量化交易趨勢策略

『壹』 什麼是量化投資交易策略

一文看懂量化投資策略

閑話基

量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。

跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。

由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。

『貳』 量化交易策略有哪些

01、海龜交易策略

海龜交易策略是一套非常完整的趨勢跟隨型的自動化交易策略。這個復雜的策略在入場條件、倉位控制、資金管理、止損止盈等各個環節，都進行了詳細的設計，這基本上可以作為復雜交易策略設計和開發的模板。

02、阿爾法策略

阿爾法的概念來自於二十世紀中葉，經過學者的統計，當時約75%的股票型基金經理構建的投資組合無法跑贏根據市值大小構建的簡單組合或是指數，屬於傳統的基本面分析策略。

在期指市場上做空，在股票市場上構建擬合300指數的成份股，賺取其中的價差，這種被動型的套利就是貝塔套利。

03、多因子選股

多因子模型是量化選股中最重要的一類模型，基本思想是找到某些和收益率最相關的指標，並根據該指標，構建一個股票組合，期望該組合在未來的一段時間跑贏或跑輸指數。如果跑贏，則可以做多該組合，同時做空期指，賺取正向阿爾法收益；如果是跑輸，則可以組多期指，融券做空該組合，賺取反向阿爾法收益。多因子模型的關鍵是找到因子與收益率之間的關聯性。

04、雙均線策略

雙均線策略，通過建立m天移動平均線，n天移動平均線，則兩條均線必有交點。若m>n，n天平均線「上穿越」m天均線則為買入點，反之為賣出點。該策略基於不同天數均線的交叉點，抓住股票的強勢和弱勢時刻，進行交易。

雙均線策略中，如果兩根均線的周期接近，比如5日線，10日線，這種非常容易纏繞，不停的產生買點賣點，會有大量的無效交易，交易費用很高。如果兩根均線的周期差距較大，比如5日線，60日線，這種交易周期很長，趨勢性已經不明顯了，趨勢轉變以後很長時間才會出現買賣點。也就是說可能會造成很大的虧損。所以兩個參數選擇的很重要，趨勢性越強的品種，均線策略越有效

05、行業輪動

行業輪動是利用市場趨勢獲利的一種主動交易策略其本質是利用不同投資品種強勢時間的錯位對行業品種進行切換以達到投資收益最大化的目的。

06、跨品種套利

跨品種套利指的是利用兩種不同的、但相關聯的指數期貨產品之間的價差進行交易。這兩種指數之間具有相互替代性或受同一供求因素制約。跨品種套利的交易形式是同時買進和賣出相同交割月份但不同種類的股指期貨合約。主要有相關商品間套利和原料與成品之間套利。

跨品種套利的主要作用一是幫助扭曲的市場價格回復到正常水平；二是增強市場的流動性。

07、指數增強

增強型指數投資由於不同基金管理人描述其指數增強型產品的投資目的不盡相同，增強型指數投資並無統一模式，唯一共同點在於他們都希望能夠提供高於標的指數回報水平的投資業績。為使指數化投資名副其實，基金經理試圖盡可能保持標的指數的各種特徵。

08、網格交易

網格交易是利用市場震盪行情獲利的一種主動交易策略，其本質是利用投資標的在一段震盪行情中價格在網格區間內的反復運動以進行加倉減倉的操作以達到投資收益最大化的目的。通俗點講就是根據建立不同數量.不同大小的網格，在突破網格的時候建倉，回歸網格的時候減倉，力求能夠捕捉到價格的震盪變化趨勢，達到盈利的目的。

09、跨期套利

跨期套利是套利交易中最普遍的一種，是股指期貨的跨期套利（Calendar Spread Arbitrage）即為在同一交易所進行同一指數、但不同交割月份的套利活動。

10、高頻交易策略

高頻交易是指從那些人們無法利用的極為短暫的市場變化中尋求獲利的計算機化交易，比如，某種證券買入價和賣出價差價的微小變化，或者某隻股票在不同交易所之間的微小價差。這種交易的速度如此之快，以至於有些交易機構將自己的「伺服器群組」安置到了離交易所的計算機很近的地方，以縮短交易指令通過光纜以光速旅行的距離。

『叄』 十大經典量化交易策略

海龜交易策略
阿爾法策略
多因子選股
雙均線策略
行業輪動
跨品種套利
指數增強
網格交易
跨期套利
高頻交易策略

拓展資料
海龜交易法是著名的公開交易系統，1983年著名的商品投機家理查德. 丹尼斯在一個交易員培訓班上推廣而聞名於世，它涵蓋了交易系統的各個方面。其法則覆蓋了交易的各個方面，並且不給交易員留下一點主觀想像決策的餘地。它具備一個完整的交易系統的所有成分。
海龜交易法的內容
一個完整的交易系統包含了成功的交易所需的每項決策：
1、市場----買賣什麼
2、頭寸規模----買賣多少
3、入市----何時買賣
4、止損----何時退出虧損的頭寸
5、離市----何時退出贏利的頭寸
6、策略----如何買賣
市場——買賣什麼
第一項決策是買賣什麼，或者本質上在何種市場進行交易。如果你只在很少的幾個市場中進行交易，你就大大減少了趕上趨勢的機會。同時，你不想在交易量太少或者趨勢不明郎的市場中進行交易。
頭寸規模——買賣多少
有關買賣多少的決策絕對是基本的，然而，通常又是被大多數交易員曲解或錯誤對待的。
買賣多少既影響多樣化，又影響資金管理。多樣化就是努力在諸多投資工具上分散風險，並且通過增加抓住成功交易的機會而增加贏利的機會。正確的多樣化要求在多種不同的投資工具上進行類似的（如果不是同樣的話）下注。資金管理實際上是關於通過不下注過多以致於在良好的趨勢到來之前就用完自己的資金來控制風險的。
買賣多少是交易中最重要的一個方面。大多數交易新手在單項交易中冒太大的風險，即使他們擁有其他方面有效的交易風格，這也大大增加了他們破產的機會。
入市——何時買賣
何時買賣的決策通常稱為入市決策。自動運行的系統產生入市信號，這些信號說明了進入市場買賣的明確的價位和市場條件。
止損——何時退出虧損的頭寸
長期來看，不會止住虧損的交易員不會取得成功。關於止虧，最重要的是在建立頭寸之前預先設定退出的點位。
離市——何時退出贏利的頭寸
許多當作完整的交易系統出售的「交易系統」並沒有明確說明贏利頭寸的離市。但是，何時退出贏利頭寸的問題對於系統的收益性是至關重要的。任何不說明贏利頭寸的離市的交易系統都不是一個完整的交易系統。
策略——如何買賣
信號一旦產生，關於執行的機械化方面的策略考慮就變得重要起來。這對於規模較大的帳戶尤其是個實際問題，因為其頭寸的進退可能會導致顯著的反向價格波動或市場影響。

『肆』 量化交易都有哪些主要的策略模型

1、Alpha策略

全對沖的叫做Alpha策略，不對沖的在市面上常被稱作指數增強策略。二者所用模型一樣，但後者少了期貨的對沖。缺少對沖有壞處也有好處，壞處是這種策略的收益曲線是會有較大的回撤。但好處方面，在大漲的年份，這種策略的表現會特別好。

2、CTA策略

CTA策略的特點是收益風險比相對Alpha來說會較低。但是在行情較好的年份收益可能會很高，尤其是在早期。而且，無論是在編程還是策略上，CTA入門的難度相對來說都是最低的。

3、高頻交易策略

國內使用高頻交易策略主要應用在，期貨趨勢、期貨套利、期貨做市、股票T+0以及全做市交易，國外機構自營交易，比如美股以及股指等。國內做高頻交易的基本上都是私募，但高頻交易的產品基本上不會對外募集或者極少對外募集。

國內發展趨勢

國內量化投資規模大概是3500到4000億人民幣，其中公募基金1200億，其餘為私募量化基金，數量達300多家，佔比3%(私募管理人共9000多家)，金額在2000億左右。

中國證券基金的整體規模超過16萬億，其中公募14萬億，私募2.4萬億，樂觀估計，量化基金管理規模在國內證券基金的佔比在1%~2%，在公募證券基金佔比不到1%，在私募證券基金佔比5%左右，相比國外超過30%的資金來自於量化或者程序化投資，國內未來的增長空間巨大。

『伍』 關於量化交易，這些入門知識你需要了解

這篇文章將向你介紹量化交易系統的一些基本概念。本文主要面向兩類讀者，第一類是正在努力尋找一份量化交易員工作的求職者，第二類是期望嘗試開啟自己量化交易事業的個人投資者。關於量化交易，這些入門知識你需要了解。
量化交易是數量金融學一個極其艱深復雜的領域。若要通過面試或構造你自己的交易策略，就需要你投入時間學習一些必備知識。
量化交易系統包括四個主要部分：
策略識別：搜索策略、挖掘優勢、確定交易頻率。
回溯測試：獲取數據、分析策略性能、剔除偏差。
交割系統：連接經紀商、使交易自動化、使交易成本最小化。
風險管理：最優資本配置、最優賭注或凱利准則、交易心理學。
我們首先來談談如何識別一個交易策略。
策略識別
所有量化交易流程都肇始於一個初期研究。這個研究流程包括搜索一個策略、檢驗它是否適合你可能正在運作的策略組合、獲取任何測試策略時所需數據、努力優化策略使其預期年化預期收益更高且(或)風險更低。如果你是一個「散戶」交易員，一定要清楚自己的資金是否充足，以及交易成本對策略的影響。
通過各種公開數據搜索可盈利的策略實際上十分簡單，並沒有大家想的那麼難。研究學者會定期發表理論交易結果(雖然大多為交易成本總額)。一些數量金融學主題博文也會詳細討論策略。交易期刊還會簡報一下基金管理公司使用的一些策略。
你可能會問，個人與公司怎麼可能願談他們的可盈利策略，特別是當他們知道，如果其他人「復制相同的策略」，長期而言它終將失效。
原因就在於，他們通常不會透露具體的參數以及他們所使用的調參方法，而這些優化技能才是把一個表現平庸的策略調成一個回報豐厚的策略所需的關鍵技術。實際上，若要創建你自己的、獨一無二的策略，一個最好的法子就是尋找相似的方法，爾後執行你自己的優化程序。
你所看到的很多策略都可歸入均值回歸交易策略、趨勢跟隨或動量交易策略兩類。
均值回歸策略試圖利用這么一個事實：「價格序列」(如兩個關聯資產的價差)存在一個長期均值，價格對均值的短期偏離終將回歸。
動量交易策略則試圖「搭上市場趨勢的順風車」，利用投資心理和大基金結構信息在一個方向積聚動量，跟隨趨勢直至回歸。
定量交易還有一個重要方面，即交易策略的頻率。低頻交易(Low Frequency Trading， LFT)通常指持有資產超過一個交易日的策略。相應地，高頻交易(High Frequency Trading， HFT)通常指持有資產一個交易日的策略。
超高頻交易(Ultra-High Frequency Trading， UHFT)指持有資產的時常達秒級與毫秒級的策略。雖然散戶可以進行HFT與UHFT交易，但也只是在你掌握了交易「技術棧」與訂單簿動力學的詳細知識後才有可能。本篇入門文章，我們不會對這些問題做任何深入探討。
策略或策略集合一旦確定，現在就需要在歷史數據上測試其盈利能力，這就進入了回溯測試的工作范圍。
回溯測試
回溯測試的目標是提供證據，佐以證明通過以上流程所確定的策略，無論是應用於歷史(訓練)數據還是測試數據均可盈利。它可以反映該策略未來在「真實世界」中的預期表現。
由於種種原因，回溯測試不能保證一定成功。這或許就是量化交易最為微妙之處，由於它包含了大量的偏差，我們必須盡盡力仔細審查並剔除它們。
我們將討論幾種常見類型的偏差，包括先窺偏差、倖存者偏差與優化偏差(亦稱「數據窺視偏差」)。回溯測試中其他幾個重要方面，包括歷史數據的可用性與清潔度、真實交易成本及可靠回測平台上的決定。我們會在後續「交割系統」一節深入討論交易成本。
策略一旦確定，我們就需要獲取歷史數據，並藉此展開測試，如有可能還可改進策略。現在賣數據的很多，所有資產類型的數據都有。通常，數據的質量、深度、時間間隔不同，其價格也不同。
剛入門的量化交易員(至少零售等級)最初使用雅虎金融板塊(Yahoo Finance)的免費數據就行。對於數據供應商，這里不再贅言。我想重點談一談處理歷史數據時，時常遇到的問題。
對於歷史數據，人們主要關心的問題，包括數據精度或清潔度、倖存者偏差、應對如分發紅利、拆分股票等公司行為的調整。
精度與數據整體質量有關，無論數據是否包含錯誤。有時錯誤容易識別，比如使用一個窄帶濾波器，就可以找出時間序列數據中的「窄帶」並更正它們。其他時候，錯誤又很難甄別，經常需要根據多個數據供應商提供的數據進行對比檢查。
倖存者偏差通常是免費數據集或廉價數據集的一個」特徵「。對於一個帶有倖存者偏差的數據集，它不包含已經不再交易的資產數據。不再交易的證券，則表示已經退市或破產公司的股票。如果數據集中含有此類偏差，策略在此數據集上的測試表現可能比在」真實世界「里表現的更好，畢竟歷史」贏家「已經被預先篩選出來，作為訓練數據使用。
公司行為即公司開展的常引發原始價格階梯形變化的」邏輯「活動，它不應該計入價格預期年化預期收益。公司分發紅利和拆分股票行為是引發調整的兩個常見行為，二者無論發生哪一種，都需要進行一個」回調「的流程。我們一定要留心，不要把股票拆分和真實預期年化預期收益調整混為一談。許多交易員在處理公司行為時都碰過壁！
為了開展回溯測試，我們必須使用一個軟體平台。你可以選擇一個專門的回測軟體如MultiCharts，一個數值平台如Excel或MATLAB，或者一個用Python或C++完全自主實現的平台。對於MultiCharts(或類似平台)，個人是比較介紹，對於編程的要求比較低。
在做系統回測時，一定要量化表示系統性能。定量策略的「業界標准」度量為最大資金回挫與夏普比率。最大資金回挫表示一段時間(通常一年)內賬戶資金曲線從波峰至波谷的最大跌幅，常使用百分比表示。
由於大量的統計因素，LFT策略比HFT策略的資金回挫更高。歷史回測會顯示過去的最大資金回挫，它能夠較為貼切地反映策略的未來資金回挫情況。第二個度量指標是夏普比率，它被啟發式地定義為「超額預期年化預期收益均值與超額預期年化預期收益標准差的比值」。
這里，超額預期年化預期收益表示策略預期年化預期收益超出某個預定基準，如標普500或三月期短期國債(預期年化預期收益)的額度。注意人們通常不使用歷史預期年化預期收益指標，因為它忽略了策略波動性的影響，而夏普比率卻考慮到了這一點。
如果經過回測，策略的夏普比率很高且其最大資金回挫已經最小化，則可以認為它趨於無偏，下一步就是要搭建一個交割系統。
交割系統
交割系統是一個方法集合，由它來控制交易策略生成的交易列表的發送和經紀商的交割行為。事實上，交易可以半自動、甚至全自動生成，而執行機制可以手動、半自動(即「點擊一次交割一項」)或者全自動。
盡管如此，對於LFT策略，手動和半自動技術卻比較常見；對於HFT策略，則必須創建一個全自動交割機制，由於策略和技術彼此依賴，還要經常與交易指令生成器緊密相接。
在搭建交割系統時，我們需要考慮幾個關鍵因素：連接經紀商的介面、交易成本(包括傭金、滑動價差與價差)最小化、實時系統與回測時系統性能的差異。
聯系經紀人的方法有很多，你可以直接電話聯系他，也可以通過一個全自動高性能的應用程序介面(API)實現。理想情況，就是希望交割交易的自動化程度盡可能高。這樣一來，你不僅可以脫開身集中精力進行深入研究，還能運行多個策略、甚至HFT策略(實際上，如果沒有自動化交割，HFT根本不可能)。
前面說過的幾種常用回溯測試軟體如MATLAB、Excel和MultiCharts，對於LFT策略或簡單策略都是不錯的選擇。但是，如果要做真正的HFT，你就必須要構造一個用高性能語言(如C++)編寫的內部交割系統。
說個我的親身經歷，以前受聘於一家基金管理公司，我們有一個十分鍾的「交易周期」，每隔十分鍾下載一次新的市場數據，然後根據這十分鍾的信息進行交割。這里用的是一個優化的Python腳本。對於任何處理分鍾級或秒級頻率數據的工作，我相信C/C++更理想。
在一家大型的基金管理公司，交割系統的優化通常不在量化交易員的工作范圍。但是，在小點的公司或高頻交易公司，交易員就是交割人，所以技術面越廣越好。你要想進一家基金管理公司，一定要記住這一點。你的編程能力不說比你的統計學和計量經濟學稟賦更重要，至少也同樣重要！
另外一個屬於交割系統的重要問題是交易成本最小化。一般地，交易成本由三部分構成：傭金(或稅收)、損耗與價差。傭金是向經紀商、交易所和證券交易委員會(或類似政府監管機構)支付的費用；滑動價差是你的預期交割價位與真實交割價位的差值；價差則是待交易證券的賣出價與買入價之差。注意價差不是常數，它依賴於市場當前流動性(即買單和賣單數量)。
交易成本是決定一個策略是高夏普比率且盈利豐厚，還是低夏普比率且極不盈利的關鍵。根據回溯測試正確預測未來的交易成本很具有挑戰性，你需要根據策略頻率，及時獲取帶有賣出價與買入價信息的歷史交易數據。
為此，大型基金管理公司量化交易的整個團隊都專注於交割優化。當基金管理公司需要拋售大量交易時(原因五花八門)，如果向市場「傾瀉」大批股票，會迅速壓低價格，可能都來不及以最優價格交割。
因此，縱使遭受損耗風險，基金管理公式也會選擇使用演算法交易，通過「打點滴」的方式向市場出單。此外，其他策略如若「捕到」這些必要性條件，也能利用市場失效(獲利)。這是基金結構性套利的內容。
交割系統最後一個主要問題關繫到策略的實時性能與回測性能的差異。這種差異由多種因素造成，比如我們在「回溯測試」一節已經深入討論過的前窺偏差與最優化偏差。
然而，對於有些策略，在部署之前不易測得這些偏差。這種情況對於HFT最為常見。交割系統和交易策略本身均可能存在程序錯誤，回溯測試時沒有顯現卻在實時交易時出來搗亂。市場可能受到繼交易策略部署後的一場政變的影響，而新的監管環境、投資者情緒與宏觀經濟形勢的變化也均可能導致現實市場表現與回溯測試表現的差異，從而造成策略盈利性上的分歧。
風險管理
量化交易迷宮的最後一塊是風險管理程序。風險包含我們之前談論的所有偏差。它包括技術風險，比如所有在交易所的伺服器突然發生硬碟故障。它還包括經紀風險，如經紀商破產(此說並非危言聳聽，引發恐慌的明富環球就是一個例子)。
總而言之，它覆蓋了幾乎所有可能幹擾到交易實現的因素，而其來源各不相同。已經有成套的書籍介紹量化交易策略的風險管理，本人也就不再對所有可能的風險來源做詳細說明。
風險管理還包括投資組合理論的一個分支，即所謂的「最優資本配置」，涉及到如何將資本分配給一組策略、如何將資本分配給策略內不同交易的方法。這是一個復雜的領域，依賴於一些高級數學知識。
最優資本配置與投資策略杠桿通過一個名為凱利准則的業界標准建立聯系。本文是一篇入門文章，我在此不詳談其計算。凱利准則對策略預期年化預期收益的統計性質做過一些假設，但是它們在金融市場中並不一定成立，交易員因此在實現時通常會有所保留。
風險管理的另外一個關鍵成分涉及到交易員自身心理因素的處理。盡管大家都承認，演算法交易若無人為干涉，不太容易出現問題。交易員在交易時，稍不留神仍然可能會摻入許多認知偏差。
一個常見的偏差是厭惡規避，當人發現損失已成定局，其所帶來的痛苦，可能會麻痹人的行為，不能做到及時拋盤止損。類似地，由於太過憂心已經到手的預期年化預期收益可能賠掉，人們可能也會過早拋盤收利。
另外一個常見的偏差是所謂的偏好偏差：交易員太看重事件而非長遠地看問題。此外，當然不能落下「恐懼與貪婪」這對經典的情緒偏差。這兩種偏差常導致杠桿不足或杠桿過度，造成爆倉(賬戶資產凈值近乎為零或更糟)或盈利縮水的局面。
總結
由此觀之，量化交易是數量金融學中一個雖趣味十足但極其復雜的領域。我對這個話題的討論淺嘗輒止，文章就已經這么長了！我在文中三言兩句帶過的問題，已經有大量的相關書籍和論文出版。
因此，在你申請量化基金交易職位前，務必要進行大量的基礎調研，至少應當具有統計學和計量經濟學的廣泛背景，以及使用MultiCharts、MATLAB、Python或者R程序語言實現的豐富經驗。如果應對的是更加復雜的高頻端策略，你的技能組合可能還要包含Linux內核修改、C/C++、匯編編程和網路延遲優化。

『陸』 量化交易主要有哪些經典的策略

交易策略，量化策略，主觀策略，常見策略。

交易策略：一個完整的交易策略一般包括交易標的的選擇，進出場時機的選擇，倉位和資金管理等幾個方面。按照人的主觀決斷和計算機演算法執行在策略各方面的決策中的參與程度的不同，可以將交易策略分為主觀策略和量化策略。

主觀策略：主觀策略主要依靠投資者的主觀判斷，期貨市場的投資者通過對產業上中下游、供需、宏觀經濟預期等的調查做出自己的判斷。類似股票市場的主觀投資者通過深入研究行業的各個方面，調查行業內的上市公司，形成交易決策。

量化交易注意事項

在量化交易中，交易規則、參數和回測都要依靠歷史數據計算獲得。我們無法判斷這些從歷史數據中獲得的規律能否在未來的市場中持續有效，所構建的交易模型也無法判斷能否應用。

簡單的量化因子和策略更容易讓人理解和接受，但越是簡單的策略越容易被人們知悉，量化交易所獲得的超額收益也越低。

『柒』 請教一下，量化交易策略思想是怎樣形成的

沒有人天生就是交易者，更別提成功的交易者了。交易策略和交易思想，都是後天實戰和訓練，逐步培養起來的。《海龜交易法則》一書中就寫到，交易員是可以後天培養的。確實，那些“海龜”通過丹尼斯教導的交易方法，獲得了驚人的收益。

所以，什麼交易策略、交易思想都是後話，前提是保證自己的賬戶里還有足夠的錢，別讓賬戶死掉。

『捌』 量化交易策略研發的三個層次

最近調研了一些投資公司，發現一些人說自己做的是量化交易，卻搞不清楚到底什麼是量化交易。

我是個很愛學習的人，為了弄清楚什麼事量化交易，特意查網路逛知乎，我是從這個問題開始的：

程序化交易是量化交易嗎？

這里我先把幾個概念總結一下：

程序化交易

或者自動化交易，是將策略交由計算機執行的交易模式。量化交易中，不少交易是通過計算機自動執行的，但兩者不能劃等號。

對沖交易

更多說的是一種交易理念，而非具體的策略。

量化交易

更多是基於數據和歷史統計基礎，制定的一些交易策略。哪怕不用計算機執行，但基於交易因素的數量變化引發的交易，都可以叫做量化交易。

而後，我在知乎上扒到一段文字，介紹了量化交易的策略研發方法，可以比較好的解答不同概念之間的關系，以及量化策略的進階。作者將量化策略研發分成三個層次：

第一類：傳統策略量化

很久以前，交易員們就開始做趨勢策略、反轉策略、剝頭皮策略、做市策略等各種不同風格的策略，只不過那時是手工操作，或者半自動化。隨著市場發展技術成熟，量化交易把這些策略的研發和執行自動化了，從而提高了研發效率和水平、降低了交易成本，較大程度的排除了人的不穩定因素。

這類交易，可以說是利用技術來提高原有策略的研發和執行，並且交易頻率和規模也有了變化，但本質上並不算嶄新的策略類別，以前賺錢的策略也許能賺的多一些，虧錢的策略，量化也不能把他變成賺錢，這就是 【思路錯了量化也救不了你】 。

目前國內多數量化交易都屬於此類。

第二類：科學技術驅動策略

純粹或很大程度上基於技術(technologies)差別的策略。這個類別也有一定歷史，但真正變成一個龐大且引人注目的策略類別，則是在近10年計算機技術的飛速發展過程中產生的。常見的情形是，某機構因為採用的演算法效率更高，計算機硬體更強大（超級計算機），產生了細微的速度和計算優勢，從而在交易上搶得先機，並運用自動化交易頻繁交易大量產品，用巨大的交易量產生穩定的收益。這類策略中IT技術和科學模型起了很關鍵的作用。這就是【 技術就是你的思路】 。

舉個例子：

較早開始高頻交易的Tradebot就是這類策略的典型運用者，在2002年就達到了每天一億個訂單，差不多在那個時候很多傳統做市商被Tradebot和Getco這樣的新型電子做市商擠出市場，後來Tradebot和Getco同樣一路用技術碾壓其它電子做市商競爭對手。

在2005年, Tradebot 剝離了BATS Global Markets，也就是現在美國第三大股票市場BATS。而1999年Tradebot剛成立時，工作室地點是美國農村Kansas City的一間小地下室，裡面陰暗潮濕，只有5個交易員坐在電腦屏幕前監控交易，那時每台電腦上都配備了一套叫著「Tradebot」的軟體。而Getco 對策略的運用更廣，野心更大。2012年，也是老牌做市商的 Knight 因技術故障，向紐交所發送大量錯誤order，導致公司巨虧4.4億美元，股價兩個交易日暴跌七成，被Getco以18億美元價格收購。

人們常對西蒙斯文藝復興的大獎章基金長期持續的高回報印象深刻，而實際上不太為媒體所知的是 Tradebot 常年保持每天（而不是每月或每年）盈利，not even one single losing day，原因是文藝復興有很多新基金要向外部投資者融資（賺錢的大獎章很早停止了外部融資，而實際新基金錶現比大獎章差很多），需要做一定程度的IR，而Tradebot不對外部投資者開放，自己低調賺錢，這也是HFT很普遍的特點。如果不是市場幾次出現大動盪，HFT被揪出來當替罪羊，媒體口誅筆伐，基本是沒有多少人知道這個低調類別的存在。

這一類，國內已經有一小批類似的交易者進入，他們深入研究交易規則和市場結構，制定相應的高頻策略，配合高效軟體硬體，爭取積少成多的盈利。

第三類：新型量化策略

這類策略則是得益於計算機技術的發展，而慢慢發展起來的策略類別。它不完全是基於執行的技術優勢，更多是利用技術研發出新策略。例如統計套利，需要較多計算機計算資源進行數據挖掘、模式識別，這在以前僅僅靠人力是難以勝任的。IT技術的發展和成本的降低使得這些策略的研發得以可行。這就是 【技術產生新策略】 。

這一類目前國內還處於萌芽期。

【感謝知乎作者 Leon 】

拓展： 如何設計量化交易策略？

『玖』 散戶如何做量化交易

量化交易是指投資者將交易策略的邏輯與參數經過電腦程序運算後，將交易策略系統化，然後通過電腦自動下單來完成交易。

在量化交易過程中，散戶可以這樣做：

1、根據個股的歷史數據，進行多因子選股，比如，把市盈率、市凈率、市銷率等作為選股標准，選出一些價值被低估，或者處於合理區域的個股。

2、順勢交易，即在上漲的趨勢中買入，在下跌的趨勢中賣出。

3、進行合理的倉位管理，即採取漏斗形倉位管理法、矩形倉位管理法、金字塔形倉位管理法等，好應對個股後期的風險。

4、再根據個股的歷史走勢，尋找個股的支撐位和壓力位，把它們作為止損、止盈點，即在壓力位置，且獲得收益的時候及時賣出；在跌破支撐位時，且股票虧損的時候及時賣出股票，避免更大的損失。