量化交易圖形匹配

A. 什麼是量化交易，未來前景如何知道的講講。

量化交易，有時候也稱自動化交易，是指以先進的數學模型替代人為的主觀判斷，避免在專市場極屬度狂熱或悲觀的情況下做出非理性的投資決策。
在股票市場上，量化交易早不是什麼新聞，在國外，七成的交易都是通過計算機決策的，在國內這個數字也接近五成。
過去的股票市場都是靠交易員手動敲鍵盤來操作的，難免一失手成千古恨，這種行為被戲稱為「胖手指」，相比之下，量化交易則如同點石成金的「仙人指」。量化里最美的童話就是「旱澇保收」，牛市也好，熊市也罷，都能大賺特賺。
量化交易的優勢：1. 嚴格的紀律性 2. 完備的系統性 3. 妥善運用套利的思想 4. 靠概率取勝
量化交易的風險性：首先是一二級市場「級差」風險，其次是交易員操作風險，最後是系統軟體的風險。
滿意請採納答案，有不明白的可以繼續提問。

B. 配對交易策略的股票組合價差圖怎麼做

經典量化交易策略(包括價值投資、技術指標、配對輪動、機器學習等)、研究型文章等

C. 我想編圖形選股公式，但是不知道量化標準是什麼怎麼確定

你自己先要有個選股的思路，至少能用文字描述出來，然後再想辦法用公式去實現。

D. 高分求教有關圖像匹配的問題

大概的流程應該是這樣的。
1、 首先在圖像上找幾個控制點，一般是人工選擇，可以用Eardas等軟體來完成。
2、根據初始控制點，求解變換多項式系數，多項式的次數可以是一次或兩次，這里求解的時候可以用最小二乘法。
3、循環處理圖像上的每一點，步驟如下：
3.1 在左片上確定一點（x0，y0），以此點為中心，開一個n*n大小的窗口（比如n=25）。放入buffer1。
3.2 通過第二步計算的多項式參數，計算右片上的對應點（X0，Y0），以該點為中心，開一個m*m的窗口。（比如m=50*50）
3.3 依次在右片窗口中取n*n大小的數據，放入buffer2。buffer1和buffer2進行相關性計算，得到相關系數R。也就計算m*m次，比較每次的相關系數R。最大值R對應的位置，即為關鍵點位置。
補充說明：在進行第3步之前，可能對左片還要進行信息熵，標准差處理，得到左片圖像上信息量豐富的點，不豐富的點附0值。這樣可以減少第三步循環的次數。

E. 股票量化交易策略是什麼意思

股市是一門經濟學，哲學，概率學，心理學的綜合體，想要成功，回需要不斷去感答悟去總結每一次的失敗，這樣才能走的更好更遠。

第一個理念：

順勢而為

股市的大趨勢決定個股的走勢，當指數大漲時個股更容易爆發，這個時候適合重倉介入，當然要注意獲利就出;當市場處於弱勢時，就要考慮輕倉介入，不盲目追漲。

第二個理念：

選定有價值的公司

在投資中，選定有價值的公司很重要，因為這些公司有很強的上漲潛力，一旦市場有好的信號，或者公司有大利好時，股價就會飛速上漲，所以這樣的公司更容易讓普通股民賺到錢。

第三個理念：

分批建倉 堅持到底

在投資中，投資者要住的是要做好投資策略，一般的策略就是分批建倉，在市場下跌時以倒金字塔形態建倉，在市場上漲時，以金字塔形態減倉。如果股票短期被套，市場情況還可以的話，則要選擇堅持持倉。

天字一號量化交易系統通過設定不同的各種指標條件，一旦市場交易情況滿足這些條件時就自動彈出一些操作指示；設定值達到開倉條件，系統會彈出買入信號、設定值達到減倉條件賣出一半或者全部賣出等。

F. 為什麼不同的圖像匹配的特徵點數量卻更多

圖像特徵特點及常用的特徵提取與匹配方法
常用的圖像特徵有顏色特徵、紋理特徵、形狀特徵、空間關系特徵。
一 顏色特徵
（一）特點：顏色特徵是一種全局特徵,描述了圖像或圖像區域所對應的景物的表面性質。一般顏色特徵是基於像素點的特徵，此時所有屬於圖像或圖像區域的像素都有各自的貢獻。由於顏色對圖像或圖像區域的方向、大小等變化不敏感，所以顏色特徵不能很好地捕捉圖像中對象的局部特徵。另外，僅使用顏色特徵查詢時，如果資料庫很大，常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特徵的方法，其優點是不受圖像旋轉和平移變化的影響，進一步藉助歸一化還可不受圖像尺度變化的影響，基缺點是沒有表達出顏色空間分布的信息。
（二）常用的特徵提取與匹配方法
（1）
顏色直方圖
其優點在於：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所佔的比例，特別適用於描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在於：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。
最常用的顏色空間：RGB顏色空間、HSV顏色空間。
顏色直方圖特徵匹配方法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。
（2） 顏色集
顏色直方圖法是一種全局顏色特徵提取與匹配方法，無法區分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉化成視覺均衡的顏色空間（如 HSV 空間），並將顏色空間量化成若干個柄。然後，用色彩自動分割技術將圖像分為若干區域，每個區域用量化顏色空間的某個顏色分量來索引，從而將圖像表達為一個二進制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區域的空間關系。

G. 量化網上的量化交易到底有沒有什麼風險

還是有潛在風險的，如果行情數據不完整，可能會導致模型與行情數據不匹配，所以數據的完整性還是很重要的。

H. 2.什麼是量化交易

量化交易有專門的量化交易系統，是全自動化的交易。
簡單的說，是把相關投資模型、投資策略，以計算機程序的形式，放在量化交易系統中，當股市觸發了相關條件後，電腦系統會按照預先設定好的策略進行自動買賣。
優點是：1、不存在人性的弱點，紀律性大幅提高。2、人靠眼睛盯盤精力有限，量化策略設定好後，系統可以全方位自動盯盤，可以發現一些人為難以發現的機會，進行無風險或低風險套利操作，交易效率大幅提高。3、可以通過概率取勝。手工統計大數據工作量太大，而通過量化系統則可以很容易實現，系統可以在歷史數據中挖掘有望重復的規律並加以利用，以概率取勝。
缺點是：1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。2、網路中斷，硬體故障也可能對量化交易產生影響。3、同質模型產生競爭交易現象導致的風險。4、針對專業投資者，有些風險完全可以利用以往操作經驗以及盤感進行提前規避，而量化交易則無法辦到。

I. 基於特徵點對的圖像匹配中，用什麼方法處理匹配錯的的點進行過濾

圖像特徵特點及常用的特徵提取與匹法
常用的圖像特徵有顏色特徵、紋理特徵、形狀特徵、空間關系特徵。
一 顏色特徵
（一）特點：顏色特徵是一種全局特徵,描述了圖像或圖像區域所對應的景物的表面性質。一般顏色特徵是基於像素點的特徵，此時所有屬於圖像或圖像區域的像素都有各自的貢獻。由於顏色對圖像或圖像區域的方向、大小等變化不敏感，所以顏色特徵不能很好地捕捉圖像中對象的局部特徵。另外，僅使用顏色特徵查詢時，如果資料庫很大，常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特徵的方法，其優點是不受圖像旋轉和平移變化的影響，進一步藉助歸一化還可不受圖像尺度變化的影響，基缺點是沒有表達出顏色空間分布的信息。
（二）常用的特徵提取與匹法
（1）
顏色直方圖
其優點在於：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所佔的比例，特別適用於描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在於：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。
最常用的顏色空間：RGB顏色空間、HSV顏色空間。
顏色直方圖特徵匹法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。
（2） 顏色集
顏色直方圖法是一種全局顏色特徵提取與匹法，無法區分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉化成視覺均衡的顏色空間（如 HSV 空間），並將顏色空間量化成若干個柄。然後，用色彩自動分割技術將圖像分為若干區域，每個區域用量化顏色空間的某個顏色分量來索引，從而將圖像表達為一個二進制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區域的空間關系。

J. 量化交易有什麼類型

閃牛分析：
概念
量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。

特點
定量投資和傳統的定性投資本質上來說是相同的，二者都是基於市場非有效或弱有效的理論基礎。兩者的區別在於定量投資管理是「定性思想的量化應用」，更加強調數據。量化交易具有以下幾個方面的特點：
1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以剋制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。
2、系統性。具體表現為「三多」。一是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。
3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。
4、概率取勝。一是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。
應用編輯
量化投資技術包括多種具體方法，在投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利和演算法交易等領域得到廣泛應用。在此，以統計套利和演算法交易為例進行闡述。
1、統計套利
統計套利是利用資產價格的歷史統計規律進行的套利，是一種風險套利，其風險在於這種歷史統計規律在未來一段時間內是否繼續存在。
統計套利的主要思路是先找出相關性最好的若干對投資品種，再找出每一對投資品種的長期均衡關系（協整關系），當某一對品種的價差（協整方程的殘差）偏離到一定程度時開始建倉，買進被相對低估的品種、賣空被相對高估的品種，等價差回歸均衡後獲利了結。股指期貨對沖是統計套利較長採用的一種操作策略，即利用不同國家、地區或行業的指數相關性，同時買入、賣出一對指數期貨進行交易。在經濟全球化條件下，各個國家、地區和行業股票指數的關聯性越來越強，從而容易導致股指系統性風險的產生，因此，對指數間的統計套利進行對沖是一種低風險、高收益的交易方式。
2、演算法交易。
演算法交易又稱自動交易、黑盒交易或機器交易，是指通過設計演算法，利用計算機程序發出交易指令的方法。在交易中，程序可以決定的范圍包括交易時間的選擇、交易的價格，甚至包括最後需要成交的資產數量。
演算法交易的主要類型有: (1) 被動型演算法交易，也稱結構型演算法交易。該交易演算法除利用歷史數據估計交易模型的關鍵參數外，不會根據市場的狀況主動選擇交易時機和交易的數量，而是按照一個既定的交易方針進行交易。該策略的的核心是減少滑價（目標價與實際成交均價的差）。被動型演算法交易最成熟，使用也最為廣泛，如在國際市場上使用最多的成交加權平均價格（VWAP）、時間加權平均價格（TWAP）等都屬於被動型演算法交易。 (2) 主動型演算法交易，也稱機會型演算法交易。這類交易演算法根據市場的狀況作出實時的決策，判斷是否交易、交易的數量、交易的價格等。主動型交易演算法除了努力減少滑價以外，把關注的重點逐漸轉向了價格趨勢預測上。 (3) 綜合型演算法交易，該交易是前兩者的結合。這類演算法常見的方式是先把交易指令拆開，分布到若干個時間段內，每個時間段內具體如何交易由主動型交易演算法進行判斷。兩者結合可達到單純一種演算法無法達到的效果。
演算法交易的交易策略有三：一是降低交易費用。大單指令通常被拆分為若干個小單指令漸次進入市場。這個策略的成功程度可以通過比較同一時期的平均購買價格與成交量加權平均價來衡量。二是套利。典型的套利策略通常包含三四個金融資產，如根據外匯市場利率平價理論，國內債券的價格、以外幣標價的債券價格、匯率現貨及匯率遠期合約價格之間將產生一定的關聯，如果市場價格與該理論隱含的價格偏差較大，且超過其交易成本，則可以用四筆交易來確保無風險利潤。股指期貨的期限套利也可以用演算法交易來完成。三是做市。做市包括在當前市場價格之上掛一個限價賣單或在當前價格之下掛一個限價買單，以便從買賣差價中獲利。此外，還有更復雜的策略，如「基準點「演算法被交易員用來模擬指數收益，而」嗅探器「演算法被用來發現最動盪或最不穩定的市場。任何類型的模式識別或者預測模型都能用來啟動演算法交易。

潛在風險
量化交易一般會經過海量數據模擬測試和模擬操作等手段進行檢驗，並依據一定的風險管理演算法進行倉位和資金配置，實現風險最小化和收益最大化，但往往也會存在一定的潛在風險，具體包括：
1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。行情數據自身風格轉換，也可能導致模型失敗，如交易流動性，價格波動幅度，價格波動頻率等，而這一點是目前量化交易難以克服的。
2、模型設計中沒有考慮倉位和資金配置，沒有安全的風險評估和預防措施，可能導致資金、倉位和模型的不匹配，而發生爆倉現象。
3、網路中斷，硬體故障也可能對量化交易產生影響。
4、同質模型產生競爭交易現象導致的風險。
5、單一投資品種導致的不可預測風險。
為規避或減小量化交易存在的潛在風險，可採取的策略有：保證歷史數據的完整性；在線調整模型參數；在線選擇模型類型；風險在線監測和規避等。