量化小课堂-Python&Pandas系列第一讲:当量化投资邂逅Python

pandas
python
量化投资
标签: #<Tag:0x00007f61e526ab30> #<Tag:0x00007f61e526a9f0> #<Tag:0x00007f61e526a8b0>

(华尔街的猫) #1

本系列帖子“量化小课堂”,通过实际的案例让大家知道如何使用Python、pandas进行金融数据处理和入门量化投资,主要针对会编程但金融数据处理缺乏经验的小伙伴,希望能对大家有帮助。

什么是量化投资呢?
量化投资是指通过数量化模型建立科学投资体系,以获取稳定收益。在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。在国内,量化投资不再是一个陌生的词汇,近几年得到了迅猛的发展。

如何理解量化投资和传统投资方法的区别呢?
简单来说,量化投资与传统投资方法之间的关系比较类似于中医和西医的关系。量化投资与传统投资最鲜明的区别就是模型的应用,这就类似于医学上对仪器的应用。中医主要通过望、闻、问、切等医疗手段,很大程度上借助中医长期积累的经验进行诊断,定性的程度大一些。而西医则不同,西医主要借助于现代仪器,首要病人去拍片子、打B超、化验等,这些都要依托于医学仪器进行检验,对于各项检查结果有详细的数据评价标准,最后判断症结所在,进而对症下药。

相对于传统投资方法来说,量化投资具有以下四个方面的特点。
1、快速高效
量化投资是由计算机自动产生交易策略的一种投资方法,通过建立数学模型来实现交易理念,并通过对模型不断优化、不断改进实现对市场交易机会的准确跟踪,提升交易胜利和盈利率。
2、客观理性
量化投资具有完整的评价体系。模型建立后,通过对历史数据进行回测检验,确定模型在各个行情阶段均能有效运行,实现盈利;同时将模型加载至其他交易品种进行测试,确保模型通用性较强。当以上条件均符合时,才能称策略有效。
3、准确及时
当市场容量极大时,人工交易很难实现全市场跟踪监测。而量化投资借助于计算机强大的计算功能,准确及时的进行全市场扫描,及时跟踪发现并准备评价交易机会,克服主观情绪的偏差。
4、风险与收益对等
针对模型具有详细的评价体系,可以通过对历史数据的测试得到模型在未来市场中大致的风险收益比;同时也可以通过对于模型的不断优化,提高模型的胜率和收益率。

语言那么多,为什么Python会成为量化投资的标准语言?
推荐刚入门的量化投资研究者使用Python。主要理由如下:
1. 适用性
Python配合各类第三方的package(例如下面要降到的pandas),是非常适合用来处理金融数据的
2. 简单
相比于c,c#等语言,Python容易太多了。让你可以更快,更方便的对自己的想法进行测试。life is short, use Python。
3. 全能
Python是一门胶水语言,很多语言都提供了 Python 接口,在 Python 不擅长的领域,可以用其他语言开发,再由 Python 调用。其他几乎任何事情都可以做。

Pandas又是什么?
Pandas是Python的一个数据分析包。最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,AQR是一家对冲基金巨头,主要做应用型量化研究和投资(Applied Quantitative Research) 。Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。Pandas最初被作为金融数据分析工具而开发出来,到目前为止,已经成为了Python量化投资最为重要的一个包。


附录:Python学习推荐书籍
《Python基础教程》
《Python入门经典》
《Python for Data Analysis》
《像计算机科学家一样思考Python》
《Python编程实践 》
《Python核心编程(第2版)》


[量化学堂-新手专区]什么是量化投资?
(会飞的鱼) #2

Python for data analysis 这本书挺好,简直就是金融数据分析的瑞士军刀。