量化交易的基础策略,如何认知量化交易策略?

【量化交易的基础策略,如何认知量化交易策略?】

量化交易的基础策略,如何认知量化交易策略?


文章图片


本文公由【乐在量化】整理发布

对于目前的量化市场我们必须有一个大概的认知 , 在这之后就是建立量化交易中最重要部分 , 也就是交易策略的认知 。
首先 , 我们可以将交易策略大致分为三类:1)股票策略 , 2)宏观策略 , 3)套利策略 。
其中 , 股票策略和宏观策略的收益主要来自于投资目标绝对值的变化 , 而套利策略的收益主要来自于一对或一组投资目标的相对价值的变化 。 这三个不是完全独立的 。 例如套利策略也应用于股票市场 , 宏观资产配置也借鉴了股票策略的基本分析方法 。 之所以这样划分 , 是因为这三种策略都具有明显的特点 。
1)股票策略:股票策略主要是指应用于股票市场的单一交易策略 。 根据人的主观参与和计算机的参与 , 将股票策略分为主动股权投资和主动定量投资 。 这里主动投资更准确的翻译是决策交易 , 它被称为主动股权 , 因为这是行业的叫法 。 主动股权主要依靠投资者的主观判断 , 投资者通过对行业和公司的深入研究 , 形成自己的投资逻辑 , 然后选择股票 。 这里 , 根据交易的限制 , 分为多空策略、多空策略和多空策略 。 例如 , 做空是一种策略 , 纯做空投资者倾向于将目标锁定在公开披露与实际业绩不符的公司 , 然后调查该公司的财务状况是否存在欺诈 。 与主动股权投资相比 , 主动量化投资是将自己的逻辑输入计算机 , 通过计算机的快速计算构建自己的投资组合 。 它在研究的深度和广度上都不同于主动股权 。 量化投资依赖于数据 。 换句话说 , 非数据形式的信息(如与他人的对话)不能被计算机获取 , 也不能转换成交易信号 。 从这个角度来看 , 量化投资不如活跃的个股股票投资深入 。 但是 , 多亏了计算机的速度处理能力 , 量化投资构建的自动化模型 , 可以在短时间内消化各类数据信息 , 并将其转化为有价值的交易信号 。 从这个角度来看 , 定量投资在研究广度上优于主动股票投资 。 在中国股市中 , 现有的量化交易策略主要是多因素选股模型(这里没有具体介绍)和一些基于流动性的高频交易策略 。 前者更适合资本规模较大的公募基金 , 后者适合追求短期高回报的私募基金 。
2)宏观策略:宏观策略的投资范围不局限于单一类型的市场 , 而是要投资于所有类型的市场 。 这类策略可分为期货作为投资工具的CTA策略和宏观资产配置策略 。 CTA策略是动量策略的代表作 。 动量策略又称趋势策略 。 它研究价格变化的趋势 。 基于行为金融学 , 它发现价格变化背后的规律(动量和逆转) , 并从趋势变化的规律中获利 。 CTA可以通过期货标的将投资范围扩大到各类资产 , 从而分散动量策略本身的高风险 。 宏观资产配置策略主要被一些全球资产管理公司和投资银行(如德意志银行)采用 。 策略研究宏观经济的变化 , 然后做多或做空特定地区的所有类型的市场 。

现在量化交易玩的最烂的方式就是用python写策略 , 然后进行回测 , 如果python也不会 , 其实也不是问题 , 各种开发平台能够帮你解决 。 例如现在比较成熟的盈首AI量化交易 , 已经可以彻底实现零基础的量化交易入门到纵深 。 最后的验证都可以用策略条件实现回测结果 。

3)套利策略:套利是一种方式所以理论上可以用于不同类型的市场 。 对于固定收益产品 , 由于未来现金流相对固定 , 价格与期限、利率、通货膨胀、信用利差的关系更加明确 。 这一特性使投资者更容易找到固定收益产品之间的关系 , 并创造了更广泛的套利策略 。 此外 , 在海外市场上 , 固定收益产品具有更丰富的结构特征 , 并与相应的衍生品(如CDS)为辅 , 因此相对应策略比国内市场更多样化 。 事件驱动套利一般用于并购交易中 , 预测事件成功与否 , 去做多或做空与参与者相关的股票、债券等产品 。
量化交易正在以全新的方式改变人类对过往的总结与判断 , 从而看见不一样的未来 。 而风雪中总会有明灯 。


本文公由【乐在量化】整理发布

    推荐阅读