程序化交易

量化因子

有哪些构造反转因子的思路？

"反转因子"通常指的是一种预测证券价格短期内可能发生逆转的因子，即预测那些最近表现较差的股票在未来会表现得较好，而最近表现较好的股票在未来会表现得较差。

1. 量价反转：5日收益率
2. 技术反转：RSI，布林带
3. 基本面反转：估值水平，扭亏为盈

如果最快速的判断一个因子是不是反转因子

• 因子构建思想
• 统计检验：如计算该因子与未来收益的相关系数，或者使用回归分析来评估该因子在控制了其他因素后对未来收益的解释能力。
• 极端行情下的表现

量化模型

最新的DAI AI的stockranker什么时候

程序化交易：program trading

很简单的字面意思，意味着你利用程序(program)进行交易。具体的交易时机，交易仓位，止损止盈获利标准可能包含在程序本身，也可能独立于程序之外，程序本身只是执行的方式。与程序交易对应的是人工交易。一般利用程序交易有几大优势，比如说较快的速度，脱离了人为情绪的影响，执行力有保证等等。同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制，资金利用，仓位管理等方面的内容，而不仅仅是买卖信号的产生。

算法交易：algorithm trading

考虑到很多用户初次使用时对于各API接口的功能和获取方式存在较多的疑问，这里进行专门介绍。

CTP

模块：vn.ctp

经纪商：期货公司、兴业证券

产品：期货、期货期权

特点：国内最早的针对程序化交易涉及的API接口

申请：SimNow网站申请

飞创

模块：vn.xspeed

经纪商：期货公司

产品：期货、期货期权

特点：交易大商所产品有速度优势

申请：通过大连飞创上的QQ群申请

随着计算机技术的发展，自动化、程序化交易相继出现，迅猛发展，全球市场占有率逐年上升。由此引发了特别是针对高频交易的诸多质疑与误解。本文是一篇研究综述，引用了近期学界和业界对于高频交易的论证，肯定了高频交易增加流动性、降低买卖价差、促进价格发现和降低金融资产价格波动等对金融市场的积极作用，批评了通过征收交易税来抑制高频交易等强制监管的做法。《高频交易：臆断与事实》一文对我国研究和监管机构从多视角了解和认识国际市场上的高频交易现象有一定的借鉴意义。

关键字：高频交易 高频盈利 公平性 监管 交易税

本文发表在**《Policy：A Journal of Public Policy

------------------------------------禁止转载--------------------------------

接了某出版社的意向，继续操刀金融大数据这块，前两天买了本《金融大数据》，真是想扔了，简直就是百度+论文拼凑体。东一块西一块，还全是文字，想想就吐。

另外阿里2017校招内推开始了，找工作的同学可以关注下。

接触到程序化交易还要感谢高大大，因为他们是做量化的，所以才能接触到这块。摩根和上海交大背景，如果有想挖他的也欢迎联系。哈哈O(∩_∩)O

去年的时候和杭州的几个做量化的公司交流过，还发布了相应的私募基金，虽然业绩也不太理想。然后就一直泡在

有人说竞争会越来越激烈，比如美国的量化交易，现在收益已经很低了，据说300亿美元规模收益只有10亿美元，当然很多还是亏钱的。传奇基金文艺复兴也只有自己人的大奖章收益超群，面向外面的大多惨淡经营。

中国量化交易一开始集中在商品期货的程序化交易，比如TB开拓者、金字塔等，后来2011股指期货上市后出现了股票量化对冲，2012-2014跨越式发展，不少公司的管理规模达到了100亿，可惜好景不长，2014年底的大幅回撤让很多股票对冲损失惨重，好在2015年的股指大幅升水让这些产品可以通过股票股指套利来挽回损失，随后由于股指受限而遭到很大的限制。2016年是CTA的好年份，很多新型的基于统计模型和机器

一、 极端行情、市价单和CTA策略

CTA策略的核心是趋势投机，将职业交易的右侧交易行为加入资金管理和风险控制规范化为系统性交易，进行技术化为程序化交易。关键思想是小亏大赚，截断亏损，让利润奔跑。

由于高度依赖于趋势，CTA策略的实盘下单算法是影响成败的关键。当趋势来临时，为了紧跟趋势的节奏，在模型发出交易信号，必须追求第一时间的成交，否则收益大受影响，甚至策略失效。

不考虑行情和硬件等因素，算法层面最为有效的方式是设置市价单，以一定的滑点为代价，获取优势持仓。下面讲解下单算法的几个关键问题。

1、为什么不用限价单

趋势投机策略存在天然的“逆选择”问题。如果设置了可承受滑点的

程序化交易与量化投资的区别

程序化交易是什么？量化投资又是什么？事实上，我们中的绝大部分人并没有尝试了解程序化交易和量化投资的正确概念，而是笼统地将两者画了等号。更多所谓的评论者则直接把高频交易与低延时交易混为一谈，指鹿为马，误导公众舆论行吸睛之实。

在最早期纽约证券交易所(NYSE)的定义中，程序化交易是指包含15只股票以上、成交额在100万美元以上的一篮子交易，2013年8月NYSE取消了定义中总价值100万美元以上的条件。在后来的市场实践中，程序化交易的对象扩大到各个交易所上市的股票、期货、期权等，是由电脑直接发出下单指令并自动执行的。

随着金融衍生品的不断丰富，程序化交易

首先说说什么是程序化交易中的滑点。我眼中程序化交易中的滑点就是，你的期望价格与实际成交价格之间的点差。可以给出一个滑点的计算公式：滑点=行情tick级别波动速度*网络延迟时间。

由于行情永远是波动的，所以行情并不是产生滑点的原因。而在历史回测和模拟盘中，由于没有任何网络延迟时间，所以就不会产生滑点（但此时行情波动依然，但是没有滑点），你可以在模拟盘中，对每一张单子设定止盈止损，你会发现，每笔都是按照你期望的价格激发止盈或者止损的。

按照上述计算公式，行情的波动，你是无法左右的，但是网络延迟时间，却是你可以把控的。一定要清楚，你在你电脑上看到的行情，是重播而不是直播，而程序根据这一行情下发

两千多年前，秦始皇统一了六国，成为了天下第一人，然而他并不满足于此。他在思考一个问题：尽管老子已经是天下第一，但终究有一天也会死去，这荣华富贵，拱手让人，岂不是造化弄？如果我能够长生不老，我就能够真正实现江山永固，永远的把皇帝做下去，享不尽的荣华富贵。自此，长生不老成为了他毕生的追求。

始皇帝的长生不老梦没能实现，长生不老梦倒是一直延续了下来。历史看似不断的在前进，但是有些事情，也只不过是在不断轮回而已。

知乎上还有人提出了这样一个问题：现在大家已经不再为衣食发愁，为什么不把所有精力都放在追求永生上面呢？

十八世纪中叶，欧洲掀起了工业革命浪潮，发明了蒸汽机。有人就想，蒸汽机一直都要添加能

翻译一篇外文博客，觉得里面的一些东西现在仍有参考意义，分享一下。

整个系统一个人做的真的挺累的，刚开始是被标题吸引了，看到后面越来越觉得觉得工作量真的好大，而且是2009-2010年的时候。

作者的P&L看着相当耀眼啊，当然，有人怀疑～。

好玩的是，下面有人讨论作者用的只是优化算话和程序化交易，并不是ML，作者还在解释，哈哈～～。

还有就是做数字货币亏了的一个哥们说对自己帮助很大，哈哈。

![

问题

回测成功，但是模拟盘报错

https://bigquant.com/experimentshare/eee399e190934d659304f011b99872bb

运行不了：

https://bigquant.com/experimentshare/b70938db6a534ecfb6ade2556e401ef4

\

随着量化行业的发展，越来越多的大学生将进入量化私募作为职业发展的目标。虽然量化交易是一个非常开放的领域，对背景没有特殊限制，但具备一些基本知识还是很有必要的，比如：

1.对金融市场的基本知识需要有一些了解，熟悉相关的规范和交易的基本规则； 2.具备一定的编程能力以帮助快速成型策略，因策略最终是需要由程序实现的； 3.有一定的科学分析和熟练建模的能力。

除了基本知识外，一些重要的品质非常被看重，比如： 1.热情。做量化交易研究的过程中，会遇到不少挫折和不符合预期的结果，另外研究的道路本身也是非常寂寞的，需要个人的独立自考和面对问题，所以对量化的热情是必不可少的。

2.开放。量化交

算法交易作为一种程序化交易方式，将交易者和市场有机联系起来。当需要进行交易订单拆细，并在合适时机分别对其进行分散交易，从而降低交易成本来增厚Alpha收益。

非凸科技基于Rust生态打造的高效率、低延迟、高可靠、全内存高频交易平台，满足客户在风控、交易、数据、系统等多方面交易需求。成立以来，已为近百家券商、量化私募等大型金融机构提供了算法交易及执行专业化解决方案。

1.算法策略。策略上，非凸拥有丰富的策略储备。根据不同种类股票和交易风格，设计不同的策略细节参数的及时调优，来保证绩效的良好表现。

2.交易速度。非凸智能算法的计算通信延迟均在纳秒级的优化，充分考虑CPU Cache的优化

曾几何时，我们开始习惯用排名、等级、概率来做标尺，衡量意义的大小。似乎物品被赋予数值后，它就变得更加客观，容易被甄别。于是，我们开始接触相关系数，了解线性关系，学习概率分布......只为在诸多扰乱因素中，量化选项，筛选最佳答案。

而量化交易便是其中代表。量化交易跟程序化交易有很大相关性，但又不尽相同。在《证券期货市场程序化交易管理办法》中定义的程序化交易，是指通过既定程序或特定软件，自动生成或执行交易指令的交易行为。量化交易，则是基于数据和历史统计基础，通过数学工具研究市场中资产价格的变动因素，从而制定交易决策的交易模式。量化交易不一定需要用到计算机自动化执行交易，只要是基于交易因素的数量

问题

有什么方法或因子可以描述股价在高位或低位？

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33

目前主流量化私募基本采用：不做市场择时、不主动风格择时、超分散持股、机器+人工构建特征、线性+非线性算法特征组合、量化模型不断迭代以及完全程序化交易的基本框架。因此，量化私募筛选需了解更多投资细节：

1.辨别量化投资理念与核心方法论：量化私募主要包括学院派、金融科技派与主动量化派。

2.了解团队合作模式：量化私募团队合作模式主要包括silo PM 制和centralized book 制。silo PM 制下，在特征挖掘上具有极强的竞争优势；centralized book 制下，更加注重团队内部的合作，策略更加精细化，更加重视机器学习算法和交易算法的创新与迭代。

3.策略研究能力

目前主流量化私募大多采用了不做市场择时、不主动风格择时、分散持股、机器+人工构建特征、线性+非线性算法特征组合、量化模型不断迭代以及完全程序化交易的基本框架。

当前主流量化私募选股流程：特征挖掘、特征组合、组合优化以及交易算法。量化私募实现了从原始数据至真实下单的程序化交易，四大模块共同构成了量化选股私募的竞争壁垒。

1.#特征挖掘 特征挖掘模块包括特征设计、特征处理以及特征监控等流程。高质量的特征反映的是团队对A股市场宏观或者微观层面独到且深入的理解。

2.#特征组合 特征组合技术是量化选股私募的核心技术壁垒，可分为四阶段：OLS、XGBoost、集成学习、自定义分布式算法。

3

学习量化也有一段时间了，BigQuant平台与知乎可以说是我的主要学习战场了，一直在跟着BigQuant学院那个《AI量化训练营》学习，再从从知乎中寻找优秀文章进行补充，最终在平台进行实践，我觉的这样效率很高，我整理了知乎量化交易话题，及程序化交易、宽客、多因子模型等子话题中的精华帖，筛选了高赞的文章及回复，分享给大家，希望大家可以多多交流。