟或者技術方面的；可以是單個的，也可以是多個，或者是經復雜模型合成的。可以是針對整體市場、也可以針對個股買賣。正如一千個人的心中有一千個哈姆雷特，量化擇時指標的選擇也林林總總、不一而同，重點在於能夠構建出一套有明確買賣規則的投資策略。」

『柒』 券商研究報告有一類「量化投資組合策略」的研究報告

你需要理解幾個概念：

1，量化投資：即用一定的策略去表達對投資品種的預期。用各種表達方式來制定各種投資模型，然後按照模型嚴格執行。
2，投資模型（投資策略模型）：根據歷史總結出來的投資模型，會進行不同測試以證明可行性，如歷史數據測試，數據沖擊測試，滑點測試，實盤測試等等，一般能推出的產品都經過考驗。
3，組合：根據模型得出的結果，不同的股票，其所在宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等各方面都不一樣，簡單說，其漲跌預期不一樣，所以其權重也會不一樣。各種的股票湊成一個買賣要素，叫買賣組合

簡單總結一下，券商根據各種數據總結（即量化）出一套買賣策略（即投資策略組合），這個組合經過測試，得出幾個股票，而且股票重要性不同（權重不同）。因為是經過測試（通過考驗），可信度較高，希望客戶（潛在客戶）根據他們的數據進行買賣，特別是對於沒有任何買賣知識的投資者，盈利的可能性較高。
至於自營還是做產品這就無法得知了，因為不知道券商是否有更好的投資策略。

『捌』 量化交易都有哪些主要的策略模型

研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。

量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。 量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。

『玖』 求量化投資數據挖掘與實踐pdf。

我這邊有兩本書，一本是量化投資基礎知識（涉及量化投資模型專、期貨套利、期屬現套利、演算法交易等）另一本是數據挖掘：概念與技術與實戰（原書第3版）不知道是不是你想要的！你這個合並在一起的這本書沒有！！！

量化投資基礎知識（涉及量化投資模型、期貨套利、期現套利、演算法交易等）因為同時不能上傳2哥文件，你要的話我給你發郵箱！