很多股民并不了解量化交易，面對日益成熟的證券市場，量化交易這個詞聽得越來越頻繁，多數人對量化交易的第一印象是“高大上的技術”、“可以躺著賺錢的工具”……可是，你是否真正思考過量化交易到底是什么，能幫助我們做些什么？在邁入量化交易系統大門之前，有必要先理解“量化交易”的理念，清楚“量化交易”能帶給我們的是否是自己想要的。下面讓桃白白從本質、發展、優勢、過程等多個維度來剖析量化交易。
“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，可以說量化投資是在一代代巨人的理論基礎上逐步發展和成長起來，并在現代信息和計算機技術的迅猛發展中走上登峰造極。
量化投資是一套系統性的投資方法，包含頂層的資產配置系統，具體的選股系統以及事前與事后的風控系統，相互作用，力求取得穩定的、可持續的、高于平均的超額回報。量化投資在確定規則后，將嚴格按照策略執行
1. 何謂量化交易
客觀的講，量化交易屬于人工智能的一個應用分支，它利用計算機的強大運算能力，用數學模型來模仿人的思維作出決策，通過數據建模、統計學分析、程序設計等工具，從股票、債券、期貨的歷史數據分析中得到大概率下獲利的交易策略。這么說有些官方，讀起來也有些繞口，其實簡單地說就是如何管理輸贏的概率，幫助我們作出準確的決策，就像玩德州撲克那樣，當你持有的牌勝算大時便跟進，否則蓋牌，沒勝算時選擇不玩。玩牌時勝算的概率在我們的大腦中時刻不停地計算著，而在量化交易中利用的是計算機、數學建模、程序設計這些更高級的手段，目的是高效快速地獲得勝算的概率，并據此作出決策。
2. 量化交易的發展
知恥而后勇，了解歷史有助于我們乘勝追擊。關于量化交易的發展，我們首先了解下國外的量化金融發展情況。其實在金融領域我們的目標一直是金融霸主美國，我們知道量化金融在美國的金融領域發展已經日趨成熟。這里我們不得不提到著名的交易大師理查德·丹尼斯和“量化交易之父”詹姆斯·西蒙斯這兩位大佬。
理查德·丹尼斯是著名的“海龜交易試驗”的發起者，也是《海龜交易法則》的創始人。為了弄清偉大的交易員是天生造就的還是后天培養的，他在1983 年招募了 13 個人，教授給他們期貨交易的基本概念，以及他自己的交易方法和原則，學員們被稱為“海龜”。在隨后的 4 年中，海龜們取得了年均復利 80% 的收益，這就是著名的“海龜交易試驗”。同學們可能會有疑問，為什么取這個名字？據說，丹尼斯有一次在新加坡時正聚精會神地觀察著一個海龜農場，突然沖口說出了“我們要培養交易者，就像新加坡人養海龜一樣”這句話，“海龜交易試驗”正是取名于此。毋庸置疑，“海龜交易試驗”是金融史上的著名實驗，在實驗中運用的《海龜交易法則》提供了一套完整的交易系統框架和精髓，非常適合應用于量化分析，以至于在最近幾年的量化投資熱浪中再一次成為熱門模式。
詹姆斯·西蒙斯是量化交易的先行者，也是將量化交易帶到這個時代的人。西蒙斯在 1988 年成立了文藝復興科技公司，作為有史以來最成功的對沖基金，文藝復興科技公司的旗艦基金——大獎章基金取得年平均 35% 左右的回報，收益遠超巴菲特、索羅斯這些行業地位和他相近，但是正在使用傳統交易的同行大佬們。這個數字有多牛，我們可以對比下，它比索羅斯同期的年均回報率要高出 10 個百分點，比同期標準普爾 500 指數的年均回報率要高出 20 多個百分點，比巴菲特的同期水平已經高達 20%。
自 1988 年至今，量化交易在美國已經有 30 年的歷史了，到目前來看程序化交易已經占到美國股票市場交易量的 85% 以上，可想而知量化交易在美國股票市場的發展到什么程度了。
我們都知道美國的金融市場成熟程度是遠超中國的，美國的股市有近一百多年的歷史，而中國股市成立至今還不到 30 年。回到國內來看，隨著國家層面推動人工智能、大數據技術的發展，大量的量化基金產品和平臺如雨后春筍一般興起，量化交易在國內也掀起熱潮。就像互聯網技術改變著傳統行業的模式一樣，未來量化交易必定是國內金融市場的一個大的發展趨勢。
3. 量化交易的優勢
對比出真知。傳統的交易無論是技術面分析還是基本面分析都屬于定性分析，定性分析通俗的說就是人的思維去做決策，這種高度抽象的模式在深度上會有絕對的優勢。而量化交易是一種定量的分析，所謂定量分析就是剛才講到的獲得一個具體的獲利概率，并依據概率選擇交易的策略，因為利用了計算機的強大運算能力，所以在廣度上占有絕對的優勢。
我們可以把量化交易和傳統的交易類比為西醫和中醫，傳統的投資交易靠的是主觀經驗判斷，無法給出具體的參數指標，量化交易像西醫那樣，靠的是儀器、設備、軟件，把現象轉換成參考數據為病人治療提供依據。我的觀點是把量化交易和傳統的交易相結合，把人的思維模型抽象成為數學模型，作為交易策略運用到量化交易中，這樣是最理想的情況，既不失分析深度，也能保證分析的廣度，不能說是魚和熊掌兼得，算是兩者特點的互補吧。
量化交易另一個優勢是可以給予我們足夠的自信，幫助我們克服來自人性中的貪婪、恐懼、自負等弱點。舉幾個典型的交易者身上發生的例子來說明下。
例子1，一個交易者對市場分析后，決定第二天買入一支股票，但在開盤后卻因為一個朋友告訴他小道消息而臨時改變了決策，沒有買入。
例子2，一個交易者用一種策略執行了 5 次交易都以虧損告終，那么他在第 6 次交易信號到來時很可能會放棄這個策略。但量化交易可以確保交易策略的嚴格執行，因為交易者可以確信量化交易策略經過了回測和度量分析，是具有概率上的優勢的，從而心態上并不會出現恐懼和猶豫的情況。
例子3，很多人喜歡時刻盯盤，幻想在 K 線的最低點買入、最高點賣出，其實盤中的波動是隨機的。通過量化交易系統可以事先編寫策略，交易者實際上并不需要過多關注盤中的價格波動，以免影響心態變化。
4. 量化交易的本質
量化交易的本質可以用西蒙斯的這段話概括：“不管多么復雜的模型，沒有一個能長期不變地一直賺錢，因為市場在變化，信息在變化，我們不是機器的奴隸，只有通過不斷學習，持續不斷地更新自己的模型和策略，尋找市場上的規律，讓我們的交易系統跟上變化本身，才能在交易市場中立于不敗之地。”
既然市場在變化，信息在變化，那么過去并不代表未來，用歷史數據作檢驗是否有意義？另外，為什么交易策略在實際交易中的表現遠不如歷史模擬的結果？
對于第一個問題的回答可以舉個高考相關的例子。高考前學校都會定期組織模擬考來評估學生的能力，雖然最終的高考題跟模擬考不一樣，但學生在模擬考中發揮的水平基本和在高考中發揮的水平相差不會太大。因此用歷史數據作檢驗是把過去的經驗作為一種參考指南，通過對過去的解讀發掘出蘊藏盈利機會的重復性模式。
對于第二個問題，歷史測試結果和實際結果的差異主要是由這幾個因素引起的：
交易者效應：其他交易者注意到了這個策略方法并開始模仿它，導致這種方法效果下降
隨機效應：歷史測試的結果可能是一種隨機性的現象
最優化矛盾：選擇特定的參數降低了事后測試的價值
過度擬合：與歷史數據的吻合度太高，市場行為輕微的變化造成效果的惡化
總體來說“隨時調整，合理應變”非常重要，但是除此之外我們還需要謹記以下四點，以在交易市場中立于不敗之地。一是掌握優勢：找到一個期望值為正的交易策略，從長期看，它能創造正的回報。二是管理風險：控制風險、守住陣地，否則你可能等不到創造成果的那一天。三是堅定不移：唯有堅定不移地執行你的策略，你才能真正獲得系統的成效。四是簡單明了：從長久看，簡單的系統比復雜的系統更有生命力。
5. 量化交易的過程
真正一套完備的量化交易過程是很復雜的，下圖僅展示一個簡單框架：
制定好程序后，首先是把歷史行情、基本面信息、新聞資訊等數據進行初步清洗和處理，而后輸入到量化模型中，量化模型包括了上文講到的通過數學建模、程序設計等工具所形成的交易策略，通過分析這些數據最終產生出交易的信號，比如買什么股、什么時候買、買多少、什么時候賣這些信息。當然實際上這個過程并沒有流程圖顯示的那么簡單，這里只是讓您有個整體的概念。關于量化模型更具體的實現過程，各個模塊還有很多細節
6. 量化交易的策略
目前，量化交易的策略至少有16種方法，每一種又都有自己的子程序，寫入計算機之后，執行就OK了。
基本框架是，在通常情況下，完整的量化交易策略至少需要確定兩件事：A.交易標的，即買什么；B.確定交易時機，即怎么買賣。可以試著來設計一個簡單完整的量化交易策略，策略交易標的：華夏銀行，策略交易時機：5日均線與20日均線金叉時，買入；5日均線與20日均線死叉時，賣出。
如果你正準備學習了解量化交易，而此篇正是從量化交易本質、發展、優勢、過程等各個維度剖析了量化交易這個概念，目的是想讓股民們能夠正確理解量化交易，循序漸進的掌握，同時，我們必須時刻清醒的認識到量化交易的本質，就是對各種因素進行定量的描述和抽象化。我們不能過于神話它，也不能因為不了解而排斥它，就像工業革命以機器取代人力那樣，量化交易本質上是一種幫助我們高效快速地管理交易勝算的工具，是人工智能的一個應用分支。它并沒有那么高深莫測，最關鍵的仍然是交易人的思想，也就是量化交易系統的策略模型，對于能夠保持長期賺錢的主觀交易大神，量化交易可以幫助他賺更多的錢，而一個主觀交易不能賺錢的人，使用量化交易也并不能有所起色。因此我們在掌握工具的同時，也別忘記修煉自己的交易思想。
希望通過上述表示能讓大家對量化交易有一個粗略的了解，喜歡桃白白理念的股友們點點關注
