什么是量化交易?量化交易的重要阶段

本文由公【乐在量化】整理发布我一直认为人类的大脑是最复杂的“计算机”,和“计算机”有能力处理线性单线程,还必须处理这些事件的必要且充分的算法最优解,但我不知道出于什么原因,大多数计算机先天不好的记忆,

本文由公【乐在量化】整理发布

我一直认为人类的大脑是最复杂的“计算机”,和“计算机”有能力处理线性单线程,还必须处理这些事件的必要且充分的算法最优解,但我不知道出于什么原因,大多数计算机先天不好的记忆,处理性能慢,读写速度慢,最根本的是人类的大脑根本不具备读、写和处理大量数据的能力。在极少数情况下,会有一个独特的大脑。但他们的数量如此之少,以至于出于某种原因,他们的越狱大脑令人羡慕。为了解决大多数人先天的大脑缺陷,人类发明了文字、数字、电脑、execl、表情符号等承载信息的工具。

什么是量化交易?量化交易的重要阶段

一个量化交易模型,从最初的想法诞生,到实现架构的实际操作,再到后期的优化适配或拆重做。就这一过程而言,它必须经历康德哲学不可避免的三个阶段:先验的、后验的和先验的事前是指在事件的动作决定执行过程之前。我们的大部分知识来自于“经验”,我们的大部分量化模型来自于知识和经验的先验。量化交易模型的架构实现,

在前期,通常采用观测窗口期。此时,采用归纳法发现并确定一个概率较大的事件,利用该事件的特点找到可操作表达的机会点。这个过程可能需要使用统计工具、特定算法等,通过手动重置。如一些股票市场事件驱动型的策略,所采用的方法是基于某些金融因素报表数据更新引起的市场价格变动。经过长时间的观察这个常数和有效,这个特性可以反复观察和反复确认。这个过程也是量化交易模型架构实现的前提过程。基本上,我找到了一个赚钱的模式。在量化交易模型的框架实施过程中,这一部分一般用于对主观建模维度进行初步调查。模型的来源是多种多样的,比如投资决策者多年交易经验的量化吸引力,或者来自某篇研究论文的一些有用的信息,可以让投资决策者头脑清醒。

什么是量化交易?量化交易的重要阶段

后验与先验相对。当一个规律被发现时,需要当事人自己去尝试这个规律是恒定的还是错误的,这时通常采用演绎的方法。在量化交易模型的框架实施过程中,这一部分一般用于进行小范围的样本测试,这一部分很可能满足实盘。通过对交易环境的模拟更有可能验证这些理论的正确性。收集这些事件的概率特征,为下一次大规模的形式化操作做准备。简单地说,你可以把这里的后部理解为练习。毕竟,我们从小就被告知,实践是检验真理的唯一标准。这里需要强调先验的联系。超越环节是指超越预期,这与实际和理论的期望是不一致的。在量化交易模型的框架实施中,这种超越性环节是正常存在的,其频繁出现的原因是多方面的,例如股票期货的样本周期过小。更有可能的是,事件本身不是普遍的(单个样本的特征,而不是总体的特征)。或者以股票的事件驱动策略为例,如果你发现了一个行为事件,只要金融大嘴巴在媒体上唱得更多,跟踪这只股票的可能性就会激增。然后你根据事件行为开发一个事件驱动策略,它很可能会失败。你可以把这里的先验惯例想象成事物的无常。定量交易模型的普遍结构并没有死,传统的方法是:数据处理-算法决策-交易执行-风险控制管理模块-成本控制模块等。大多数模块都是基于它们自己的策略特性预先添加的。这有点像给一辆车装上各种各样的设备部件,最终让车能运行,但也让车更稳定,更高效,更快。工业领域的量化生产模式,还有很多值得我们股票投资者借鉴的地方。定量交易模型的实现环境,许多学生认为是重要和困难的,我认为恰恰相反,我上面所描述的两个链接,这是一个过程的定量模型先验和后验,超越,另一个是结构原理,我觉得每一个环节都比一些同学关心关心的要重要,用什么样的编程语言开发,用什么样的量化交易软件更重要。很多做量化交易的人还在呆着,我是程序IT背景的,我是阿里华为某某排名的,等等,这跟你做好交易没有关系。

什么是量化交易?量化交易的重要阶段

此外,我建议开发一个定量模型,从最简单的、最有可能的、你觉得有趣的事件开始,经常观察和验证。用盈首量化来简单分析一下,通过既定的限制因子来剔除风险,再配合高达180种组合策略来契合个人的风格和市场的导向。

什么是量化交易?量化交易的重要阶段

至于量化交易模型是否必须通过程序化交易来执行,这是必须的吗?如果您的策略模型使用中低频率的交易执行,例如每天交易一次,甚至每周或每月交易一次。所以我不认为项目是必要的。毕竟,在程序过程中还有很多困难需要克服,变量越多,事情就越复杂。务实一点,执行你的量化交易模型。为什么不呢?如果你必须通过编程的方式实现你的量化模型,我建议初学者使用三方量化平台来实现,比如近年来的量化平台,多种API方便,教程条理清晰,取原理而实用。这些三方平台有其缺点,但可以缓解,如缓慢的回测、“窃取”策略等。

本文由公【乐在量化】整理发布

原创文章,作者:币圈吴彦祖,如若转载,请注明出处:https://www.kaixuan.pro/news/385946/