聚宽2016年度量化交易干货合集
小编精选的2016年聚宽社区的100篇量化交易文章，内容丰富，干货满满，速来收藏。在量化知识的海洋中遨游吧~1.二八轮动小市值优化版&v2.0.7&\更新于\2.【资料分享】Python、研究报告、计量经济学、投资书籍、R语言等！(Book+Video)3.【重磅】教你如何连接“雪球组合”！！！(更新：)4.发布聚宽功能增强器，极大降低你的编码难度！5.多因子模型+资产组合优化6.【网格交易策略-年化30%+】-网格大法好，熊市不用跑~7.牛熊分界+取强舍弱+均线动量指标择时选股策略8.二八轮动小市值策略改进版07年至16年4000多倍9.《MACD背离》技术研究10.【滚动复利策略】的量化实现-改进v1.011.凯利公式，你用对了吗？12.【研究】量化选股——多因子模型13.原来B基还可以这么玩，终于可以躺着数钱。14.605更新：11年&100倍以上的多因子策略-四因子选股策略研究（2）15.【羊群效应系列】--识别股市中的羊群效应16.价值投资--低估价值选股策略17.【组合管理】——投资组合理论（有效前沿）18.一致性风险度量（桥水全天候为例）19.【简单的多均线择时策略】那个天台排队的孩子，我给你讲个故事20.股灾是系统的试金石&--&11年400倍21.仓位控制：风险价值法（VaR）（算法有变更）22.【回测来啦】——鳄鱼法则交易系统，15年至今114%23.指数PE统计24.【淡手辑略】低开买（跌停不买），高开卖（涨停不卖）——Total&Returns&73984.45%25.彼得林奇修正&PEG26.【量化选股专题】在稳定增长中寻找超额收益27.分级A轮动策略28.原生使用&easytrader，以及使用&easytrader&关联&模拟交易&和&雪球组合29.神奇的鳄鱼法则交易系统——避开盘整，抢占趋势先机30.如何使用JoinQuant编写策略？31.【羊群效应系列】--寻找行业轮动中的龙头股32.全市场估值-等权PE&PB33.【研究】运用HMM模型的择时策略34.海龟策略35.小市值策略的探索性研究（三）36.基于Morningstar'二八轮动小市值优化版&v2.0.7'&代码模块化版本37.【教程】如何在JoinQuant的回测及研究中发送邮件！38.多因子策略-APT模型39.和行情软件（同花顺、大智慧、通达信等）一致的KDJ和RSI以及MACD算法40.小市值策略，剔除了停牌，st，*st，加了简单的止损【收益340000%】41.基于协整的搬砖策略42.几个投资者经常用到的网站43.【苍老师推荐】价值投资&--&成长股内在价值投资44.这位骚年，看你骨骼惊奇，跟我一起挖掘多因子策略吧!45.均值回归进阶策略46.基于凸组合优化的均线交叉策略47.斗牛蛋卷二八轮动原版策略实现48.银行轮动（中、农、工、商）无止损，年化77%49.【量化缠论】之分型、笔、线段识别50.三高五低，一种基本面选股思路的验证51.机器学习用于选股，对财务数据的特征学习，居然还是小市值NB....52.RSI衍生指标择时，轮动A股ETF53.彼得·林奇的成功投资54.价值投资&--&三一投资管理公司价值选股法55.你知道吗，你的回测结果可能都是错的56.双因子加指标模型57.十行代码带你量化交易入门58.二八轮动+小市值，修改了个bug，直接实盘去59.多头趋势回踩策略60.Fama-French三因子火锅61.一日游短线策略62.机器学习，海量数据预测股票的未来趋势，+Model的研究63.JoinQuant&心得——股票行情数据【1.21更新】64.双均线策略65.关于MA均线回归的研究结论（终）66.基于SVM的机器学习策略67.规范你的代码，构建你自己的交易系统68.关于ETF品种轮动的研究（四）69.基于价值投资原理的ETF投资策略详解70.带收益预测的Markowitz动态平衡策略71.因子研究系列之一&--&估值和资本结构因子72.11年36倍收益的四因子选股策略研究（1）73.回测及参数优化74.指标效果的统计分析：思路之一75.蚂蚁量化看中国股市76.-别担心，自编指数为你指路！77.蛋卷斗牛二八轮动系统78.平台上最快的取数据方法和最慢的取数据方法之间居然能差6000倍！79.基于上证指数macd择时的小市值（更新：指数跌幅超过4%且破ma60就空仓休息）80.蚂蚁量化看中国股市：(续一):&RSI81.TMOM趋势策略82.微信提醒条目太多难查看？我有HTML邮件83.策略调参&并行一次10个回测84.一个小工具助你了解策略的交易状况85.JoinQuant&心得——基本面数据86.【钟摆系列3】——单股票价值中枢动态调仓87.自动抓取并更新股票黑名单(12-18更新:抓取限售解禁股,增减持股票信息)88.蛋卷二八轮动择时＋小市值择股89.二八轮动2.090.脉冲法抓庄股1.0版本91.蛋卷斗牛二八轮动92.小市值二八轮动，计算股数买卖、增加过滤退市、轮动开关93.【研究】关于波动率指标SD与ATR的研究（二）94.动量策略入门95.次新小盘策略，2014以来20倍，年化200%96.总有一些策略，让你觉得日了狗97.机器学习之神经网络入门98.一个没劲的波动策略99.多策略组合利器——分仓管控技术【非交易策略】100.改进版二八轮动策略Happy new year !聚宽嘉年华其他内容：1.聚宽支持实盘批量下单（送流量）2.聚宽2016年度宽客（送奖品）3.策略擂台新年福利赛（送年货）4.聚宽模拟交易使用权五折大优惠（送福利）
点击排行榜
汇金视点微信号：gold678-com
扫一扫，加关注
汇金财经微信号：mygold678绑定账号后，微信扫码登录
JoinQuant聚宽量化交易平台是由北京小龙虾科技有限公司为量化爱好者（宽客）量身打造的云平台。平台提供精准的回测功能、高速实盘交易接口。公司团队具有丰富的金融、互联网从业经验，既有超过10年炒股经验、持续跑赢大盘的炒股大师，也有多年从事基金、证券行业的金融精英，还有BAT的技术大牛。我们致力于打造最高效、易用的量化交易平台。帐号:密码:下次自动登录{url:/nForum/slist.json?uid=guest&root=list-section}{url:/nForum/nlist.json?uid=guest&root=list-section}
贴数:1&分页:jukuan发信人: whlbuu (jukuan), 信区: Career_Upgrade
标&&题: 【聚宽】交易引擎产品经理
发信站: 水木社区 (Thu Sep&&7 10:52:08 2017), 站内 && 交易引擎产品经理 && 工作职责:
1 负责聚宽旗下交易引擎相关产品；
2 负责聚宽旗下实盘交易、风控、结算模块的产品设计工作； && 任职要求:
1 熟悉券商、期货公司交易系统，有实盘交易、风控、结算模块设计或研发经验；
2 对量化交易、股票、期货有强烈兴趣；
3 优秀的学习能力、逻辑分析能力、沟通能力、组织协调能力；
4 有责任心，自我驱动能力强。 && 薪资范围：15K-30K
工作地址：北京市朝阳区光华路soho2期C座7-1室 && 我们的福利：
1.五险一金，给您最放心的保障！
2.免费中晚两餐、下午茶零食，让您保持愉悦的心情和高昂的战斗力！
3.不定期户外拓展，增进小伙伴们的深厚友情！
4.扁平化管理，年轻就该无极限！
5.商业保险福利！ && 公司介绍： &&&& JoinQuant量化交易平台是由北京小龙虾科技有限公司为量化爱好者（宽客）、量身打造的云平台，我们为您提供精准的回测功能、高速实盘交易接口、易用的API文档、由易入难的策略库，便于您快速实现、使用自己的量化交易策略。 &&&& 聚宽于2016年正式进入金融机构市场，为广大金融机构提供专业的量化交易行业解决方案，以及帮助各大金融机构打造智能投顾、量化生态圈。 &&&&&&&& 我们的创始团队具有丰富的金融、互联网从业经验，既有BAT的技术大牛，也有多年从事基金、证券行业的金融精英，我们致力于打造最高效、易用的量化交易平台。 &&&& 有意者请发送您的简历到：;
主题：姓名+职位 && 非常期待您的加入! &&&& -- && ※ 来源:·水木社区 ·[FROM: 123.122.93.*]
文章数:1&分页:学习量化交易如何入门？-石投金融
下载客户端
三步轻松贷款，贷款利率低
学习量化交易如何入门？
最近需要参加一个量化交易策略的比赛，但是对这方面还是不甚了解，鄙人有一定的交易经验和经济学知识，但是程序方面几乎没做过什么大的项目，希望可以给一些快速入门的经验和建议，不甚感激
匿名用户 |
浏览次数：1117
常见类似问题
回答共有19条
我想既然是入门当然是从浅入深的让大家去了解，一下放这么多书作为学渣的我是及其不想看到的。天生不是看书的料，废话不多说了直接上。一、首先是量化的工具1、 软件推荐：python常用的量化软件有python、matlab、java、C++。从开发难度而言python和matlab… 显示全部 我想既然是入门当然是从浅入深的让大家去了解，一下放这么多书作为学渣的我是及其不想看到的。天生不是看书的料，废话不多说了直接上。 一、首先是量化的工具 1、 软件推荐：python 常用的量化软件有python、matlab、java、C++。从开发难度而言python和matlab都比较容易，java和C++麻烦一些。从运行速度而言，C++、java要快于matlab和python。不过对于大部分人而言，尤其是初学者，开发占用的时间远大于运行时间。如果追求运行速度的话，先将策略开发出来，再用C重写也不迟。另外，从量化资源而言，python资源多于matlab，而且matlab是商业软件，python是免费的。因此我推荐大家用python。 使用python的话，最好下载一个anaconda。这个软件将常用的库都集成好了，免去自己安装的烦恼。下载地址：https://www.continuum.io/downloads python教程推荐这个网站：http://lectures.quantecon.org/py/index.html只需要看第一部分就可以了。该教程不仅介绍了python,而且介绍了numpy,scipy,pandas,matplotlib等科学计算库。 2、 数据源推荐：tushare Tushare支持的数据很全面，相比wind个人版量化接口，tushare更友好。因此推荐tushare。下载地址：TuShare -财经数据接口包 3、 量化框架：推荐使用量化平台 量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可回测策略，免去了自己从无到有搭建基础框架的过程。 以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他工具。 1、 数据库推荐：sqlite 如果所做的策略需要存储很多数据，那么就需要一个数据库软件，配合使用。Python自带sqlite3库，可以在python中方便的操作sqlite数据库。Sqlite下载地址：SQLite Home Page 使用方法可以参考：SQLite - Python | 菜鸟教程 2、 机器学习推荐:scikit-learn Scikit-learn封装了很多常用的算法，直接用就可以了，避免了自己写算法。网址： scikit-learn: machine learning in Python 另外推荐一本机器学习的书“集体智慧编程”，至于购买链接嘛 HAHA 就不发了免得别人以为我是打广告的。 3、 网络信息采集推荐：Beautifulsoup等 关于这方面可以参考“Python网络数据采集”这本书。链接也不说了 QAQ。 二、平台跟工具的选取 由于现在主流量化都是python，所以我也稀里糊涂的学了python，感觉还不错。 给大家再来几个学习的地址吧 ，免费才是王道买书要花钱学生党的我最喜欢免费资料。 下面是高能的学习资料窝点！下面是高能的学习资料窝点！下面是高能的学习资料窝点！这里说三遍。都是来自各大平台的资料汇总起来超级不容易哎！可耻的求一波赞。 新手专区： 量化学习资料：https://club./quant/topic/789049 Python编程： Python学习资料：https://club./quant/topic/834227 python学习教程：https://club./quant/topic/760702 python、java编程基础视频1：https://club./quant/topic/877114 python、java编程基础视频2：https://club./quant/topic/877215 python技术指标均线应用：https://club./quant/topic/778188 python技术指标kdj应用：https://club./quant/topic/778178 python指标macd的应用：https://club./quant/topic/778177 python去除是停牌、退市、st创业版股票：https://club./quant/topic/778173 python策略中获取指数成分股的历史行情数据：http://club./quant/topic/938309 失踪人口回归啦！因为过年比较懒加上又搬了个家所以我想说：“嘿！伙计！很高兴又见到你们”。下面是更新的最新内容哦！还更新了最新的Java内容。 羊驼策略初步研究：https://club./quant/topic/854721 统计套利之配对交易（pairs trading）：https://club./quant/topic/787798 文本挖掘如何应用于量化投资：https://club./quant/topic/843393 文本挖掘之数据爬虫：https://club./quant/topic/871691 利用舆情情感得分进行量化选股初探：https://club./quant/topic/856753 技术分析量化大讲堂之开篇—SMA:talib vs.行情软件：https://club./quant/topic/839442 技术分析量化大讲堂——上升三角形整理形态：https://club./quant/topic/853825 技术分析量化大讲堂------上升三角形（修改版）：https://club./quant/topic/867675 技术分析量化大讲堂——多方炮：https://club./quant/topic/881252 量化策略方法分享之数据挖掘工具——决策树算法：https://club./quant/topic/841642 量化策略方法分享之数据挖掘工具——决策树算法（续）：https://club./quant/topic/841923 摩根斯坦利旗下基金的择时指标介绍：https://club./quant/topic/854923 基于隐式马尔可夫模型的市场择时简介：https://club./quant/topic/883453 成长股内在价值策略分享：https://club./quant/topic/902319 股价增长率与营业利润率之比选股策略：https://club./quant/topic/836018 股价增长率与营业利润率之比选股策略(修改版)：https://club./quant/topic/846196 股价增长率与营业利润率之比选股策略(修改X2版)：https://club./quant/topic/860683 选择涨停股的技巧有哪些：https://club./quant/topic/774972 京东量化平台初始化类函数及任务事件类函数介绍：https://club./quant/topic/877220 多因子选股：https://club./quant/topic/878463 小市值策略：https://club./quant/topic/894215 如何控制回撤：http://club./quant/topic/913308 控制回撤的第二种方法--依据持仓总资金：http://club./quant/topic/914524 小工具函数——查询涨跌停：http://club./quant/topic/930708 高卖低买赚Spread策略分享：http://club./quant/topic/921694 资本资产定价模型简介-多因子寻找Alpha&统计套利：http://club./quant/topic/935852 依据最大回撤择时策略：http://club./quant/topic/940473 一个简单的买卖止盈止损分时买卖框架：http://club./quant/topic/939467 Java编程： [JAVA]简单买卖策略: https://club./quant/topic/913981 [JAVA]MACD选股：https://club./quant/topic/743815 [JAVA]RSI策略: https://club./quant/topic/743816 [JAVA]按财务数据选股策略: https://club./quant/topic/743817 [JAVA]mas策略: https://club./quant/topic/913988 就到这啦！ 突然发现汇总起来还是蛮多的，各位观众老爷寻找几个适合自己的就好。至于为什么都是同一个平台，因为当初随便选择了个平台，发现这竟然是个有背景的平台，数据什么的还不错，所以一直没有换，适合自己的才是最好的。 三、说一下国内国内量化交易员的日常工作吧 其实我也没见过，就是想让大家多了解下。以下回答均来自某平台 随着量化投资的概念在国内逐渐流行，量化交易员这个听起来神秘又高大上的职业也逐渐走入人们的视野，笔者也曾经面试相关的岗位，有考核行测+投资理念的，也有考核各种衍生品相关知识外加编程及数据库相关知识的，大体上都要求有较好的数理分析和逻辑思维，至少掌握一门熟练的语言等，通常计算机水平对采用程序化交易方式来说要求更高，笔者在浏览了相关大牛的看法之后，结合自己的一些见解，总结了量化交易员日常的工作内容： 量化交易员平常的工作其实没有固定的模式，但总结下来大都包括: 现有策略的管理维护，看盘（通常开N个窗口，大都是定制化的各种彩色表格、图、列表和滚动新闻的组合）以及查看策略有没有乱发单，开发新的策略，每日进行盘后处理，统计委托、持仓、波动率、滑点等等，这些工作听起来琐碎且机械，但真正开发出所谓的印钞机达到躺赢的境界可谓少之又少，大部分人仍然需要不断学习并且经历各种市场的考验，笔者观察下来量化交易日常工作中那些不可言说的痛苦之处在于： 1、灵感，这种东西说起来很虚，实际上在市场上策略逐渐趋同、逐渐失效的过程中是很重要的，当技术和知识不再成为做交易的壁垒之时，也许我们缺乏的就是些许创造性与洞察力，搬运国外学术paper中介绍的方法一定是有效的吗，自己绞尽脑汁更新了好几个版本的新策略回测时各种指标竟然远不如行业内正火热的几个“经典策略”，是数据不对还是自己遗漏了什么细节，市场总是公平而又残酷的。 2、心理，投资讲求的是心理战，对于量化交易员来说，程序化交易的方式可以避免一部分人性的因素，但是否干预、何时干预模型（尤其是模型并不完备）一直是一个长期困扰交易员的问题，长期在概率上占优看起来美好，可是当来自客户的要求越来越多，账户持续亏损的情况下，有多少人不对自己的模型产生怀疑，又有多少人拥有长期的机会，实盘中的交易员无异于在前线上的士兵只不过他的对手更加凶狠且无形。 3、不确定性，个人认为，量化交易者同时也需要结合一些基本面，尤其是在国内金融市场信息不对称、噪声大以及监管因素变化下能够从市场调研中获得有效信息以减少不确定性是相当重要的，尤其是当结合爬虫和自然语言分析等的舆情分析系统日渐成熟后使得量化交易员能够迅速对极端事件做出反映。此外，不确定性的来源较多以至于交易者在某些条件不具备的情况下依然能对交易产生巨大影响，相信在商品期货急速上涨下跌的黑色星期五被强平在跌停价的交易者都深有体会。量化交易这条路充满凶险，注定是少数“成功者”分享胜利果实，努力拼搏，保持热忱，争取成为这条群雄逐鹿的勇者之路上最后活着的一批人吧。 拿了人家的东西就他们挂个链接吧，要不不厚道。 勇者之路-国内量化交易员的日常工作状态 http://club./quant/topic/963592 四、推荐图书 想了想还是给大家推荐几本书吧，全发出来太长了放个链接好了。 图书推荐传送门：http://club./quant/topic/963246 我想了下大体就这些吧，至于为什么老是出现某某平台可能是因为刚开始学习就在她上面学习的吧，毕竟每个学生都带着老师的一些特点。有些啰嗦但是不经能让爱学习的小伙伴大快朵颐啦！开森。 写了这么多抄了这么多，关于如何写策略在这里就不说了，因为还是涉嫌平台广告问题，想要了解的人可以私聊我或者加我QQ吧。 企鹅： 看了下还是加上如何编写策略吧。毕竟大家的热情都很高。 1.手把手教你使用京东量化平台完成简单的策略回测-Python篇 https://club./quant/topic/.给大家几个关于策略编写的帖子吧 一个简单的买卖止盈止损分时买卖框架 手把手教你写一年80%收益的成长股策略(一) https://club./quant/topic/930606 手把手教你写一年80%收益的成长股策略(二) https://club./quant/topic/930857 java简单买卖策略 https://club./quant/topic/913981 虽然不是我自己写的但是都是我看着还不错的 支持的人越多，懒答住才会有动力继续写，嘿嘿。可耻的求一拨人气！ @李伟振 支持自己一波 如何设计量化交易策略？ 设计量化交易策略其实就是一个想法+验证的过程。下面分别说一下： 一、想法的来源： 大概有以下几个思路： 1、金融理论。 金融理论里资产定价的核心就是无套利原则。这里说的套利既包括通常意义的统计套利，也包括更宽泛的概念比如相同的预期收益率下，卖出风险较大的组合，买入风险较小的组合，也是一种套利。因此，多因子模型就是一种套利模型，承担相同风险下，寻找收益率最高的因子组合，从而得到对冲后的alpha。由于这部分是比较学院派的做法，因此推荐大家看下知名的教科书，比如博迪的《投资学》。 2、符合逻辑的直觉 比如从内部人获取信息的角度，大股东以及管理层增持意味着对本公司发展有信心，因此预期公司业绩向好。比如破增发价且距解禁日在一段时间内，那么上市公司可能有维持股价的动力。再比如通过分析与个股相关的新闻，从而能够判断市场对该股的情绪、态度等。这种类型的策略的关键是想法要符合逻辑，符合直觉。 3、一些经典的方法 比如海龟策略，dual thrust，羊驼选股、二八轮动等等。可以借鉴一下这些经典策略的思路，不过要注意一下这些策略在今天还是否有效。 二、验证过程： 1、 目测观察 这个方法主要适用上述的第二种方法。比如大股东增持，我们可以先在交易软件中，寻找到大股东增持的个股及发生的时间点，然后观察一下之后的走势，是不是和我们的逻辑一样。 2、 回测 这部分主要是用历史数据对上述想法进行验证，也包括调参数等。 3、 测试稳定性 在回测中，我们通常会反复调整参数，让策略达到理想的表现，但这样往往会导致过拟合。一中排除方法是将参数稍微做些变动，观察策略的表现。比如原策略是每月1日调仓，我们可以改为每月3日调仓，然后观察一下结果，如果策略差距较大，那么原策略就很可能是过拟合。 另外持仓数量也值得注意。与基本面分析需要深入个股层面不同，量化策略并不对个股基本面进行深度研究，而是通过分散化降低个股层面的异质风险。因此如果一个策略平均持仓很少（10只一下）那么策略的表现可能只是某一只个股表现好，这是可能采取一些验证方法，比如原来选股是选排名前10，那么可以换成排名10-20，如果差距较大，那么说明策略可能只是运气好。 对了你们还没有点赞，万一下次看不到了怎么办，点赞会出现神奇的传送门哦。
回答于日 00:00
更新：聚宽新手指南 - JoinQuant，干货，答疑，指路，一应俱全。welcome to JoinQuant ! ------------说起量化交易入门，很多时候得到的答案都是长长的书单，让人望而却步。这里，就为新手准备了这篇文章--十行代码带你量化交易入门数据获取，策略回测，行… 显示全部 更新： 聚宽新手指南 - JoinQuant，干货，答疑，指路，一应俱全。 welcome to JoinQuant ! ------------ 说起量化交易入门，很多时候得到的答案都是长长的书单，让人望而却步。 这里，就为新手准备了这篇文章--十行代码带你量化交易入门 数据获取，策略回测，行情链接，发送交易信号，直接体验整个量化交易的核心流程，立刻学会并跟着做起来！ 学习内容： 学会写一个简单的量化交易策略 理解策略的基本框架 学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信 首先，进入JoinQuant聚宽量化交易平台，点击导航栏我的策略，新建策略，进入策略编辑画面，如图。 左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。 下面教你用10行代码写个量化交易策略——单股票均线策略 1 确定策略内容与框架 若昨日收盘价高出过去20日平均价今天开盘买入股票 若昨日收盘价低于过去20日平均价今天开盘卖出股票 只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？ 想想人是怎么操作的，应该包括这样两个部分 既然是单股票策略，事先决定好交易哪一个股票。 每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。 对应代码也是这两个部分 def initialize(context): 用来写最开始要做什么的地方 def handle_data(context,data): 用来写每天循环要做什么的地方 答疑与延伸： def后面的空格和最后的冒号不能少！ 符号都要用英文输入法！ 为什么这么写？就这么规定的，先别管了。 handle_data 按天循环时，如此处，其中的操作都是在9:30执行。 毫无编程基础？，丝毫不懂变量，函数，if else的，还是先到量化课堂的编程部分学习下python语言吧。 几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作 1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等 2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。 2 初始化 我们要写设置要交易的股票的代码，比如 兔宝宝（002043） def initialize(context): g.security = '002043.XSHE'# 存入兔宝宝的股票代码 答疑与延伸： “g.”是什么？全局变量前都要写”g.”，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加”g.”,只能在第一部分即initialize里用，不能在第二部分handle_data里用。不懂什么是变量的，到量化课堂的python编程里学习下基础内容，或者问问度娘。 “XSHE”是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 “.XSHE “，上交所股票代码后缀为 “.XSHG”。 代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。 3 获取收盘价与均价 首先，获取昨日股票的收盘价 # 用法：变量 = data[股票代码].close last_price = data[g.security].close# 取得最近日收盘价，命名为last_price 然后，获取近二十日股票收盘价的平均价 # 用法：变量 = data[股票代码].mavg(天数，‘close’) # 获取近二十日股票收盘价的平均价，命名为average_price average_price = data[g.security].mavg(20, 'close') 答疑与延伸： data是什么？ data[股票代码]后面除了平均价.mavg还能接什么? 4 判断是否买卖 数据都获取完，该做买卖判断了 # 如果昨日收盘价高出二十日平均价, 则买入，否则卖出 if last_price > average_price: 买入 elif last_price
average_price: order_value(g.security, cash)# 用当前所有资金买入股票 elif last_price < average_price: order_target(g.security, 0)# 将股票仓位调整到0，即全卖出 现在，在策略回测界面右上部，设置回测时间从160601，设置初始资金100000，设置回测频率，然后点击运行回测。 答疑与延伸： 什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。 如果你代码没有问题，就会顺利的进行回测，回测结果如下图： 至此，你就完成了一个简单策略的回测了。 答疑与延伸： 如何根据回测结果评价策略好坏？很初级地讲，有三： 盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。 盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。 回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。 更多说明见：风险指标说明 这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。 7 建立模拟交易，使策略和行情实时连接自动运行 策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。 答疑与延伸： 模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。 8 开启微信通知，接收交易信号 点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。 当策略买卖操作，微信会收到信号提醒类似下图。 答疑与延伸： 能不能自动下单？目前不能，国家管制。你可根据信号手动下单买卖，施行策略。 自测与自学 能否理解整个策略框架。 能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。 能否理解年化收益，最大回撤。 浏览JoinQuant 导航栏-帮助-常见问题 之后的文章，将在本文的基础上，进行深入和扩展，比如多股票，指标获取，大盘择时等，旨在帮助对量化交易有兴趣的人快速入门，能够自主实现自己心中的想法与策略。 本篇文章和后续将收录到 量化交易&宽客 - 知乎专栏 ， 敬请关注：） 更多进阶内容可以到 量化课堂 - JoinQuant 学习，特点是讲解细致，代码规范，可以在聚宽实践演练。 都看到这里了，不点个赞嘛：）
回答于日 00:00
如果是不懂编程技术的小白用户，推荐到果仁网（/）学习量化策略，网站可以轻松让你创建量化策略，还有大量免费策略定义被分享出来供用户学习，很不错，适合入门学习。 更多量化策略研究学习： 量化基础--新手入门 [新手入门]什么是量化… 显示全部 如果是不懂编程技术的小白用户，推荐到果仁网（/）学习量化策略，网站可以轻松让你创建量化策略，还有大量免费策略定义被分享出来供用户学习，很不错，适合入门学习。 更多量化策略研究学习：量化基础--新手入门 [新手入门]什么是量化投资？ [新手入门]什么是量化策略 [新手入门]量化投资与传统投资的区别 量化选股之多因子选股模型 量化择时--择时的原则 量化择时--双均线（MA）、DMA、TRIX、MACD择时 量化择时--PE择时 量化评估--年化收益、最大回撤、阿尔法、贝塔、夏普比率解释 果仁量化平台视频教程汇总 量化进阶--自定义指标 什么是自定义指标 果仁量化平台自定义函数列表 自定义指标示例列表（持续更新） 果仁自定义指标筛选股票示例--如何实现通达信红宝书公式 量化高级--策略与应用 彼得.林奇策略 约翰o邓普顿策略 海龟策略 【量化策略研究】均值回归入门 量化高手--牛人分享 什么是α，β收益，量化投资的策略创建与分析 量化策略学习与反思 [量化必读 ]物理学博士带给你的一种“更有效的择时方法” 阿尔法对冲策略：拒坐“过山车” 追求绝对收益 从科学和哲学角度漫谈 没有逻辑的策略 的该怎么相信 量化投资金杯之一 --小市值策略是否是投资金杯？ 量化投资金杯之二--小成交额策略是否是投资金杯？ 关于策略拟合的若干问题的解答
回答于日 00:00
更新：聚宽新手指南 - JoinQuant，干货，答疑，指路，一应俱全。welcome to JoinQuant ! ------------老实讲，有些回答给出的内容太厚重，太理论了，对新人未免有些不友好。这里，就为新手准备了这篇文章--十行代码带你量化交易入门数据获取，策略回测，行… 显示全部 更新： 聚宽新手指南 - JoinQuant，干货，答疑，指路，一应俱全。 welcome to JoinQuant ! ------------ 老实讲，有些回答给出的内容太厚重，太理论了，对新人未免有些不友好。 这里，就为新手准备了这篇文章--十行代码带你量化交易入门 数据获取，策略回测，行情链接，交易信号，直接体验整个量化交易的核心流程，立刻学会并跟着做起来！ 学习内容： 学会写一个简单的量化交易策略 理解策略的基本框架 学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信 首先，进入JoinQuant聚宽量化交易平台，点击导航栏我的策略，新建策略，进入策略编辑画面，如图。 左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。 下面教你用10行代码写个量化交易策略——单股票均线策略 1 确定策略内容与框架 若昨日收盘价高出过去20日平均价今天开盘买入股票 若昨日收盘价低于过去20日平均价今天开盘卖出股票 只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？ 想想人是怎么操作的，应该包括这样两个部分 既然是单股票策略，事先决定好交易哪一个股票。 每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。 对应代码也是这两个部分 def initialize(context):
用来写最开始要做什么的地方
def handle_data(context,data):
用来写每天循环要做什么的地方
答疑与延伸： def后面的空格和最后的冒号不能少！ 符号都要用英文输入法！ 为什么这么写？就这么规定的，先别管了。 handle_data 按天循环时，如此处，其中的操作都是在9:30执行。 毫无编程基础？，丝毫不懂变量，函数，if else的，还是先到量化课堂的编程部分学习下python语言吧。 几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作 1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等 2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。 2 初始化 我们要写设置要交易的股票的代码，比如 兔宝宝（002043） def initialize(context):
g.security = '002043.XSHE'# 存入兔宝宝的股票代码
答疑与延伸： “g.”是什么？全局变量前都要写”g.”，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加”g.”,只能在第一部分即initialize里用，不能在第二部分handle_data里用。不懂什么是变量的，到量化课堂的python编程里学习下基础内容，或者问问度娘。 “XSHE”是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 “.XSHE “，上交所股票代码后缀为 “.XSHG”。 代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。 3 获取收盘价与均价 首先，获取昨日股票的收盘价 # 用法：变量 = data[股票代码].close
last_price = data[g.security].close# 取得最近日收盘价，命名为last_price
然后，获取近二十日股票收盘价的平均价 # 用法：变量 = data[股票代码].mavg(天数，‘close’)
# 获取近二十日股票收盘价的平均价，命名为average_price
average_price = data[g.security].mavg(20, 'close')
答疑与延伸： data是什么？ data[股票代码]后面除了平均价.mavg还能接什么? 4 判断是否买卖 数据都获取完，该做买卖判断了 # 如果昨日收盘价高出二十日平均价, 则买入，否则卖出
if last_price > average_price:
elif last_price
average_price:
order_value(g.security, cash)# 用当前所有资金买入股票
elif last_price < average_price:
order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
现在，在策略回测界面右上部，设置回测时间从160601，设置初始资金100000，设置回测频率，然后点击运行回测。 答疑与延伸： 什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。 如果你代码没有问题，就会顺利的进行回测，回测结果如下图： 至此，你就完成了一个简单策略的回测了。 答疑与延伸： 如何根据回测结果评价策略好坏？很初级地讲，有三： 盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。 盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。 回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。 更多说明见：风险指标说明 这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。 7 建立模拟交易，使策略和行情实时连接自动运行 策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。 答疑与延伸： 模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。 8 开启微信通知，接收交易信号 点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。 当策略买卖操作，微信会收到信号提醒类似下图。 答疑与延伸： 能不能自动下单？目前不能，国家管制。你可根据信号手动下单买卖，施行策略。 自测与自学 能否理解整个策略框架。 能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。 能否理解年化收益，最大回撤。 浏览JoinQuant 导航栏-帮助-常见问题 之后的文章，将在本文的基础上，进行深入和扩展，比如多股票，指标获取，大盘择时等，旨在帮助对量化交易有兴趣的人快速入门，能够自主实现自己心中的想法与策略。 本篇文章和后续将收录到 量化交易&宽客 - 知乎专栏 ， 敬请关注：） 更多进阶内容可以到 量化课堂 - JoinQuant 学习，特点是讲解细致，代码规范，可以在聚宽实践演练。 都看到这里了，不点个赞嘛：）
回答于日 00:00
我想既然是入门当然是从浅入深的让大家去了解，一下放这么多书作为学渣的我是及其不想看到的。天生不是看书的料，废话不多说了直接上。 一、首先是量化的工具 1、 软件推荐：python常用的量化软件有python、matlab、java、C++。从开发难度而言python和matla… 显示全部 我想既然是入门当然是从浅入深的让大家去了解，一下放这么多书作为学渣的我是及其不想看到的。天生不是看书的料，废话不多说了直接上。一、首先是量化的工具 1、 软件推荐：python 常用的量化软件有python、matlab、java、C++。从开发难度而言python和matlab都比较容易，java和C++麻烦一些。从运行速度而言，C++、java要快于matlab和python。不过对于大部分人而言，尤其是初学者，开发占用的时间远大于运行时间。如果追求运行速度的话，先将策略开发出来，再用C重写也不迟。另外，从量化资源而言，python资源多于matlab，而且matlab是商业软件，python是免费的。因此我推荐大家用python。 使用python的话，最好下载一个anaconda。这个软件将常用的库都集成好了，免去自己安装的烦恼。下载地址：https://www.continuum.io/downloads python教程推荐这个网站：http://lectures.quantecon.org/py/index.html只需要看第一部分就可以了。该教程不仅介绍了python,而且介绍了numpy,scipy,pandas,matplotlib等科学计算库。 2、 数据源推荐：tushare Tushare支持的数据很全面，相比wind个人版量化接口，tushare更友好。因此推荐tushare。下载地址：TuShare -财经数据接口包 3、 量化框架：推荐使用量化平台 量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可回测策略，免去了自己从无到有搭建基础框架的过程。 以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他工具。 1、 数据库推荐：sqlite 如果所做的策略需要存储很多数据，那么就需要一个数据库软件，配合使用。Python自带sqlite3库，可以在python中方便的操作sqlite数据库。Sqlite下载地址：SQLite Home Page 使用方法可以参考：SQLite - Python | 菜鸟教程 2、 机器学习推荐:scikit-learn Scikit-learn封装了很多常用的算法，直接用就可以了，避免了自己写算法。网址： scikit-learn: machine learning in Python 另外推荐一本机器学习的书“集体智慧编程”，至于购买链接嘛 HAHA 就不发了免得别人以为我是打广告的。 3、 网络信息采集推荐：Beautifulsoup等 关于这方面可以参考“Python网络数据采集”这本书。链接也不说了 QAQ。 二、平台跟工具的选取 由于现在主流量化都是python，所以我也稀里糊涂的学了python，感觉还不错。 给大家再来几个学习的地址吧 ，免费才是王道买书要花钱学生党的我最喜欢免费资料。 下面是高能的学习资料窝点！下面是高能的学习资料窝点！下面是高能的学习资料窝点！这里说三遍。都是来自各大平台的资料汇总起来超级不容易哎！可耻的求一波赞。 新手专区： 量化学习资料：https://club./quant/topic/789049 Python编程： Python学习资料：https://club./quant/topic/834227 python学习教程：https://club./quant/topic/760702 python、java编程基础视频1：https://club./quant/topic/877114 python、java编程基础视频2：https://club./quant/topic/877215 python技术指标均线应用：https://club./quant/topic/778188 python技术指标kdj应用：https://club./quant/topic/778178 python指标macd的应用：https://club./quant/topic/778177 python去除是停牌、退市、st创业版股票：https://club./quant/topic/778173 python策略中获取指数成分股的历史行情数据：http://club./quant/topic/938309突然发现汇总起来还是蛮多的，各位观众老爷寻找几个适合自己的就好。至于为什么都是同一个平台，因为当初随便选择了个平台，发现这竟然是个有背景的平台，数据什么的还不错，所以一直没有换，适合自己的才是最好的。三、说一下国内国内量化交易员的日常工作吧其实我也没见过，就是想让大家多了解下。以下回答均来自某平台 随着量化投资的概念在国内逐渐流行，量化交易员这个听起来神秘又高大上的职业也逐渐走入人们的视野，笔者也曾经面试相关的岗位，有考核行测+投资理念的，也有考核各种衍生品相关知识外加编程及数据库相关知识的，大体上都要求有较好的数理分析和逻辑思维，至少掌握一门熟练的语言等，通常计算机水平对采用程序化交易方式来说要求更高，笔者在浏览了相关大牛的看法之后，结合自己的一些见解，总结了量化交易员日常的工作内容： 量化交易员平常的工作其实没有固定的模式，但总结下来大都包括: 现有策略的管理维护，看盘（通常开N个窗口，大都是定制化的各种彩色表格、图、列表和滚动新闻的组合）以及查看策略有没有乱发单，开发新的策略，每日进行盘后处理，统计委托、持仓、波动率、滑点等等，这些工作听起来琐碎且机械，但真正开发出所谓的印钞机达到躺赢的境界可谓少之又少，大部分人仍然需要不断学习并且经历各种市场的考验，笔者观察下来量化交易日常工作中那些不可言说的痛苦之处在于： 1、灵感，这种东西说起来很虚，实际上在市场上策略逐渐趋同、逐渐失效的过程中是很重要的，当技术和知识不再成为做交易的壁垒之时，也许我们缺乏的就是些许创造性与洞察力，搬运国外学术paper中介绍的方法一定是有效的吗，自己绞尽脑汁更新了好几个版本的新策略回测时各种指标竟然远不如行业内正火热的几个“经典策略”，是数据不对还是自己遗漏了什么细节，市场总是公平而又残酷的。 2、心理，投资讲求的是心理战，对于量化交易员来说，程序化交易的方式可以避免一部分人性的因素，但是否干预、何时干预模型（尤其是模型并不完备）一直是一个长期困扰交易员的问题，长期在概率上占优看起来美好，可是当来自客户的要求越来越多，账户持续亏损的情况下，有多少人不对自己的模型产生怀疑，又有多少人拥有长期的机会，实盘中的交易员无异于在前线上的士兵只不过他的对手更加凶狠且无形。 3、不确定性，个人认为，量化交易者同时也需要结合一些基本面，尤其是在国内金融市场信息不对称、噪声大以及监管因素变化下能够从市场调研中获得有效信息以减少不确定性是相当重要的，尤其是当结合爬虫和自然语言分析等的舆情分析系统日渐成熟后使得量化交易员能够迅速对极端事件做出反映。此外，不确定性的来源较多以至于交易者在某些条件不具备的情况下依然能对交易产生巨大影响，相信在商品期货急速上涨下跌的黑色星期五被强平在跌停价的交易者都深有体会。量化交易这条路充满凶险，注定是少数“成功者”分享胜利果实，努力拼搏，保持热忱，争取成为这条群雄逐鹿的勇者之路上最后活着的一批人吧。 拿了人家的东西就他们挂个链接吧，要不不厚道。 勇者之路-国内量化交易员的日常工作状态 http://club./quant/topic/963592 四、推荐图书 想了想还是给大家推荐几本书吧，全发出来太长了放个链接好了。 图书推荐传送门：http://club./quant/topic/963246 我想了下大体就这些吧，至于为什么老是出现某某平台可能是因为刚开始学习就在她上面学习的吧，毕竟每个学生都带着老师的一些特点。有些啰嗦但是不经能让爱学习的小伙伴大快朵颐啦！开森。 写了这么多抄了这么多，关于如何写策略在这里就不说了，因为还是涉嫌平台广告问题，想要了解的人可以私聊我或者加我QQ吧。我只有没课时间才能接客的。 企鹅： 对了你们还没有点赞，万一下次看不到了怎么办，点赞会出现神奇的传送门哦。
回答于日 00:00
前排广告位： 我自己的新书《中低频量化交易策略研发（上）》已经发布，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：/s/1bobB7BL人大经济论坛：http://bbs.pinggu.org/thread--1.html 友情提示：我不懂高频，方向仅限中低频交易。有中文版的尽量… 显示全部 前排广告位： 我自己的新书《中低频量化交易策略研发（上）》已经发布，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： /s/1bobB7BL 人大经济论坛： http://bbs.pinggu.org/thread--1.html 友情提示：我不懂高频，方向仅限中低频交易。有中文版的尽量挑中文版，因为我自己英文很烂，平常都更愿意读中文，会相对轻松一些。当然你要是鄙视中文翻译水平请自行寻找英文版。 第一部分：预备知识 【1】《投资学》 作者：博迪，凯恩，马库斯既然是搞量化，算半瓶水搞科学的，就不应该本能的排斥学院的东西。这本书对于投资交易的入门非常系统了，有了对市场的基本认识，了解前人在量化工作上的一些重要发展，才有可能在正确的基础上建立自己的想法和直觉。不过粗略看看也就可以了，毕竟我们这里聊的是量化交易入门，而不是金融专业如何毕业，下面三本书一样，翻翻就行。 【2】《Trends in Quantitative Finance》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm 这是别人问起量化交易来，我最为推荐的一本入门书。书中讲到了做量化策略需要注意的几个最重要的地方，例如过拟合、未来函数、幸存者偏差等等。有一句话已经慢慢成为了我做策略开发的信条：交易策略研发应该以经济直觉（Economic Intuition）为基础。我本身是数学、统计出身，初期曾坚信数据挖掘的作用大于经济直觉，碰壁多次之后，慢慢开始转变观念。这也说明一个问题，交易策略研发是一门需要实践的手艺，多做才会促进思维的进一步发展。当然我不肯定我自己的思路是否正确，赚钱的思路千百种，我能取一瓢饮就烧香拜佛了。真的是好书，虽然内容初级且杂乱，但是谈到了大部分对于新手来说比较重要的概念，不要因为是CFA教材而鄙视它。【3】某本《计量经济学》我自己的计量知识主要来源于论文阅读和写作，边用边学，教材只做工具书参考用，因此不是特别熟悉( @Alffee Akanishi 在评论中推荐伍德里奇那本，谢谢分享)。只说一点，做量化交易策略需要有一定的计量基础（当然越扎实越好），因为大部分策略始终是在和时间序列以及面板数据打交道。当然统计学基础知识也是必须的，同样越深越好，鉴于上过大学的都学过，这里就不再列统计学的书目了。理工科入行的，我想也是有必要补一补相关知识的，不一定会用上，但是能促使思维进一步系统化。在基本计量知识的基础上，做量化策略的人们需要一种额外的能力：规避未来函数的能力。一些计量研究往往偏向于描述或解释某一种现象，因此无需考虑模型中时间点前后的严格划分。量化策略偏重于使用当前数据预测未来，并在预测的基础上形成策略，因此在模型建立、数据处理时需要格外注意这个问题。个人认为，Out-of-Sample检验的相关内容可以很好的训练这种能力，当然最好的方式还是在研发实践中慢慢摸索。 【4】《漫步华尔街》作者：麦基尔说实话这本书对于量化投资策略的研发没有任何帮助，对我而言其作用在于：1，认识指数化投资这种最具有经济意义的投资方式；2，时刻警醒打败市场有多难。第二部分：择时策略【1】《海龟交易法则》作者：柯蒂斯·费思可以看作是一个机械交易策略各个组成部分的讲解，有实例（还大名鼎鼎）有说明，对大体上把握策略研发的工作很有帮助。其实如果能自行设计出一个类似乎海龟交易法则的交易策略出来，我觉得量化交易应该算初入门径了。 【2】《交易策略评估与最佳化》作者：罗伯特·帕多 这本书国内没有翻译版本，但是有台湾的译本，我是在某宝上买的。择时策略的开发步骤大部分都涉及到了，做入门书很合适，对形成量化投资策略的研究思维有比较大的帮助。作者说自己首创了推进分析（Walk-forward），我不太清楚是否属实。但是推进分析本身值得各位想入门量化交易的朋友好好研究，这是一个比经济学Out-of-Sample检验更符合交易逻辑的回测方法，当然它本身可以算是Out-of-Sample检验的一种特殊形式。 【3】《量化交易——如何建立自己的算法交易事业》 作者：欧内斯特·陈 相较于上一本，量化交易策略的组成成分方面讲的更多一点。这本书虽然也有一点点因子模型的内容，但是主要内容还是择时策略，作者也似乎更偏向于择时的交易思维。涉及到了凯利公式以及一些量化策略的想法（我觉得书中的一些小例子不能算作真正的量化策略）。同类型的书中这一本其实写的不算太好，但是它有中文版啊，也比较适合入门。^_^ 【4】《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》 by Keith Fitschen 这本书的特色在于较为独立的讲解了量化交易策略的各个组成成分，并且说明了各个成分的作用，以及增加、调整之后对整体的影响之类比较实践性的知识，开仓、过滤、平仓等基础内容均有实例支撑，讲的比较详细。Trading Lore那一章我非常喜欢。拿来做入门书应该算是非常好的选择。 第三部分：选股策略 / 投资组合管理 【1】一篇论文：Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465. Alpha选股策略的源头，而且还仔细做了规避未来函数的工作，提出的因子也在实践中被证实有效。相比较而言，93年那篇更受学界认同的论文实际上是一篇解释性的文章，从风险补偿等方面来解释超额回报来源的现象与问题，其对于量化投资策略的意义，见仁见智了。【2】《Quantitative Equity Investing》 by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm 又是这三个人的书，倒不是写的有多好，但是确实是入门的上佳选择。选股策略和投资组合管理在学界也有一定的研究地位，因此这本书的整体框架明显比《Trends in Quantitative Finance》更清晰一些，没有那么杂乱。 【3】《积极型投资组合管理》 作者：格里纳德，卡恩先要说明，这本书除了个别章节以外，一点都不入门。这里将其排进入门书单的原因，是因为它太重要了，绕不开。有志于选股策略和投资组合管理的朋友，请努力啃吧，可以搭配BARRA的手册和Qian的那本《Quantitative Equity Portfolio Management》一起看。 @李腾 也翻译了一个版本，但是我没有看过，不好评价。在这里向李大神致敬，书里一些地方我到现在都没看明白呢。第四部分：进阶大致了解了量化交易策略的基本构造之后，进阶阶段就没有什么固定的套路可说了。我比较推荐的是在实践中成长，自己多做一做，随便找个想法或者现成的策略进行回测。可能由于未来函数或者其他原因得到不靠谱的结果，然后发现，然后改进，自己对策略开发应该就会越来越熟悉了。 除此之外，非常重要的一点就是学习新的知识和技术。一旦形成了基本的策略构造能力，了解买卖、仓位、风控等部分的组合之后，量化策略研发的进阶就要靠多吸收新鲜知识来支撑了。说实话，直觉、想法都是在大量学习前人知识的基础上完成的，不然难免成为无源之水、无本之木。开卷有益，多多益善，书多看不要管科目，论文多读不要管难易，想法总是会源源不断的产生的。然后再去把想法实现出来，可能10个里有10个都是错的，但是事情总是在进展的，总该是好事。 其实进阶阶段没什么书值得推荐的，因为所有书都应该推荐。这里随便说几本，意思一下： 【1】统计套利作者：安德鲁·波尔整本书缺乏特别有用的细节，模型方面甚至有蒙外行的嫌疑，只能用来大概了解统计套利策略。不过，它介绍了一种具有经济意义基础的操作策略。我心目中，策略背后有站得住脚的经济意义的策略包括：指数化投资——跟随经济进步的节奏盈利；套利——赚市场定价错误的钱；配对交易——两个相关资产的价格差额不会过大，弱化版的套利。当然，这些交易策略都存在风险，指数化投资可能随经济危机、经济走弱而萎靡不振，套利行为也可能在极端市场状态下崩盘。不过横向对比而言，这几种策略已经是有非常坚实的逻辑基础的了。我个人认为，所有的交易策略都有缺点，当我们无法消除这些缺点的时候，应该学会理智的接受它，从风险控制的角度限制它，这是一个相对理性的处理方法。【2】《走出幻觉走向成熟》作者: 金融帝国国内作者的好书一本，很多观点都很有启发性，值得推荐。【3】《信号与噪声》作者：纳特o西尔弗讲大数据的书中，个人认为这是对搞量化策略的人来说，最有参考性的一本。可能跟这本书本身不是太技术，比较偏统计有关。【4】失控作者：凯文·凯利跟量化投资没关系，单纯觉得是好书。要是当初能深刻理解凯利大爷关于去中心化货币的内容，早买比特币发财了，这才是真·经济直觉啊，哎。（不过大爷自己也投过虚拟货币，不是比特币，没投对。果然理论还是要结合实践才能发家致富。。。）【注】本来想写上《通向金融王国的自由之路》的，但是我实在不认同他所说的：入市技术的重要性只占10％，以及其他一些观点。其实有些内容挺不错的，感兴趣的可以深入看看。【其他】很多人推崇读书、读论文来吸收结构化的知识，不太认同在网上寻求碎片化知识。然而，量化交易研发、特别是Beta择时策略的研发，往往特别需要这种碎片化知识。例如看到一个八卦，发现西蒙斯之前有个合伙人叫巴姆，用了人家巴姆的算法，可能就会主动的去学习一下隐马尔科夫模型，然后尝试的测试一下；看到深度学习很火，就会去了解一下机器学习的分类方法，也许就能拿来分类上涨下跌呢；看到一个平台的介绍，可能就会想想是否可以复制平台的框架或者干脆拿来主义。（我自己都鄙视自己的举例水平。。。）碎片化知识的来源，我推荐这么几个地方：Quora - 各种有意思的知识，就是英文让我比较难过elitetrader - 集中在交易的一些讨论 StackExchange的几个子站 - 例如CrossValidated，Overflow等知乎 - 中国版Quora海洋论坛 - 很久没上了，不知道怎么样了例如我在Quora上瞟到Brandon Smietana的一个答案： 一些我听说过或见到过在实盘跑的量化策略：Kalman filtersHidden markov modelsTopological manifold learningNon-linear kernel regression techniquesAPT type factor modelsMonte carlo options pricing techniquesContinuous time APT factor models with latent variablesSpectral techniques for doing bag of words extraction of factors from natural language corpus for generating forcings for stochastic partial differential models of asset dynamicsPairs trading/mean regression statistical arbitrage strategiesAutomatic graphical model construction (structural inference over dynamic Bayesian networks)Reinforcement learning based pairs trading strategiesInformation theory based investment strategiesJ. L. Kelly, Jr., "A New Interpretation of Information Rate," Bell System Technical Journal, Vol. 35, July 1956, pp. 917-26Sparse over complete basis function methods for feature extractionApplications 'information geometry'; a field on the border between information theory, probability theory and d still very newAnything that can be used to model or extract features from a time series 虽然大部分都知道，不过感觉还是有好多东西要看啊。一个碎片引发的血案。当然，能把各种书读成碎片化知识也很好，就看有没有这么多时间去阅览海量书籍了。 此外有一个很重要的知识来源：券商研究报告。虽然很多研究员是为了写报告而写报告（这是他们的工作），但是不可否认多数券商报告都是很有含金量的，关键的是比较有针对性。还是那句话，开卷有益嘛。 第五部分：我来答题了 借着这个问题写了一大堆，结果人家的问题我还没回答。题主问的是：最近需要参加一个量化交易策略的比赛，希望可以给一些快速入门的经验和建议。 实际上这个要看个人水平，要是水平实在不高，重在参与，那就编一个技术指标直接去参赛，个人推荐趋势类的指标。要是愿意折腾一下，比赛可供选择的标的又支持，我强烈建议使用套利策略，尽可能的放大杠杆。一般而言这种比赛都不要求入金实盘，那么很多实际操作中的重点疑难问题都不复存在。没有市场冲击等损耗、开单就能成交、一些情况下甚至不存在潜在对手的套利策略，纸面富贵还是能保证的。而且套利策略偏高频，看起来高大上（我猜的），你就是比赛中新一代的开山怪！
回答于日 00:00
好多答案都是列了长长的书单，书自然都是好书，但对于想入门的人来说未免太繁杂，兴趣一下就被打压了。其实一个想入门的门外人，最想要的其实是一个简单快速的入门方法，不想看那么多书，却还写不了一个量化策略。 这里，就为新手准备了这篇文章--十行代码… 显示全部 好多答案都是列了长长的书单，书自然都是好书，但对于想入门的人来说未免太繁杂，兴趣一下就被打压了。其实一个想入门的门外人，最想要的其实是一个简单快速的入门方法，不想看那么多书，却还写不了一个量化策略。这里，就为新手准备了这篇文章--十行代码带你量化交易入门 学习内容： 学会写一个简单的量化交易策略 理解策略的基本框架 学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信 首先，进入JoinQuant聚宽量化交易平台，点击导航栏我的策略，新建策略，进入策略编辑画面，如图。 左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。 下面教你用10行代码写个量化交易策略——单股票均线策略1 确定策略内容与框架 若昨日收盘价高出过去20日平均价今天开盘买入股票 若昨日收盘价低于过去20日平均价今天开盘卖出股票 只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？ 想想人是怎么操作的，应该包括这样两个部分 既然是单股票策略，事先决定好交易哪一个股票。 每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。 对应代码也是这两个部分 def initialize(context):
用来写最开始要做什么的地方
def handle_data(context,data):
用来写每天循环要做什么的地方
答疑与延伸： def后面的空格和最后的冒号不能少！ 符号都要用英文输入法！ 为什么这么写？就这么规定的，先别管了。 handle_data 按天循环时，如此处，其中的操作都是在9:30执行。 毫无编程基础？，丝毫不懂变量，函数，if else的，还是先到量化课堂的编程部分学习下python语言吧。 几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作 1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等 2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。2 初始化 我们要写设置要交易的股票的代码，比如 兔宝宝（002043） def initialize(context):
g.security = '002043.XSHE'# 存入兔宝宝的股票代码
答疑与延伸： “g.”是什么？全局变量前都要写”g.”，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加”g.”,只能在第一部分即initialize里用，不能在第二部分handle_data里用。不懂什么是变量的，到量化课堂的python编程里学习下基础内容，或者问问度娘。 “XSHE”是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 “.XSHE “，上交所股票代码后缀为 “.XSHG”。 代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。3 获取收盘价与均价 首先，获取昨日股票的收盘价 # 用法：变量 = data[股票代码].close
last_price = data[g.security].close# 取得最近日收盘价，命名为last_price
然后，获取近二十日股票收盘价的平均价 # 用法：变量 = data[股票代码].mavg(天数，‘close’)
# 获取近二十日股票收盘价的平均价，命名为average_price
average_price = data[g.security].mavg(20, 'close')
答疑与延伸： data是什么？ data[股票代码]后面除了平均价.mavg还能接什么?4 判断是否买卖 数据都获取完，该做买卖判断了 # 如果昨日收盘价高出二十日平均价, 则买入，否则卖出
if last_price > average_price:
elif last_price
average_price:
order_value(g.security, cash)# 用当前所有资金买入股票
elif last_price < average_price:
order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
现在，在策略回测界面右上部，设置回测时间从160601，设置初始资金100000，设置回测频率，然后点击运行回测。 答疑与延伸： 什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。 如果你代码没有问题，就会顺利的进行回测，回测结果如下图： 至此，你就完成了一个简单策略的回测了。 答疑与延伸： 如何根据回测结果评价策略好坏？很初级地讲，有三： 盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。 盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。 回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。 更多说明见：风险指标说明 这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。7 建立模拟交易，使策略和行情实时连接自动运行 策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。 答疑与延伸： 模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。8 开启微信通知，接收交易信号 点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。 当策略买卖操作，微信会收到信号提醒类似下图。 答疑与延伸： 能不能自动下单？目前不能，国家管制。你可根据信号手动下单买卖，施行策略。自测与自学 能否理解整个策略框架。 能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。 能否理解年化收益，最大回撤。 浏览JoinQuant 导航栏-帮助-常见问题 之后的文章，将在本文的基础上，进行深入和扩展，比如多股票，指标获取，大盘择时等，旨在帮助对量化交易有兴趣的人快速入门，能够自主实现自己心中的想法与策略。 本篇文章和后续将收录到 量化交易&宽客 - 知乎专栏 ， 敬请关注：） 更多进阶内容可以到 量化课堂 - JoinQuant 学习，特点是讲解细致，代码规范，可以在聚宽实践演练。 都看到这里了，不点个赞嘛：）
回答于日 00:00
有交易经验做基础，从事程序化交易很容易上手，我就是做策略的，国内使用的主要是程序化交易平台主要有：文华财经、金字塔、交易开拓者，mc、登峰等等。 显示全部 有交易经验做基础，从事程序化交易很容易上手，我就是做策略的，国内使用的主要是程序化交易平台主要有：文华财经、金字塔、交易开拓者，mc、登峰等等。
程序化交易
回答于日 00:00
好多答案都是列了长长的书单，书自然都是好书，但对于想入门的人来说未免太繁杂，兴趣一下就被打压了。其实一个想入门的门外人，最想要的其实是一个简单快速的入门方法，不想看那么多书，却还写不了一个量化策略。 这里，就为新手准备了这篇文章--十行代码… 显示全部 好多答案都是列了长长的书单，书自然都是好书，但对于想入门的人来说未免太繁杂，兴趣一下就被打压了。其实一个想入门的门外人，最想要的其实是一个简单快速的入门方法，不想看那么多书，却还写不了一个量化策略。这里，就为新手准备了这篇文章--十行代码带你量化交易入门 学习内容： 学会写一个简单的量化交易策略 理解策略的基本框架 学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信 首先，进入JoinQuant聚宽量化交易平台，点击导航栏我的交易，新建策略，进入策略编辑画面，如图。 左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。 下面教你用10行代码写个量化交易策略——单股票均线策略1 确定策略内容与框架 若昨日收盘价高出过去20日平均价今天开盘买入股票 若昨日收盘价低于过去20日平均价今天开盘卖出股票 只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？ 想想人是怎么操作的，应该包括这样两个部分 既然是单股票策略，事先决定好交易哪一个股票。 每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。 对应代码也是这两个部分 def initialize(context):
用来写最开始要做什么的地方
def handle_data(context,data):
用来写每天循环要做什么的地方
答疑与延伸： def后面的空格和最后的冒号不能少！ 符号都要用英文输入法！ 为什么这么写？就这么规定的，先别管了。 handle_data 按天循环时，如此处，其中的操作都是在9:30执行。 毫无编程基础？，丝毫不懂变量，函数，if else的，还是先到量化课堂的编程部分学习下python语言吧。 几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作 1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等 2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。2 初始化 我们要写设置要交易的股票的代码，比如 兔宝宝（002043） def initialize(context):
g.security = '002043.XSHE'# 存入兔宝宝的股票代码
答疑与延伸： “g.”是什么？全局变量前都要写”g.”，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加”g.”,只能在第一部分即initialize里用，不能在第二部分handle_data里用。不懂什么是变量的，到量化课堂的python编程里学习下基础内容，或者问问度娘。 “XSHE”是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 “.XSHE “，上交所股票代码后缀为 “.XSHG”。 代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。3 获取收盘价与均价 首先，获取昨日股票的收盘价 # 用法：变量 = data[股票代码].close
last_price = data[g.security].close# 取得最近日收盘价，命名为last_price
然后，获取近二十日股票收盘价的平均价 # 用法：变量 = data[股票代码].mavg(天数，‘close’)
# 获取近二十日股票收盘价的平均价，命名为average_price
average_price = data[g.security].mavg(20, 'close')
答疑与延伸： data是什么？ data[股票代码]后面除了平均价.mavg还能接什么?4 判断是否买卖 数据都获取完，该做买卖判断了 # 如果昨日收盘价高出二十日平均价, 则买入，否则卖出
if last_price > average_price:
elif last_price
average_price:
order_value(g.security, cash)# 用当前所有资金买入股票
elif last_price < average_price:
order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
现在，在策略回测界面右上部，设置回测时间从160601，设置初始资金100000，设置回测频率，然后点击运行回测。 答疑与延伸： 什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。 如果你代码没有问题，就会顺利的进行回测，回测结果如下图： 至此，你就完成了一个简单策略的回测了。 答疑与延伸： 如何根据回测结果评价策略好坏？很初级地讲，有三： 盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。 盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。 回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。 更多说明见：风险指标说明 这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。7 建立模拟交易，使策略和行情实时连接自动运行 策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。 答疑与延伸： 模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。8 开启微信通知，接收交易信号 点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。 当策略买卖操作，微信会收到信号提醒类似下图。 答疑与延伸： 能不能自动下单？目前不能，国家管制。你可根据信号手动下单买卖，施行策略。自测与自学 能否理解整个策略框架。 能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。 能否理解年化收益，最大回撤。 浏览JoinQuant 导航栏-帮助-常见问题 之后的文章，将在本文的基础上，进行深入和扩展，比如多股票，指标获取，大盘择时等，旨在帮助对量化交易有兴趣的人快速入门，能够自主实现自己心中的想法与策略。 本篇文章和后续将收录到 量化交易&宽客 - 知乎专栏 ， 敬请关注：） 更多进阶内容可以到 量化课堂 - JoinQuant 学习，特点是讲解细致，代码规范，可以在聚宽实践演练。 都看到这里了，不点个赞嘛：）
回答于日 00:00
谢邀各位。实在不想码字，知乎上貌似码字不够多大家不甚喜爱…… 简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，… 显示全部 谢邀各位。实在不想码字，知乎上貌似码字不够多大家不甚喜爱……简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，我上哪找，编程小白怎么抓数据）；3.怎样回测（妈的好不容易写了个策略我该怎么评估）；4.怎样仿真交易和对接实时数据进行实盘交易。1.国内开发和引入了不少程序化交易平台，程序化实现交易策略算是大部分菜鸟入门的必经之路（除去那些做Alpha的愿意手动敲单，像我做十几个标的多时间频度还有日夜盘手动交易就是自虐）。但除非在机构里购买了使用权进行二次开发，不然那些平台实现的策略很有限。所以一般我们会用到Matlab（别吐槽我自己就用Matlab写了套交易系统，谁让我是数学专业而且算法复杂Matlab实现最方便），Python（主流呀），R，C++，C#，Java，零售的成熟平台有Apama，RTS等。我推荐Python吧……2.数据可以从Wind，Bloomberg甚至国泰安下载，也可以从一些国内零售平台弄，前两者质量高，但同样要注意数据清洗。想免费弄到多年的历史数据是不可能了～Bloomberg是一定要收费了……3.像国内TB，MC，金字塔等都可以实现回测和参数寻优，回测函数不需要自己编写，而且可以参考的绩效指标比你想象的还要多（不少你一辈子都不会看）。当然以上方法也是对菜鸟方便，还是踏踏实实学个Matlab，Python或者R吧，找虐的话C一族和Java编程你也可以去学。回测函数你可以上论坛找，也可以根据自己需求自己编写。4.好了，万事俱备只欠东风（别发梦了一不小心资本市场教你重新做人）。很多数据商如Wind都是有现成的API接口，对应相应的函数，参考一下文档就能写出实简单的交易系统。可以申请个Simnow账号模拟交易。不想编程？可以的～拿到大机构Offer就行，一般两个交易员配一个程序员。但完全不懂编程的话……做Quant有些困难了～至于入门教材什么的，置顶的回答里有不少，虽然分了什么基础和进阶。但我的建议是至少全看了，因为那全都只是很基础很基础的东西啦，我Quant生涯第一年就全看完了～祝大家，闷声发大财～
回答于日 00:00
谢邀各位。实在不想码字，知乎上貌似码字不够多大家不甚喜爱…… 简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，… 显示全部 谢邀各位。实在不想码字，知乎上貌似码字不够多大家不甚喜爱……简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，我上哪找，编程小白怎么抓数据）；3.怎样回测（妈的好不容易写了个策略我该怎么评估）；4.怎样仿真交易和对接实时数据进行实盘交易。1.国内开发和引入了不少程序化交易平台，程序化实现交易策略算是大部分菜鸟入门的必经之路（除去那些做Alpha的愿意手动敲单，像我做十几个标的多时间频度还有日夜盘手动交易就是自虐）。但除非在机构里购买了使用权进行二次开发，不然那些平台实现的策略很有限。所以一般我们会用到Matlab（别吐槽我自己就用Matlab写了套交易系统，谁让我是数学专业而且算法复杂Matlab实现最方便），Python（主流呀），R，C++，C#，Java，零售的成熟平台有Apama，RTS等。我推荐Python吧……2.数据可以从Wind，Bloomberg甚至国泰安下载，也可以从一些国内零售平台弄，前两者质量高，但同样要注意数据清洗。想免费弄到多年的历史数据，发梦吧～Bloomberg是一定要收费了……3.像国内TB，MC，金字塔等都可以实现回测和参数寻优，回测函数不需要自己编写，而且可以参考的绩效指标比你想象的还要多（不少你一辈子都不会看）。当然以上方法也是对菜鸟方便，还是踏踏实实学个Matlab，Python或者R吧，找虐的话C一族和Java编程你也可以去学。回测函数你可以上论坛找，也可以根据自己需求自己编写。4.好了，万事俱备只欠东风（别发梦了一不小心资本市场教你重新做人）。很多数据商如Wind都是有现成的API接口，对应相应的函数，参考一下文档就能写出实简单的交易系统。可以申请个Simnow账号模拟交易。不想编程？可以的～拿到大机构Offer就行，一般两个交易员配一个程序员。但完全不懂编程的话……做Quant有些困难了～至于入门教材什么的，置顶的回答里有不少，虽然分了什么基础和进阶。但我的建议是至少全看了，因为那全都只是很基础很基础的东西啦，我Quant生涯第一年就全看完了～祝大家，闷声发大财～
回答于日 00:00
谢邀各位。实在不想码字，知乎上貌似码子不够多大家不甚喜爱…… 简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，… 显示全部 谢邀各位。实在不想码字，知乎上貌似码子不够多大家不甚喜爱……简单概括一下入门时遇到最现实的问题和解决办法：1.用什么平台实现自己的算法或者策略（妈的我一个做策略的真的不想编程）；2.数据从哪里来（妈的本本“量化教科书”策略教程都有一堆数据，我上哪找，编程小白怎么抓数据）；3.怎样回测（妈的好不容易写了个策略我该怎么评估）；4.怎样仿真交易和对接实时数据进行实盘交易。1.国内开发和引入了不少程序化交易平台，程序化实现交易策略算是大部分菜鸟入门的必经之路（除去那些做Alpha的愿意手动敲单，像我做十几个标的多时间频度还有日夜盘手动交易就是自虐）。但除非在机构里购买了使用权进行二次开发，不然那些平台实现的策略很有限。所以一般我们会用到Matlab（别吐槽我自己就用Matlab写了套交易系统，谁让我是数学专业而且算法复杂Matlab实现最方便），Python（主流呀），R，C++，C#，Java，零售的成熟平台有Apama，RTS等。我推荐Python吧……2.数据可以从Wind，Bloomberg甚至国泰安下载，也可以从一些国内零售平台弄，前两者质量高，但同样要注意数据清洗。想免费弄到多年的历史数据，发梦吧～Bloomberg是一定要收费了……3.像国内TB，MC，金字塔等都可以实现回测和参数寻优，回测函数不需要自己编写，而且可以参考的绩效指标比你想象的还要多（不少你一辈子都不会看）。当然以上方法也是对菜鸟方便，还是踏踏实实学个Matlab，Python或者R吧，找虐的话C一族和Java编程你也可以去学。回测函数你可以上论坛找，也可以根据自己需求自己编写。4.好了，万事俱备只欠东风（别发梦了一不小心资本市场教你重新做人）。很多数据商如Wind都是有现成的API接口，对应相应的函数，参考一下文档就能写出实简单的交易系统。可以申请个Simnow账号模拟交易。不想编程？可以的～拿到大机构Offer就行，一般两个交易员配一个程序员。但完全不懂编程的话……做Quant有些困难了～至于入门教材什么的，置顶的回答里有不少，虽然分了什么基础和进阶。但我的建议是至少全看了，因为那全都只是很基础很基础的东西啦，我Quant生涯第一年就全看完了～祝大家，闷声发大财～
回答于日 00:00
策略擂台 - JoinQuant 不久前的新栏目 上面有大神在pk策略，表现都很不错，点进去可以看到持仓和下单详情哦，简直躺着把钱给赚了。----------------------------------------------量化课堂 - JoinQuant 这个上面有很多学习资源，特点是讲… 显示全部
策略擂台 - JoinQuant 不久前的新栏目 上面有大神在pk策略，表现都很不错，点进去可以看到持仓和下单详情哦，简直躺着把钱给赚了。 ----------------------------------------------
量化课堂 - JoinQuant 这个上面有很多学习资源，特点是讲解细致，大多附带实践代码，可以在聚宽是直接用。 ------------------------------------------------------------------
额，有点受宠若惊，其实自己做做策略提升很大的。当然，最好还是在平台上做，除非你能搞到数据源，洗数据，编交易系统等等复杂的环境搭建工作。 本人目前在joinquant上学习量化，还挺不错的，上面有不少策略可以学习。 最近就有个策略特别牛，05到15收益率40000%，年化收益率估计有180%。 这是一个简单的策略【收益40000%】 ------------------------------------------------------------------ 作为一个爱分享的小白，为大家分享一些量化入门学习资料。什么是量化投资？ 量化投资>>量化交易>>最好的学习方式 实践是检验真理的唯一标准：拷贝一个基础策略，通过回测验证，不断优化，不断补充需要学习的知识。示例策略量化策略示例 量化投资学习【常见策略】1-羊驼1（每天持有收益率前n的股票）量化投资学习【常见策略】2-羊驼2（表现最优入池） 量化投资学习【常见策略】6-海龟交易系统量化投资学习【经典指标和K线图系列】之3——KDJ（低位金叉高位死叉）研究模块使用——均线策略的参数优化回测页面 回测一个策略 上面的策略是基于Python的，如果你不懂Python，可以看下面这篇文章推荐一些Python入门学习资料（持续添加中...）量化相关书籍1 入门篇 学习量化入门知识 《解读量化投资 西蒙斯用公式打败市场的故事》（书名都可以点）作者用轻松、幽默的讲故事手法，解读了西蒙斯量化投资的秘密，也是本人不断学习量化的动力，哈哈。 《以交易为生》《以交易为生》是从普通散户做起，直达成功交易者的经典指南。作者说：价格是什么？价格就是最大的笨蛋准备支付的对价。聪明的交易者总是在市场平静时买入，在市场疯狂时获得了结。 《打开量化投资的黑箱》作者站在一个非纯粹技术性的视角介绍了量化交易策略，用生动的文笔介绍量化交易策略的基本构成。 《Trends in Quantitative Finance》英文的，不喜欢英文书慎入作者讲解了量化策略需要注意的几个重要地方，例如过拟合、未来函数、幸存者偏差等等。2 进阶篇 选择合适的策略，开始实战 《海龟交易法则》海龟们怎么赚钱？海龟交易原则和详细步骤？如何将海龟法则应用于你自己的交易甚至生活中？感兴趣的速来 《量化交易——如何建立自己的算法交易事业》作者讲述了交易策略的发展、回测检验、风险管理、实时交易系统的研发等内容，为笔者逐步建立起了量化策略的结构框架。 《聪明的投资者》“有史以来，关于投资的最佳著作。”——沃伦o巴菲特笔者用来补充基本面投资知识。 今天先写到这里啦，改天继续，其实量化交易没什么难度，行动起来，这都不是事！！！
回答于日 00:00
不算专家，但是乐于分享给大家： 金融学知识 如何学习金融工程学：金融工程学研究市场的心理：行为金融时间序列和面板分析：计量经济学交易市场是如何运作的以及微观结构，量化交易策略入门Algorithmic trading and DMA - 非常推荐，了解整个交易市场的结构… 显示全部 不算专家，但是乐于分享给大家：金融学知识 如何学习金融工程学：金融工程学 研究市场的心理：行为金融 时间序列和面板分析：计量经济学 交易市场是如何运作的以及微观结构，量化交易策略入门 Algorithmic trading and DMA - 非常推荐，了解整个交易市场的结构 Quantitative Trading Strategies - 介绍一些经典的量化交易策略的入门书，还是非常不错的，也是我们内部入门书，在这里下载可以只读：Chapter 3, 7, 8 to learn the basics of common quantitative trading strategies.我们有打算开始将里面的一些策略在我们的平台上实现并且公布出来范例代码 对基本面感兴趣的话，财务会计知识是需要的，下面的学习资料也会帮到你，尤其推荐第一本聪明的投资者，我个人也从中获益良多在自己的投资中 巴菲特老师的经典著作：聪明的投资者 分析公司的财务原理用于投资：公司财务原理 期权市场已经开放，要想进入衍生品市场，下面的书不容错过： 衍生品的圣经：期权、期货和其他衍生品
回答于日 00:00
不知道你是不是学校里的比赛还是期货券商类的公司里的比赛~ 如果只是比赛而不是实盘炒来赚钱~ 是非常容易做出回测赚钱的策略的呢~ 如果你是做隔夜策略~ 最好用伦铜电3的07-09年日线数据~ 如果你是做日内 最好用IF的10-11年1分钟数据 策略只需要找最简单的du… 显示全部 不知道你是不是学校里的比赛还是期货券商类的公司里的比赛~如果只是比赛而不是实盘炒来赚钱~是非常容易做出回测赚钱的策略的呢~如果你是做隔夜策略~最好用伦铜电3的07-09年日线数据~如果你是做日内最好用IF的10-11年1分钟数据策略只需要找最简单的dual thrust或者唐奇安通道就行了（这两个策略几乎是开源的）不会编程的话用个简单的excel就可以做出回测结果了会点股票期货软件自己去搜个金字塔软件弄上~相关策略金字塔软件论坛上也有源码的~如果要看一些相关书籍去人大经济论坛搜一本我发的 Trading Systems and Methods, + Website by Perry J. Kaufman, W 5 e}