我們都知道金融量化交易包含很多的學(xué)科，如果從頭開始學(xué)的話，往往會(huì)覺得手足無措。今天邏輯小助理要跟大家講一講哪些東西是最直接和金融量化交易有關(guān)的，讓大家可以少走彎路。
這里主要分四塊來講：金融常識(shí)，統(tǒng)計(jì)和數(shù)據(jù)科學(xué)，編程和交易。
金融常識(shí) 這里面大概列舉了幾塊個(gè)人量化交易可能會(huì)涉及到的一些領(lǐng)域，比如說常用的是股票，期貨外匯還有現(xiàn)在增加了一些叫虛擬貨幣還有期權(quán)。不要求去了解的很深入，但做交易要了解它們的基本常識(shí)。
下面我們想詳細(xì)的談?wù)?/span>統(tǒng)計(jì)和數(shù)據(jù)科學(xué)，這個(gè)是我個(gè)人認(rèn)為比較重要的。數(shù)據(jù)科學(xué)是一個(gè)非常大的學(xué)科，有很多內(nèi)容可以去學(xué)習(xí)。這里只是找出了一些非常小的一些分支，可能會(huì)對(duì)你的量化交易起到一定的幫助。
假設(shè)檢驗(yàn)
當(dāng)你想做出一些很獨(dú)特的策略，第一步是提出自己的假設(shè)，然后在用統(tǒng)計(jì)的方法去檢驗(yàn)，如果這個(gè)結(jié)論是顯著的，我們就可以制定出好的策略。
機(jī)器學(xué)習(xí)
這個(gè)學(xué)科現(xiàn)在炒得很熱，在這方面主要是有深度的學(xué)習(xí)傳統(tǒng)的統(tǒng)計(jì)方法、隨機(jī)森林等。強(qiáng)調(diào)根據(jù)需求，作為數(shù)據(jù)的分析工具。
過度擬合問題
在我們的策略回撤中，經(jīng)常會(huì)遇到過度擬合的問題，因此我們要學(xué)習(xí)怎樣盡可能的避免。在不同的模型下，所用的方法是不一樣的。
模型選擇，變量選擇
這部分將會(huì)成為決定你的策略能不能和市場(chǎng)上其他策略區(qū)別開的分水嶺，在這里掌握統(tǒng)計(jì)知識(shí)以及數(shù)據(jù)科學(xué)知識(shí)尤為重要。
編程 在量化交易中，我們的目的主要還是在于自動(dòng)交易。我們用量化的方法制定策略的終極目標(biāo)是交易自動(dòng)化。目前比較常見的編程語言是Python。
關(guān)于Python個(gè)人有一些小小的經(jīng)驗(yàn)可以分享一下。邏輯小助并不建議買大量很厚的書“埋頭苦讀”，事實(shí)上看書學(xué)習(xí)編程是效率特別低的方式。我們可以跟著課程學(xué)習(xí)，在公開課平臺(tái)把基礎(chǔ)知識(shí)快速的過一遍，了解它能做些什么。
首先介紹幾個(gè)Python常用的擴(kuò)展包：
我們不需要死記它們的功能，通過備忘表（cheatsheet），我們可以找到前人總結(jié)出的很漂亮的表格，可以快速知道擴(kuò)展包有哪些函數(shù)和參數(shù)，能夠?qū)崿F(xiàn)怎樣的功能，在你需要的時(shí)候快速找到滿足你的需求。
學(xué)習(xí)Python的核心是為了用而學(xué)。因此一些與量化相關(guān)的項(xiàng)目可以去嘗試。比如說網(wǎng)頁爬蟲取數(shù)據(jù)、通過API下載數(shù)據(jù)并行數(shù)據(jù)分析，去完成一些基本的項(xiàng)目。這里邏輯小助找到了兩個(gè)寶藏網(wǎng)站：
FINVIZ.com 是一家股票信息網(wǎng)站，這里有許多交易市場(chǎng)的基本信息和量化指標(biāo)。你可以在網(wǎng)站上獲取到你想要的數(shù)據(jù)，試著通過Python把數(shù)據(jù)保存到自己的電腦上。
Kaggle是一個(gè)數(shù)據(jù)分析的競(jìng)賽平臺(tái)，同時(shí)它就是用來練手?jǐn)?shù)據(jù)挖掘的一個(gè)絕佳場(chǎng)所。你可以從這個(gè)網(wǎng)站看到很多的例子，學(xué)會(huì)通過給你的數(shù)據(jù)，提出問題，并解決問題。
你可以看到，我們一直所強(qiáng)調(diào)的并非學(xué)習(xí)編程而是如何使用。不妨我們找個(gè)量化交易平臺(tái)，直接開始使用，邊用邊學(xué)。因?yàn)楝F(xiàn)在已經(jīng)有很多優(yōu)秀的量化交易平臺(tái)，那么你可以找一個(gè)用這個(gè)Python寫出來的量化交易平臺(tái)，直接使用，在這個(gè)過程中學(xué)習(xí)。
分享兩個(gè)平臺(tái)：
Quantconnect一個(gè)開源的股票算法交易平臺(tái)， 包含外匯，期貨，期權(quán)，衍生品和加密貨幣。它的基礎(chǔ)框架是C，部分例程使用了Python。
Backtrader是基于Python的量化回測(cè)框架，一個(gè)非常好的純python平臺(tái)。
接下來我們還要意識(shí)到，系統(tǒng)化的管理數(shù)據(jù)和代碼的重要性。當(dāng)你收集到很多數(shù)據(jù)，下載到電腦上，該怎么管理它？這是一個(gè)往往看起來簡(jiǎn)單但實(shí)際上并不容易的一件事情。大量的數(shù)據(jù)：幾千只股票、一些外匯的數(shù)據(jù)、期權(quán)的數(shù)據(jù)、期貨的數(shù)據(jù)都要想辦法系統(tǒng)化的把它保存起來。
可以通過編程技巧，把經(jīng)常使用的代碼寫成一個(gè)軟件包，既可以自己使用也可以分享給別人。
綜上所述，關(guān)于學(xué)習(xí)編程要盡早的學(xué)習(xí)使用，不要拘泥于哪本書，如果不會(huì)就去上網(wǎng)查是最快的掌握方法。
接下來是量化交易相關(guān)的交易知識(shí)。一般來說并不容易在書本上學(xué)到，主要依靠自己琢磨。找經(jīng)紀(jì)商盡早的開戶，然后試著手動(dòng)模擬交易。如果從未買賣過股票或者其他金融類產(chǎn)品，首先你需要先試一試交易到底是怎么回事，了解怎么樣買、賣。這里強(qiáng)調(diào)過程不應(yīng)以書本為主。
第二看看別人在做什么，例如一些交易者關(guān)注宏觀數(shù)據(jù)，宏觀數(shù)據(jù)一般變化比較慢，適合一些長(zhǎng)期的策略。一些交易者，他們喜歡K線圖或者是技術(shù)指標(biāo)?，F(xiàn)在比較流行的日內(nèi)交易，這樣我們就了解到市場(chǎng)的參與者都在做什么，交易者的心理狀態(tài)是否可以用作輸入的參數(shù)？都可以為量化交易提供思考的方向。
為什么有人能賺到錢，為什么有人賺不到錢，他們是靠哪些技巧來賺錢的，那么這些都是我們作為一個(gè)量化交易的策略制定者應(yīng)該關(guān)注到的。
其中哪些東西是能被我們利用的。如果一個(gè)策略是有效的，能夠不斷的重復(fù)，事實(shí)上我們就應(yīng)該可以拿來做量化使用。
另外一些經(jīng)典的公開的量化策略，在不同的參數(shù)、時(shí)間、交易量下表現(xiàn)各有不同。初學(xué)者可以從這里入手，不以盈利為目的進(jìn)行模擬交易，思考改進(jìn)之處，結(jié)合自己在市場(chǎng)上觀察到的特點(diǎn)，用現(xiàn)有的策略去套，使自己的策略有所提高。
關(guān)于交易常識(shí)方面，我們需要了解到：
我們整個(gè)交易的行為其實(shí)是與其他人博弈的一個(gè)過程，你選定了一樣金融產(chǎn)品作為主要的交易對(duì)象，需要了解市場(chǎng)參與者的特征，知道他們的想法是怎么樣。比如有些機(jī)構(gòu)在交易的時(shí)候，將很大的單子分成小的部分，這其中也會(huì)存在著策略，我們是否能從中找出一些蛛絲馬跡？
以上就是量化交易入門篇的主要內(nèi)容，可以發(fā)現(xiàn)個(gè)人做量化交易的時(shí)候，其實(shí)并沒有一本現(xiàn)成的書能指導(dǎo)我們。很多時(shí)候，你會(huì)發(fā)現(xiàn)一直在學(xué)習(xí)沒有任何的反饋。長(zhǎng)期收集的數(shù)據(jù)、學(xué)習(xí)編程、學(xué)習(xí)統(tǒng)計(jì)，并不能夠直接的反映到你的交易成果中。
這是一個(gè)不斷探索，不斷摸索的過程。找到一個(gè)合適的平臺(tái)，從做模擬交易開始，在這個(gè)過程中通過不斷的迭代，不斷的改進(jìn)策略，慢慢發(fā)掘出一條穩(wěn)定的量化策略，走到賺錢的道路上。
事實(shí)上如今的量化交易已經(jīng)成熟許多，現(xiàn)存的量化交易平臺(tái)已經(jīng)非常完善。有很多的開源平臺(tái)，可以供大家直接使用，同時(shí)數(shù)據(jù)也便宜了。所以說現(xiàn)在的基礎(chǔ)條件特別適合個(gè)人去做量化交易。
最重要的心得：盡早的經(jīng)歷一次完整的量化交易的全過程。
聯(lián)系客服
