量化交易

量化交易（Quantitative Trading）与传统证券交易机制存在极大的差异，一度有人神侃，量化交易就是“让机器赚钱，你躺那儿数钱”。本文是一篇入门文章，带您一睹量化交易的“剪影”，并非说笑，真容难觅啊，吼破嗓子不如甩开膀子，一切还得你自己去创造！

我将通过这篇文章向你介绍端到端的量化交易系统的一些基本概念。本文主要面向两类读者，第一类是正在努力寻找一份基金管理公司量化交易员工作的求职者，第二类是期望尝试开启自己“散户”算法交易事业的人士。

量化交易是数量金融学（注1）中一个极其艰深复杂的领域。若要通过面试或构造你自己的交易策略，就需要你投入大量的时间学习一些必备知识。不仅如此，它

股票市场的存在为企业融资提供了一个自由开放的环境，在这里投资者们将资金配置于他们认为的优秀、稳健、有潜力的企业，无数的投资决策汇聚而成的“群体智慧”影响着整体的经济运行，最终促进社会的共同福祉。然而判断一个企业优质与否并非易事，正如不能仅仅通过体温来衡量人体的健康状况一样，单纯的股票价格难以完整全面地反映一家上市公司的所有特质。要想全面细致的考察一家上市公司，有必要仔细研究企业的财务数据。

财务数据上市公司的财务数据大体上分成两类：原生财务数据和衍生财务数据。原生财务数据是经典的“三大表”，即资产负债表、利润表和现金流量表。衍生财务数据通常指原生财务数据结合交易数据计算出的各

新书《中低频量化交易策略研发（上）》免费发布也没多少人看，很是捉急。借着专栏宣传一下，下面的内容来自原书第二章。

这里在精炼量化交易策略基本研发结构的基础上，通过介绍有限的几个组成部分，对一个较为完整的量化交易策略进行了初步说明。希望读者通过阅读体量不大的文字内容之后，对量化交易策略的研发形成一个大致的概念和逻辑上的了解。图1给出了一个最为基本的量化交易策略研发流程，该流程是一个较为松散的、但是同时相对典型的研发流程。

![](/community/uploads/default/original/3X/5/b/5b0e8f08b54e708eb0faf0b6d188e6e0fe

作者：用Python的交易员原创文章，转载请注明出处

本篇比较简单，只有下面一张图，但是精华尽在其中，有问题欢迎留言。


补充一下，避免误会：针对LTS接口，目前只有存量客户可以用（

说在前面

在量化交易中，第一步也是最基础的一步就是获得数据，因为只有获得数据之后我们才能对我们的策略进行回测，进而判断该策略是否有盈利空间。

获得了数据之后，我们通常使用R、python等语言对数据进行处理。这其中往往会涉及格式整理、数据读取等步骤。于是我们想，如果可以直接通过R或python获取数据，就省去了很多麻烦，而R中的quantmod和python中的tushare正好可以实现这一目的，我将分两篇文章分别介绍一下这两个常用的工具吧。

这篇文章我们将如何使用R获取金融数据，我们经常使用的是大名鼎鼎的quantmod包。该包功能强大且简单便捷。下面我们通过一个例子进行

全球Top对冲基金变化趋势

全球对冲基金资管规模排名，量化型基金强势包揽了前六，量化交易已成为国外对冲基金的主流。国内量化交易比例较低，主要是传统量化研究模式，量化交易发展空间巨大。

什么是量化交易

百度定义如下：量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，进而交易的过程。

量化交易是一个很大

尽管巴菲特在1987年给投资者的信中说：“在我看来，投资的成功不会由晦涩难懂的公式、不会由计算机程序或者股票市场闪动的价格信号来产生”，如今机器已经在金融市场中起到极为重要的作用。2015年创建的对冲基金中40%依赖于计算机模型做投资决策。对冲基金和银行们正招聘越来越多的数据科学家。高频交易公司也在计算机的速度和效率方面竞争激烈。

在量化交易1.0版本，模型是“静态”的，因为交易策略是被事先编程的。举个例子，“动量策略”在一个时期内效果非常好，但在下一时期可能效果不佳。真正的智能机器会在市场进一步发展之前观察到市场异常，而且交易策略本身会随着信息的变化而动态变化。

2010年Scott P

最近有个黎曼猜想被某数学大佬证明的新闻，不过后来发现可能是大佬90岁高龄老糊涂了，论文堪比民科，也就不了了之了，业界评论“not even wrong"，廉颇老矣，尚能证否？

黎曼猜想是千禧年七大猜想之一，证出来可以奖励100万美金。100万美金对当年来说还是挺高的，广州平均房价才2900/平，珠江新城的金碧华府2003年才3800，海滨花园4000，现在这些都是10万+，但貌似数学猜想的奖金没有同步涨价。

这个黎曼猜想过去一两百年就没人证出来，所以从赚钱的角度，如果目标是赚100万美金，还不如2003-2005年买个珠江新城的房子，放到现在估计都翻20倍了，而且是啥都不用干的躺赚；如果是

我是陈晓优，知乎网名：用 Python 的交易员，现在均直资产担任期权部门主管。 我在业余时间维护了一款针对国内市场的开源量化交易平台开发框架 vn.py，目前是国内用户最多的量化金融开源项目之一。

本次 Live，我想聊聊 Python 语言对于 Quant 的意义。

本次 Live 主要包括以下问题:

＊ Quant 在工作中遇到的一些痛点

＊ Python 对于这些痛点的解决方案

＊ Python 的量化投资方面的工具生态链

＊ vn.py 项目在整个生态链中的定位

如果你是有着以下需求的 Quant，相信我的

我是陈晓优，知乎网名：用 Python 的交易员，现在均直资产担任期权部门主管。 我在业余时间维护了一款针对国内市场的开源量化交易平台开发框架 vn.py，目前是国内用户最多的量化金融开源项目之一。

上次的 Live 结束后，很多人给我留言和发私信，咨询作为一个有理科生背景或者工作经验（包括但不限于：数学、统计、计算机、物理等）的金融外行，如何才能比较快的入门量化交易。

关于 Quant 如何入门 Python 的话题，我之前在知乎专栏写了一篇文章《针对 Quant 的 Python 快速入门指南》，收获 2K 多赞。但是关于金融外行如何入门量化交易，就不是

关于python的优势就不说再多了，地球人都知道，还不知道的去面壁思过。因为不想当韭菜，所以还是自己老老实实写代码吧。

记录些常用的内容，以便自己回头复习。

常用的函数有：

• numpy 处理向量矩阵

• scipy 数据统计优化处理

• pandas 金融数据分析

• matplotlib 画图

• tushare 财经数据

• Zipline 回测平台

• TaLib 技术指标

• BigQuant 人工智能量化投资平台

——介绍

Numpy

Numpy是Python的一个科学计算的库，提供了矩阵运

西蒙斯大约38岁开始全职搞金融，但一开始不是量化，他是做主观的，比如去聚会听了小道消息就满仓期货，然后一年翻了10倍。交易6年后觉得这么做不大靠谱，才逐渐转量化，后来就一发不可收，发大财了。

西蒙斯本身的数学修养固然很牛，但在数学界最多也就是一流上乘高手，远不是丘成桐、陶哲轩这类顶尖高手的水平。比如他拿数学博士是23岁，这固然牛逼，但丘成桐拿数学博士是22岁，导师都是陈省身；西蒙斯在数学界拿的最高奖韦布伦奖虽然厉害，但丘成桐也拿过，西蒙斯拿的时候已经37岁，丘成桐拿的时候才32岁，而且丘成桐33岁拿菲尔兹，西蒙斯就拿不到了。因此，说西蒙斯是数学界的一流上乘非顶尖高手，并不过分。其实评价两个数

量化对冲基金 CargoMetrics，总部位于波士顿的新型量化对冲基金一上市就得到了航运业以色列亿万富翁Idan Ofer、谷歌施密特等大佬的资金支持。究竟是什么原因让这款量化对冲基金如此受欢迎？它又与我们常说的量化投资有什么关系呢？

我们常说的“量化对冲”是“量化”和“对冲”两个概念的结合。“量化”指利用统计方法、数学模型来指导投资，其本质是定性投资的数量化实践。“对冲”是指通过管理并降低组合系统风险以应对金融市场变化来获得相对稳定的收益。

据外媒报道，名为CargoMetrics的量化对冲基金与以往传统的基金不同。它是利用高频无线电来监控全球内的超过12万船只的行动轨迹。根据船只停靠

时间序列的单调性

在时间序列的众多研究方向上，除了时间序列异常检测，时间序列的相似性，时间序列的趋势预测之外，无论是在量化交易领域还是其余领域，时间序列的单调性都是一个重要课题。本文将会对时间序列的单调性作简单的介绍。

连续函数的单调性

![](data:image/s

首先感谢西南财经大学金融系陈同学的整理。本文主要介绍Marcos Lopez de Prado的四篇paper。作为Tudor的前global head和Guggenheim的Senior MD，Marcos是为数不多的对学术感兴趣的业界内行人之一，从2012年开始，他发表了很多关于探讨量化交易里的overfitting的问题，下面娓娓道来：

Backtest overfitting in financial markets

这篇paper指出回测效果好可能是因为数据集有限，同时为了理解overfit的程度，提出BODT, TMST的概念。

BODT : 输入参数entry、数

在这篇博客中，我们将制定一个交易策略，其中我们将对公司的基本面数据进行定量分析，并创建一个基本面强公司的投资组合并分析投资组合的表现。

本博客涵盖的主题：

1. 什么是基本面分析？
2. 什么是定量分析？
3. [为什么要使用基本

Alpha-Nebula学术小组的第二次交流活动已经结束，大家又分享了许多有趣的paper，今天带给大家的是一篇目前比较火热的方法（深度增强学习）在量化方面的运用。欢迎大家持续关注本专栏：Alpha-Nebula，也欢迎对学术小组感兴趣的同学持续加入我们的交流活动。

![](https://pic1.zhimg.com

\

**本文授权转载自熊猫交易员。**小编自己梦想着有一天能成长为顶级的Trader，除了要熟悉使用Ricequant为大家提供的一系列量化交易武器库，一个合格的Trader也应该具备一定的宏观素养。接下来每个周末，小编都会陪大家一起学习宏观交易101系列，愿能在具体策略之外，给大家带来一些启发~

**Macro Trader**宏观交易员

所谓宏观交易员，是指根据对经济增长、通胀、货币政策和财政政策等宏观观点，在债券、外汇、股指、商品等资产之间寻找机会的交易员。他们往往下注某一类资产相对于其他资产高估/低估，而非某一类资产自身的涨跌。需要特别指出

这个标题稍微有点标题党，我想讲的，其实是最近看的EP Chan博士的一个演讲，叫《The Dos and Don'ts of Quant Trading》，觉得蛮有启发的，就分享一下。

先说说EP Chan吧，如果给他一个定位的话，可以说是近些年最厉害的量化交易教育者了，书籍教程产量很高，尤其是他本人还有基金管理工作。如何兼顾平衡好自己交易和教别人交易，他的段位算是很高了，这确实值得敬佩和学习。

!\

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前，我先简要简要说一下《Alpha系列》的初衷。

近年来，随着国内大数据和人工智能的迅速崛起，量化交易领域也有了长足的发展。 从原来的指标驱动型程序化交易，演化到现在的以机器学习、人工智能为代表的新型量化交易。同时，量化交易的门槛与过去相比下降了许多。 不仅是因为这些年数据科学的发展带动了python及其生态的成熟和推广，更由于类似tushare、vnpy、zipline等开源项目以及像quantopian、bigquant等量化平台的出现， 使得以前做量化先造轮子到现在量化从业者可以专注于策略的研发，使得更多的人能够进入到这个领

关于比特币套利交易的文章，坊间一搜一大堆，尤以 2014，2015 为甚。那时交易所间价差相当可观，套利的机会很多，躺着赚钱并非难事。如今，套利区间收窄，留在沙场上的估计只剩下大玩家，想要不费力气躺赢机会渺茫。最近帮朋友牵线寻找币圈量化交易的机会，本欲做个打酱油的中间人，事了拂衣去，安安静静做个三河市微胖界扛把子，谁料还是一时技痒，不小心昨夜搭进去六七个小时。

关于如何做套利交易，我就不赘述，大家可以看这篇文章，有内容有故事：https://daily.zhihu.com/story/4831821。

本文没有故事，只有技术和产品上的分析。

既然要做可行性分析，那么第一步就是观察交易


承载金融科技人的梦想，追求量化速度效率的极致

QQ群：5172183 、236828089

由Quicklib作者提供，请看Quicklib作者的其它文章

**《[承载金融科技人的梦想，追求

国内量化的团队主要有几类：一类是美国大牛基金Two Sigma, DE Shaw, Citadel等的quant（不是其他IT职位）回国创立的，一类是美国其他量化团队（其实都差不多啦）回国创立的，一类是本土派创立的。

如果是那几家大牛公司的quant回国创立的公司，如果不做高频的，做那种资产管理的，我们分析一下。在美国这些公司工作4、5年的其实也不会太有钱，一年30-50万美金，除去税收和生活支出其实剩下的并不会很多，如果结了婚买了房的其实很多时候老婆子女也留在美国，不可能卖了房回国，因此真正的存款不会很多。一般搞私募的第一支产品的钱3、5千万都是自己出的，业绩好的话一年之后找人代销可以募集

本文是我写作的电子书《中低频量化交易策略研发（上）》引言的一部分，部分内容稍有修改。该书现提供免费的电子版本，请有兴趣的朋友下载阅览。百度网盘地址：http://pan.baidu.com/s/1bobB7BL人大经济论坛：http://bbs.pinggu.org/thread-4150803-1-1.html

直到目前为止，对于量化交易的界定，仍然存在着比较大的分歧。因此，为量化交易策略给出定义，应该是一件会导致争议的事情。为了尽量减小一个明确定义受到质疑的可能性，本人采用了相对而言较为稳妥的处理办法，即贴近字面意思进行解释。不过，出于一个研究人员的偏执，作者同时