量化投资入门到进阶
教材目录第一章：量化基础知识
第一节 量化投资的概念和优势
第二节 量化投资的历史和未来
第三节 量化投资的流程与应用
第二章：量化策略入门
第一节：MindGo量化交易平台
第二节：MindGo API介绍
第三节：我的第一个量化策略
第三章：Python编程
第一节：Python介绍
第二节：数据类型
第三节：条件与循环
第四节：函数
第五节：numpy
第六节：pandas基础
第七节：pandas进阶
第四章：经典量化策略集锦
第一篇：投资高股息股票
第二篇：从“二八轮动”中学择时
第三篇：网格交易—动态调仓策略
第四篇：进军交易系统，从Dual Thrust中学“趋势”第五篇：布林强盗，一个霸道的交易系统
第六篇：交易系统终结者—海龟交易法则
第七篇：向彼得林奇投资大师学习PEG选股
第八篇：CAPM模型的应用
第九篇：Fama-French三因子模型应用
第十篇：动量类多因子之择时中选股
第五章：量化研究专题
第一篇：用matplotlib绘图函数实现数据可视化
第二篇：运用Scipy模块实现统计技术
第三篇：10分钟学会用Python做线性回归
第四篇：统计套利：利用相关系数进行配对交易
第五篇：数据处理专题：去极值、标准化、中性化
第六篇：数据挖掘专题：分类与预测
第七篇：算法交易入门—VWAP
第八篇：Python实现马克维兹投资组合理论
第九篇：隐马尔科夫模型【机器学习+数据挖掘】 第十篇：机器学习之神经网络入门
第一章：量化基础知识
第一节 量化投资的概念和优势
量化投资的概念
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。
量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，打个比方来说明，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。
医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么？就是错误定价和估值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。投资者用资金投资于低估的证券，直到把它的价格抬升到合理的价格水平上。
但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。
量化投资的优势
量化投资的优势在于纪律性、系统性、及时性、准确性和分散化。
1.纪律性：严格执行投资策略，不是投资者情绪的变化而随意更改。这样可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。
2.系统性：量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的观察等。多层次模型包括大类资产配置模型、行业选择模型、精选个股模型等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。
3.及时性：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。
4.准确性：准确客观评价交易机会，克服主观情绪偏差，从而盈利。
5.分散化：在控制风险的条件下，量化投资可以充当分散化投资的工具。表现为两个方面：一是量化投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史规律都是较大概率取胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合的理念来看也是捕捉大概率获胜的股票，而不是押宝到单个股票。
第二节 量化投资的历史和未来
量化投资的历史与现状
讲起量化投资，就不得不提华尔街的传奇人物——詹姆斯·西蒙斯(James Simons)。
这位慧眼独具的投资巨擘，有着一份足以支撑其赫赫名声的光鲜履历：20岁时获得学
士学位;23岁时在加州大学伯克利分校博士毕业;24岁时成为哈佛大学数学系最年轻的教
授;37岁时与中国数学家陈省身联合发表了著名论文《典型群和几何不变式》，并开创了著
名的陈—西蒙斯理论;40岁时运用基本面分析法设立了自己的私人投资基金;43岁时与普林斯顿大学数学家勒费尔(Henry Laufer)重新开发了交易策略并由此从基本面分析转向数量分
析;45岁时正式成立了文艺复兴科技公司，最终笑傲江湖，成为勇执牛耳的投资霸主。
这段看似青云直上的成名之路，再次为世人印证了一个道理——当代的技术创新，其实大多源自跨越学科的资源整合，而非从无到有的发明创造。具体说来，即使睿智如西蒙斯，在最初之时，他也没有直接想到运用量化方法投资，而是和众多投资者一样着眼于外汇市场，但野心勃勃的西蒙斯并不甘于只是简单因循传统的投资策略。随着经验的不断累积，他开始思考，为何不运用他最为熟悉的数学方法来搭建投资模型，从而能够科学精准地预测货币市场的走势变动?这一大胆的跨学科尝试，最终彻底改变了他的人生走向。
通过将数学理论巧妙融合到投资的实战之中，西蒙斯从一个天资卓越的数学家摇身一变，成为了投资界中首屈一指的“模型先生”。由其运作的大奖章基金(Medallion)在1989-2009
的二十年间，平均年收益率为35%，若算上44%的收益提成，则该基金实际的年化收益率可高达60%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯
和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。最为难能可贵的是，纵然是在次贷危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。西蒙
斯通过将数学模型和投资策略相结合，逐步走上神坛，开创了由他扛旗的量化时代，他的骤富神话更让世人对于量化投资有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。
但金融行业瞬息万变，老天也没有一味垂青这位叱咤风云的“模型先生”。 自2012年以来，由西蒙斯掌印的文艺复兴科技公司可谓祸事不断，厄运缠身。其麾下的“文艺复兴机构期货基金”(RIFF)在2011年仅实现盈利率增长1.84%，到2012年，更是破天荒的亏损了3.17%，这一亏损幅度甚至超过了同年巴克莱CTA指数的平均降幅(1.59%)。RIFF主要通过
全球范围的期货和远期交易来实现绝对收益，虽属于文艺复兴公司旗下规模较小的基金产品，但作为公司的明星”印钞机“，其回报率竟会一下暴跌至行业平均水平，难免让众人始料不及。到2012年底，RIFF 的资产规模已缩减至7.88亿美元，远远低于2011年的40亿美元。
到今年10月底，文艺复兴公司最终宣布正式关闭RIFF，一代“文艺”明星RIFF就此戛然
陨落。
量化投资在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到越来越多投资者认可。国外量化投资的兴起和发展主要分为三个阶段：
第一阶段（1971-1977）
1971年，世界上第一只被动量化基金由巴克莱国际投资管理公司发行，1977年世界上
第一只主动量化基金也是巴克莱国际投资管理公司发行，发行规模达到70亿美元，是美国
量化投资的开端。
第二阶段（1977-1995）
从1977年到1995年，量化投资在海外经历一个缓慢的发展，这其中受到诸多因素的影响，随着信息技术和计算机技术方面取得巨大进步，量化投资才迎来了其高速发展的时代。第三阶段（1995-至今）
从1995年到现在，量化投资技术逐渐趋于成熟，同时被大家所接受。在全部的投资中，量化投资大约占比30%，指数类投资全部采用定量技术，主动投资中，约有20%-30%采用
定量技术。
事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内发展还处于初级阶段。
随着我国改革开放30年，证券市场成立二十年，雨后春笋般的在最近短短几年里，国
内打着“量化投资”标签的基金已有9只，加上最近即将发行的长信量化先锋，量化基金数量将达到10只。此前9只量化基金策略不同，表现亦是参差不齐，量化投资也因而颇受质疑。
因为我国A股的种种特殊性，在我国A股市场使用量化策略，好比盲人摸象。市场上最早的几只量化基金，业绩一度饱受病垢。人们对量化基金的争议主要集中于两点，一是A 股市场是否有量化基金生存的土壤，二是基金的量化策略是否可以接受市场长期的检验。
量化投资的未来
相较于海外成熟市场，A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟，留给主动投资发掘市场非有效性，产生阿尔法的潜力和空间也更大。投资理念多元化，也创造出多元分散的alpha机会。
量化投资的技术和方法在国内几乎没有竞争者。中医治疗中医擅长的疾病、西医治疗西医擅长的疾病；如果把证券市场看作一个病人的话，每个投资者就是医生，定性投资者挖掘定性投资的机会，治疗定性投资的疾病。证券市场上定性投资者太多了，机会太少，竞争太激烈；量化投资者太少了，机会很多，竞争很少。这给量化投资创造了良好的发展机遇——当其他人都摆西瓜摊的时候，我们摆了一个苹果摊。
总的看来，量化投资和定性投资的差别真的有如中医和西医的差别，互有长短、各有千秋。由此可见，随着2010年4月股指期货的出台，量化投资国内市场发展潜力逐渐显现，
已有北京大学汇丰商学院，上海交通大学安泰管理学院投入数百万开设了专业的量化投资金融实验室，并开办了量化投资高级研修班，为国内量化投资的市场发展提供了良好学术和实战环境。
第三节 量化投资的应用与流程
量化投资应用
量化投资一般应用于科学分析、市场监测、交易执行。
科学分析主要运用计算机技术对历史数据进行处理，最终得出一个科学的结论。比如：投资者如果想要知道每股收益这个财务数据是否可以作为投资参考，其可以通过对历史数据进行分析处理，分别买入较高每股收益的股票并持有一段时间和买入较低每股收益的股票并持有一段时间，如果买入较高的每股收益的股票的获利能力远大于买入较低每股收益的股票的获利能力，那么证明了过去一段时间内，股票的每股收益数据确实会影响股价的涨跌，反之，则不然。
市场监测主要运用计算机程序，实时对整个市场进行监控，包括个股价格波动、市场消息、突发事件等。目前中国股市的上市公司高达3000多家，如果人为去监测整个市场的动态，其会消耗大量的人力物力，并且最终效果达不到预期，而量化投资的市场监测功能能较好的解决这个问题，通过计算机程序，实时对所有上市股票进行监测。
交易执行主要运用计算机程序，完成精确的、及时的交易工作。一般而言，多账户多策略的交易执行需要计算机程序实现。人为无法同时操作多个账户，会导致交易不精确，过于迟缓的情况发生。不仅如此，计算机程序还能实现算法交易，能有效降低交易成本。
量化投资流程
一般而言，量化投资的流程为：数据—研发&回测—交易执行。
1.数据：量化投资需要对大量的数据进行分析与研究，这些数据应当是完整、可靠、规范的数据，使得最终的分析和研究结论是正确的、可靠的。
2.研发&回测：量化投资在研发策略的过程需要考虑alpha模型、风控模型、成本模型。alpha模型是策略的投资逻辑实现，风控模型作用是控制风险，成本模型能最大化收益。
3.交易执行：交易执行需要考虑资产管理、订单管理、风控管理。资产管理主要有资金
使用、资金分配等。订单管理主要是对订单进行再处理，真实交易中存在未完成的订单。风控管理主要是控制账户的风险以及外部风险：比如网络中断，计算机故障等。
第二章：量化策略入门
第一节：MindGo量化交易平台
MindGo量化交易平台是同花顺旗下的人工智能投资平台，拥有高质海量的金融数据，零延迟的回测引擎，最接近真实市场环境的仿真交易平台，干净、完整的API文档，同时支持目前广泛使用的脚本语言——Python语言，致力打造国内一流的专业在线量化交易平台，帮助广大投资者和高校师生实现量化策略，开启AI时代，让投资变得更简单！
MindGo提供以下服务：
1.数据
MindGo数据基于2014年至今完整的Level-2数据，包括完整的停牌、复权数据，且会在第二日早晨更新。除此之外，MindGo还提供上市公司财务数据、场外基金数据、行业指数数据、股指期货数据等等。
2.回测引擎
MindGo提供了高效快捷的回测环境和简洁的API文档，支持对沪深A股、ETF的日级或分钟级回测，回测结果实时显示、快速响应、数据全面，方便用户随时检验和优化策略。
3.模拟交易
MindGo提供实时的沪深A股和ETF模拟交易工具，并支持分钟和日级运行，实时呈现策略表现。为量化交易爱好者提供全面、及时、专业、个性的一站式服务。
4.研究平台
MindGo提供IPython Notebook研究平台，初学者可在研究平台上学习Python语言，专业研究者可获取数据，进行研究，最终研究结果支持文件导出和策略应用。
5.量化交流社区
MindGo提供线上交流社区，便于量化爱好者交流量化策略，学习量化知识，一起成长。
第二节：MindGo API介绍
一、回测引擎介绍
回测环境
MindGo提供的回测引擎运行在Python 3.5之上, 因此策略代码必须兼容Python3.5，整个回测环境支持所有的Python标准库和部分常用第三方库。
回测过程
1.您的策略必须在initilize函数框架下实现:
A.initilize为初始化函数，用于初始一些全局变量，在整个回测过程最开始执行一次。
B.handle_data为时间驱动函数，用于设置买卖条件等，每个回测时间频率（每日/分钟/tick）调用一次。
以下是一个简单的策略，每日开盘买入100股贵州茅台，让我们体验一下整个回测过程！
# 初始化账户
def initialize(account):
# 定义要交易的股票：贵州茅台
account.security = '600519.SH'
#设置买卖条件，每个交易频率（日/分钟/tick）调用一次
def handle_data(account,data):
#每天开盘买入100股贵州茅台
order(account.security,100)
2.完成策略编写后，选定回测开始日期和结束日期,选择初始资金、调仓频率(每日或每分钟)等参数,点击"进行回测"，即开始回测。
3.回测引擎根据您选择的调仓频率调用handle_data函数，也就是执行该函数下的代码。回测引擎会实时显示策略当前时间的数据，如收益、风险指标、持仓等信息。
4.回测引擎会根据您所使用的下单方式进行下单，并根据后续实际成交情况进行订单处理；
5.您可以在任何时候调用log函数来打印需要输出的日志;通过record函数输出自定义图形。添加https://www.360docs.net/doc/561120375.html,函数与record函数后的代码如下：
# 初始化账户
def initialize(account):
# 定义要交易的股票：贵州茅台
account.security = '600519.SH'
#设置买卖条件，每个交易频率（日/分钟/tick）调用一次
def handle_data(account,data):
#每天开盘买入100股贵州茅台
order(account.security,100)
#获取账户可用资金
money=account.cash
#获取账户已用资金
used_money=account.capital_used*(-1)
#https://www.360docs.net/doc/561120375.html,()函数打印信息
https://www.360docs.net/doc/561120375.html,('已使用资金'+str(used_money))
#record函数进行自定义画图，分别为可用资金与已用资金
record(money=money,used_money=used_money)
策略运行结果，回测结果页面上分别显示了可用资金和已用资金曲线：
运行时间
回测引擎通过以下方法对您的策略进行回测
1.开盘前(9:00)运行：
before_trading_start函数
2.盘中运行：
handle_data函数
>日回测(9:30:00)运行一次
>分钟回测(9:30:00-11:30,13:00:00-15:00:00)，每分钟运行一次
3.盘后(15:30)运行：
after_trading_end函数
订单处理
对于你的策略在某个单位时间下的单，回测引擎会做如下处理：
1.按每日回测
A.交易价格：
>市价单：开盘价+滑点。
>限价单：委托价+滑点。
B.最大成交量:
>默认为下单个股当日总成交量的25%。
>若下单量低于最大成交量，则按下单量成交；若下单量大于最大成交量，则按最大成交量成交。
C.撮合方式：
>市价单：开盘下单，一次性撮合，不成交或未成交部分即刻取消委托。若开盘价为涨停价，则买入不成交；若开盘价为跌停价，则卖出不成交。
>限价单：开盘下单，之后每分钟均按分钟价量撮合一次，未成交部分顺延至下一分钟进行撮合，直到完全成交或者当天收盘为止。
2.分钟回测
A.交易价格：
>市价单：当前分钟起始价+滑点
>限价单：委托价+ 滑点，如不符合则不成交
B.最大成交量：
>默认为下单个股当前分钟总成交量的50%。
>若下单量低于最大成交量，则按下单量成交；若下单量大于最大成交量，则按最大成交量成交。
C.撮合方式：
>市价单：分钟起始点下单，一次性撮合，不成交或未成交部分即刻取消委托。若分钟起始价为当日涨停价，则买入不成交；若分钟起始价为当日跌停价，则卖出不成交 >限价单：分钟起始点下单，之后每分钟均按分钟价量撮合一次，未成交部分顺延至下一分钟进行撮合，直到完全成交或者当天收盘为止。
二、函数API介绍
MindGo量化交易平台有80多个函数，每个函数都有其功能，本节主要介绍三类函数，并针对该类函数中的最常用1至2个函数做简要介绍，并在下一节中，能完成第一个量化策略。
第一类量化策略框架函数，为了驱动策略回测、规范量化策略编写，MindGo提供以下两个函数：
1.初始化函数：initialize
函数调用方法：
def initialize(account):
函数功能：
def initialize(account):是初始化函数,整个回测只在最开始时执行一次,用于初始化账户信息、回测参数、全局变量等.
注意事项：
1.该函数用于初始化账户,任何一个策略都必须有该函数,相当于开户.
2.在该函数下,你可以设置很多初始条件,例如：基准指数,交易佣金,滑点,股票池等等.
3.该函数不能写成initialize(account)，而必须写成python的函数形式：def initialize(account)：(温馨提示：不能落下冒号.)
示例：
def initialize(account):
#初始化策略时设置股票池
account.security='000001.SZ'
2.定时运行函数:handle_data
函数调用方法:
def handle_data(account, data):
函数功能
def handle_data(account, data):函数用来定时执行买卖条件，每个交易频率（日/分
钟/tick）自动调用一次.
注意事项:
1.该函数在回测中的非交易日是不会触发的.(例如1月1日至3日是非交易日，则handle_data 在1日至3日不触发，直到下一个交易日4号触发)
2.该函数的交易频率根据策略的交易频率，在盘中运行：
i.日回测(9:30:00),每日运行一次.
ii.分钟回测(9:30:00-11:30,13:00:00-15:00:00)，每分钟运行一次.
3.在该函数中，可以传入其他函数的运行结果，用来判断买卖条件.
4.该函数不能写成handle_data(account, data)，而必须写成python语言中规范的函数形式：def handle_data(account, data):(温馨提示：不能落下冒号)
示例:
# 每个交易频率下单买100股的平安银行股票.
def handle_data(account, data):
order('000001.SZ', 100)
第二类获取数据函数，以函数形式，通过参数设置以满足您数据获取：
1.行情数据获取函数：history
调用方法:
history(symbol_list, fields, bar_count, fre_step, skip_paused = False, fq = 'pre', is_panel=0)
函数功能：获取多只股票多属性的历史行情数据。
函数参数:
参数含义参数举例
symbol_list股票、指数或基金代码列表填写需要获取数据的股票代码，可多个股票
同时获取，例如：['600519.SH']
fields数据字段填写需要获取的数据字段，例如：收盘价为
close,最高价为high，['close','high']
bar_count历史长度填写需要获取的数据历史长度，例如：20
fre_step时间步长填写获取数据的时间步长，例如：按天则
为’1d’， 按x分钟则为’xm’。
skip_paused是否跳过停牌数据填写获取数据是是否跳过停牌，例如：不跳过
为skip_paused=False，跳过为
skip_paused=True。
fq复权选项填写获取数据的复权选项，fq=None为不复权，
fq='post'为后复权，fq='pre'为前复权。
is_panel返回数据格式选择返回的数据格式，is_panel=1为
pandas.panel格式，is_panel=0为dict格式。
注意事项:
1.该函数没有起始日期，结束日期默认为上一个交易日或上一分钟。
您只需要在策略代码中调用相该函数，并确定函数内的参数，即可获取到相应数据，详细参考以下两个示例。
【示例1】
def initialize(account):
pass
def handle_data(account,data):
#获取万科A与平安银行过去10日的收盘价与最高价，并且输出数据
price=history(['000001.SZ','000002.SZ'], ['close','high'], 10, '1d', False, 'pre', is_panel=1)
https://www.360docs.net/doc/561120375.html,('收盘价：'+str(price['close']))
https://www.360docs.net/doc/561120375.html,('最高价：'+str(price['high']))
【示例2】
def initialize(account):
pass
def handle_data(account,data):
#获取万科A与平安银行过去10个60分钟级的开盘价，并且输出数据
price=history(['600519.SH','300033.SZ'], ['open'] , 10, '60m', False, 'pre', is_panel=0) https://www.360docs.net/doc/561120375.html,('300033.SZ开盘价：'+str(price['300033.SZ']))
https://www.360docs.net/doc/561120375.html,('600519.SH开盘价：'+str(price['600519.SH']))
示例返回结果:
【示例1】返回结果：
2017-01-03 09:30:00 - INFO
收盘价： 000001.SZ 000002.SZ
2016-12-19 9.20 21.10
2016-12-20 9.11 20.33
2016-12-21 9.16 20.48
2016-12-22 9.14 20.61
2016-12-23 9.08 20.30
2016-12-26 9.12 20.65
2016-12-27 9.08 21.42
2016-12-28 9.06 21.20
2016-12-29 9.08 20.84
2016-12-30 9.10 20.55
2017-01-03 09:30:00 - INFO
最高价： 000001.SZ 000002.SZ
2016-12-19 9.23 22.00
2016-12-20 9.20 21.00
2016-12-21 9.16 20.70
2016-12-22 9.16 20.77
2016-12-23 9.14 20.67
2016-12-26 9.13 20.69
2016-12-27 9.13 21.98
2016-12-28 9.11 21.48
2016-12-29 9.09 21.32
2016-12-30 9.10 20.96
【示例2】返回结果：
2017-01-03 09:30:00 - INFO
300033.SZ开盘价： open
2016-12-27 13:59:00 69.00
2016-12-27 14:59:00 68.50
2016-12-28 10:29:00 68.12
2016-12-28 11:29:00 68.69
2016-12-28 13:59:00 68.49
2016-12-28 14:59:00 68.55
2016-12-29 10:29:00 68.90
2016-12-29 11:29:00 68.81
2016-12-29 13:59:00 70.20
2016-12-29 14:59:00 70.11
2017-01-03 09:30:00 - INFO
600519.SH开盘价： open
2016-12-27 13:59:00 328.30
2016-12-27 14:59:00 326.55
2016-12-28 10:29:00 326.99
2016-12-28 11:29:00 326.00
2016-12-28 13:59:00 325.19
2016-12-28 14:59:00 325.40
2016-12-29 10:29:00 324.01
2016-12-29 11:29:00 323.70
2016-12-29 13:59:00 325.80
2016-12-29 14:59:00 325.80
第三类下单函数，以函数形式，通过参数设置以满足您策略下单交易：
1.按金额下单函数：order_value
函数调用方法:
order_value(symbol, amount)
函数功能
order_value是下单函数,根据股数下单，交易股票.
函数参数：
参数含义参数举例
symbol股票、指数或基金代码列表填写需要下单交易的股票代码，不可多个股票
同时获取，例如：'600519.SH'
value下单金额填写需要下单的交易的金额，正数表示买入，负
数表示卖出
注意事项：
1.由于股票单次买入必须以1手（100股）为单位，实际成交金额小于等于下单金额。示例：
def initialize(account):
pass
def handle_data(account,data):
#买入10000元平安银行
order_value(symbol='000001.SZ',value=10000)
2.按股数下单函数：order
函数调用方法:
order(symbol, amount)
函数功能
order是下单函数,根据股数下单，交易股票.
函数参数：
参数含义参数举例
symbol股票、指数或基金代码列表填写需要下单交易的股票代码，不可多个股票
同时获取，例如：'600519.SH'
amount下单股数填写需要下单交易的股票数量，正数表示买入，
负数表示卖出
示例：
def initialize(account):
pass
def handle_data(account,data):
#买入100股平安银行
order(symbol='000001.SZ',amount=100)
第三节：我的第一个量化策略
对于大部分人来说，量化交易是非常陌生与神秘的。本节内容将带你开启第一个量化策略！
本节内容摘要：1.理解量化策略的基本框架。2.学会编写一个简单的量化交易策略。3.学会将量化交易策略绑定实盘模拟交易，并实时收到交易策略的买卖信号。
1.理解量化策略的基本框架
通常情况下，完整的量化交易策略至少需要确定两件事：
A.交易标的，即买什么；
B.确定交易时机，即怎么买卖。
让我们来设计一个简单完整的量化交易策略:
策略交易标的：贵州茅台；
策略交易时机：5日均线与20日均线金叉时，买入；5日均线与20日均线死叉时，卖出。
2.学会编写一个简单的量化交易策略
第一步：打开MindGo量化交易平台，先在上方导航栏点击“我的策略”—“策略编译”，再点击蓝色按钮“+新建策略”，接着点击已创建的策略进入策略编译器页面，如下：
温馨提示：“回测列表”下方三个按钮，可以设置编译器字体大小，背景颜色，开启全屏编译，查看API文档，如下：
第二步：理解量化交易策略框架对应的代码框架。
def initialize(account):
#初始化函数：确定交易标的
def handle_data(account,data):
#定时运行函数：确定交易时机
C14070 量化投资基础知识 满分
一、单项选择题 1. 著名的Chern-Simons定理是由（）与数学家陈省身共同创立。 A. 詹姆斯·西蒙斯 B. 大卫·肖 C. 伊曼纽尔·德曼 D. Ray Dalio 您的答案：A 题目分数：10 此题得分：10.0 批注： 2. 事件驱动策略的特点是（）。 A. 低收益、低风险、大容量 B. 高收益、低风险、小容量 C. 高收益、高风险、大容量 D. 低收益、高风险、小容量 您的答案：B 题目分数：10 此题得分：10.0 批注： 二、多项选择题 3. 数学理论和方法在量化投资中非常重要，以下（）是对图形进 行模式识别的数学理论或方法。 A. 贝叶斯分类 B. 分形理论 C. 机器学习 D. 小波分析 您的答案：D,B,C 题目分数：10 此题得分：10.0 批注： 4. 下列关于股指期货套利的说法正确的是（）。 A. 股指期货套利可看作无风险套利 B. 股指期货套利是指利用股指期货市场存在的不合理价格，
同时参与股指期货与股票现货市场交易，以赚取差价的行为 C. 股指期货套利策略的核心是冲击成本和保证金管理 D. 高速的套利系统是股指期货套利的重要支撑 您的答案：A,C,D,B 题目分数：10 此题得分：10.0 批注： 5. 下列选项属于主要量化对冲策略的是（）。 A. 阿尔法套利 B. 股指期货套利 C. 商品期货套利 D. 期权套利 您的答案：B,C,A,D 题目分数：10 此题得分：10.0 批注： 三、判断题 6. 阿尔法套利是主流的量化对冲策略，Pure Alpha是阿尔法套利 的代表性产品。（） 您的答案：正确 题目分数：10 此题得分：10.0 批注： 7. 投资的核心是小数定律。（） 您的答案：错误 题目分数：10 此题得分：10.0 批注： 8. 量化投资的目标是追求绝对收益。（） 您的答案：错误 题目分数：10 此题得分：10.0
量化投资基础学习知识入门基础
量化投资基础入门（一） 讲起量化投资，就不得不提华尔街的传奇人物——詹姆斯·西蒙斯(James Simons)。 这位慧眼独具的投资巨擘，有着一份足以支撑其赫赫名声的光鲜履历：20岁时获得学士学位;23岁时在加州大学伯克利分校博士毕业;24岁时成为哈佛大学数学系最年轻的教授;37岁时与 中国数学家陈省身联合发表了著名论文《典型群和几何不变式》，并开创了著名的陈—西蒙斯理论;40岁时运用基本面分析法设立了自己的私人投资基金;43岁时与普林斯顿大学数学家勒费尔(Henry Laufer)重新开发了交易策略并由此从基本面分析转向数量分析;45岁时正式成立了文艺复兴科技公司，最终笑傲江湖，成为勇执牛耳的投资霸主。 这段看似青云直上的成名之路，再次为世人印证了一个道理——当代的技术创新，其实大多源自跨越学科的资源整合，而非从无到有的发明创造。具体说来，即使睿智如西蒙斯，在最初之时，他也没有直接想到运用量化方法投资，而是和众多投资者一样着眼于外汇市场，但野心勃勃的西蒙斯并不甘于只是简单因循传统的投资策略。随着经验的不断累积，他开始思考，为何不运用他最为熟悉的数学方法来搭建投资模型，从而能够科学精准地预测货币市场的走势变动?这一大胆的跨学科尝试，最终彻底改变了他的人生走向。
通过将数学理论巧妙融合到投资的实战之中，西蒙斯从一个天资卓越的数学家摇身一变，成为了投资界中首屈一指的“模型先生”。由其运作的大奖章基金(Medallion)在1989-2009的二十年间，平均年收益率为35%，若算上44%的收益提成，则该基金实际的年化收益率可高达60%，比同期标普500指数年均回报率高出20多个百分点，即使相较金融大鳄索罗斯和股神巴菲特的操盘表现，也要遥遥领先十几个百分点。最为难能可贵的是，纵然是在次贷危机全面爆发的2008年，该基金的投资回报率仍可稳稳保持在80%左右的惊人水准。西蒙斯通过将数学模型和投资策略相结合，逐步走上神坛，开创了由他扛旗的量化时代，他的骤富神话更让世人对于量化投资有了最为直观而浅显的认识：这能赚钱，而且能赚很多钱。 “文艺复兴”的能否真的“复兴”? 但金融行业瞬息万变，老天也没有一味垂青这位叱咤风云的“模型先生”。自2012年以来，由西蒙斯掌印的文艺复兴科技公司可谓祸事不断，厄运缠身。其麾下的“文艺复兴机构期货基金”(RIFF)在2011年仅实现盈利率增长1.84%，到2012年，更是破天荒的亏损了3.17%，这一亏损幅度甚至超过了同年巴克莱CTA指数的平均降幅(1.59%)。RIFF主要通过全球范围的期货和远期交易来实现绝对收益，虽属于文艺复兴公司旗下规模较小的基金产品，但作为公司的明星”印钞机“，其回报率竟会一下暴跌至行业平均水平，难免让众人始料不及。到2012年底，RIFF 的
量化投资修行之葵花宝典
量化投资修行之葵花宝典 很多朋友问过，顺手认真整理了一下，个人观点，特指“量化组合投资领域”，仅供各位朋友参考 预备知识 预备知识包括：数学、计算机、投资学。 数学方面至少包括微积分、线性代数、优化理论、概率统计基础、线性回归等知识点。当然，数学专业出身最佳，肯定满足条件，一般理工科也都基本满足要求，即使有所欠缺，花一点时间也就自学补上了。 计算机方面有两点：一是要会编程，MATLAB、C++、Java、Python、R等语言或软件只要会用一种就行，但要求比较熟练，有过几万行代码的经验；二是了解数据库和SQL语言，因为量化投资中涉及对海量数据的管理和分析，所以需要建立和维护数据库，并用SQL从数据库按各种形式查询数据。 投资学方面只要通过大学的《投资学》课程就好，像William Sharpe等3人合著的《投资学》，还要好几部其它优秀的《投资学》教程都可以。要是能够通过CFA，那就最好了，知识面更广。 入门阶段 Barra USE3 handbook Barra是量化投资技术提供商，是量化投资先驱。其经典的美国股票风险模型第3版（USE3）手册，详细介绍了股票市场多因子模型的理论框架和实证细节。手册共几十页，不太长，描述规范清晰，不陷入无意义的细节，非常适合于入门。
系统学习阶段 系统化学习1：Quantitative Equity Portfolio Management（QEPM），Ludwig Chincarini 偏学术风格 偏学术界的作者撰写的关于量化股票组合投资的系统教程。尤其是前几章概述部分写得非常精彩、易懂、准确。把该领域的各个方面高屋建瓴地串讲了一遍。后面部分的章节似乎略有些学术了，但也值得一读。 由于其较高的可读性，适于初学者学习。 系统化学习2：Active Portfolio Management（APM）， Grinold & Kahn 偏业界风格 业界先驱所著，作者均曾任Barra公司的研究总监。本书深度相对较深，描述也偏实践，介绍了许多深刻的真知。并且书中很多论述精彩而透彻。该书被奉为量化组合投资业界圣经。不过该书有些章节撰写得深度不一，初学者容易感到阅读起来有点困难。所以推荐：首次阅读不必纠结看不懂的细节，只要不影响后续阅读就跳过具体细节；有一定基础后，建议经常反复阅读本书。 系统学习3：Quantitative Equity Portfolio Management（QEPM），Qian & Hua & Sorensen APM的补充 业界人士所著。针对性地对APM没有展开讲的一些topic做了很好的深入探讨。建议在APM之后阅读。该书风格比较数学，不过对数学专业背景
《量化投资》(综述)100202
量化投资 =============================================================================== 究竟什么是量化投资 日期：2009-10-28 09:15:53 回国工作这段时间来，经常有人问我：“究竟什么是量化投资？”尽管这一投资方式在国际上已经获得了广泛的认同与应用，但对于国内投资人而言，还是一个新话题。 简单地说，定量投资是将人的投资思想反应在数量模型中，并利用电脑处理大量信息，进行投资决策。定量投资强调投资的科学性，它意味着“投资已由一种艺术发展为科学”。 首先是科学验证。与传统定性投资相比，定量投资更加强调投资思想的科学验证。比如，某些投资者认为管理质量好，产品质量高的公司更有可能带来长期回报。而另一些人却认为在中国市场，利用市场情绪和技术分析更能取得高市场回报。两种投资者都分别能讲出一些成功的故事来。那么，我们又该相信谁呢？ 定量外汇保证金投资会将两种说法都进行验证。我们会建立两个模型，分别反映上述两种投资思想。以验证这些思想长期有效，而不仅仅在某一时期、某种市场甚至某些个别事例上正确。定量投资人会采用长期历史数据和大量股票进行研究。只有在多数情况下有效的思想，我们才会在最终的投资模型中采用。 其次，便是纪律性。虽然量化模型是由人设计的，具体的交易单却由模型产生。我们在经验总结以及模型设计时容易理性，但在个股的交易时却不免受制于人性的弱点。基于对思想模型的信任，定量投资会严格执行模型所产生的交易单，仅在特殊的情况下对交易单进行个别修改。这种由模型确定交易的过程能帮助我们克服交易中的人性弱点。 定量投资是计算机科技以及投资炒外汇入门市场发展到一定阶段的产物。1971年，巴克莱国际投资管理公司发行了世界上第一只被动的定量投资产品。1977年，这一公司又发行了首只主动定量产品。 受益于计算机技术和市场数据供应的完善，进入21世纪后，这一投资方式开始飞跃成长。2000年至2007年间，美国定量投资总规模翻了四倍多。而同期的美国共同基金总规模(定量+定性)只翻了1.5倍左右。定量投资在全部投资中的占比从1970年为零发展到2009年30%以上。 什么是量化基金?什么是量化投资基金? 量化基金的主要特点是将定性研究的理论通过数量模型演绎出来，借助电脑强大的处理信息的能力，全范围的筛选符合“标准”的股票，避免任何投资“盲点”的产生，最大限度地捕捉“标准”的投资对象。由于借助量化模型，定量投资能够避免基金经理情绪、偏好等对投资组合的干扰，精确地反映基金管理人的投资思想，最大限度地“理性”投资。
量化投资入门教程六——技术指标MA策略
量化投资入门教程六——技术指标MA策略 目录 1.策略原理及代码 1.1策略原理 1.2策略代码 1.2.1ATR.ini 1.2.2ATR.py 1.2.3stock_pool.csv 2.Python相关函数 2.1Python标准函数 2.2掘金接口函数 3.金融术语（移动平均线）
1.策略原理及代码 1.1策略原理 基于ta-lib的MA策略。如果当前价格高于MA，买入股票；如果当前价格低于MA，卖出股票。 实现量化投资策略的相关编程并非想象中这么困难，从Python的安装到量化编程的实现只需简单几步（具体见 https://www.360docs.net/doc/561120375.html,/q/forum.php?mod=viewthread&tid=54&extra=page%3D1轻松安装Python、掘金量化平台及相关工具包） 1.2策略代码（可直接在python中实现） 1.2.1 ma.ini [strategy] username= password= ;回测模式 mode=4 td_addr=localhost:8001 strategy_id= ;订阅代码注意及时更新 subscribe_symbols=SHFE.ag1705.tick,SHFE.ag1705.bar.60 [backtest] start_time=2017-02-15 21:00:00 end_time=2017-03-07 16:00:00 ;策略初始资金 initial_cash=10000000 ;委托量成交比率，默认=1（每个委托100%成交） transaction_ratio=1 ;手续费率，默认=0（不计算手续费） commission_ratio=0.0004
量化研究学习书单
量化研究学习书单 重要说明： 1、这里所列的书籍，专指定量研究学习，侧重应用，定性研究的大量好书，暂不列入。 2、方法论为各学科所共通，此书单所列书目，对包括新闻传播学在内的所有社会科学学生掌握定量研究方法都有帮助。 3、研究方法的学习与运用，有相当的难度。为了使中国学生便于理解和阅读，这里所列的绝大部分都是中文书，且为近期出版，容易找到。事实上，英文世界，有大量更好的学习书籍，请感兴趣者通过其他途径查找阅读。 4、方法论的书，都是“工具书”，看一遍或几遍远远不够，要放在案头，像字典一样，遇到具体的问题，常读常新。每次阅读，你都能有新的理解和收获。 5、如果能把书目中所列的大部分书都读通读精，完成一篇比较优秀的定量研究博士论文，在方法论上已经游刃有余。但学海无边，方法会不断出新，更深入、专业的分析手段，请感兴趣者日后自行查找。 6、台湾地区的研究方法和论文写作指导书，无论是数量还是质量上，远高于大陆。所以这里特别列出了一些台湾地区的书目，如有机会阅读，对你的帮助肯定很大很大。 7、量化研究入门容易，学好很难。在最后特别列出了“值得学习的定量研究论文集”，看看高手的量化研究论文是怎么写的，是如何从构思到步步深入的。每篇都值得新手反复研读，模仿，你的水平定会提高。 8、量化研究要学好，理论、方法技术、分析软件，三者缺一不可。这里所列书目，以方法技术为主，部分涉及分析软件，侧重实用性。理论书，请根据具体的研究选题，自行查阅。 9、读书也要看“品牌”，品牌是质量的保证。量化研究学习领域，个人认为，比较好的作者品牌是：台湾学者邱皓政、吴明隆、温福星等；海外学者谢宇、边燕杰、侯杰泰等；国内学者徐淑英、郭志刚、风笑天、仇立平、温忠麟等；比较好的出版社品牌是：大陆的重庆大学出版社“万卷方法”系列；格致出版社的“格致定量”系列；台湾的五南图书出版公司、三民书局、心理出版社等。另外，大陆的社科文献出版社，经常会出版一些优秀的定量研究专著。 10、目前市面上量化研究的书也很多，但说实话，好书不多，中文的好书更少，手把手教你学习的好书，则少之又少。这里所列书目，每本我都认真研读过数遍，都是我自认为觉得对研究入门、研究进阶、研究深入很有帮助的好书。但受制于我的阅读量和阅读范围，仅为一家之言，特此说明。 基础篇： 1.陈国明：《传播研究方法》，复旦大学出版社，2011年版。 2.邱皓政：《量化研究与统计分析》，重庆大学出版社，2009年版。 3.仇立平：《社会研究方法》，重庆大学出版社，2008年版。
金融学院量化投资方向复试经验
金融学院量化投资方向复试经验 1、复试各环节完整流程 金院金融专硕分为四个方向：银行管理，资本市场，金融工程，量化投资。量化投资（以下称量化）与其他三个方向在复试上有很大程度的差别。量化整个复试包括审查、笔试、面试。如果是10月考研报名时已经选择了量化投资，则不需要审查，过线后直接进笔试，如果10月没选量化投资，初试成绩出了后有改选量化投资的机会，但是需要审查，审查成绩单、简历等资料，主要看数学、计算机、金融等学科的成绩和有没有相关经历。金院量化的笔试和面试一般在挨着的两天，第一天上午笔试之后，下午公布结果，一般在5点左右，转天上午面试，也是当天下午5点左右电话或者短信通知是否拟录取，如果没有拟录取，那么你还有再次参加专硕其他三个方向面试的机会，只是时间会很紧张，量化的面试和普通方向的面试之间不会隔很久，18年是挨着的。 2、复试为什么需要提前准备 对于量化来说，绝大多数复试内容在准备初试期间基本没有涉及，同时也没有固定的题库，考生需对复试的各个领域全面复习，而且对于编程等技能性知识来说，需要较长时间的经验积累，因此需要提前准备。 3、复试中应该如何表现自己（着装、仪表、举止言谈） 复试笔试可以穿平时的衣服，不要太随意就好。面试建议男生穿着正装，女生不严格要求正装但也要正式一点的衣服，尽管不能用服装确定你是否录取，但着装正式对老师表示尊重是绝对没错的。回答问题语气要平和，切不可过度表现自己。最简单来说，无论从你身体哪里（头发、鞋、语气），都不会让老师觉得不适就可以了。
4、复试中笔试的参考书（怎么看，什么时间看） 量化的复试，不管是笔试和面试，都可以按照金融学院官网上给出的笔试提纲和样卷来准备。主要包括运筹学（管理科学）、统计学（计量经济学）、随机分析、投资学和衍生品、编程和数学（主要是概率论）等。参考教材有李子奈《计量经济学》或其他本科教材，博迪《投资学》，赫尔《衍生品》，《管理科学基础》天大版或其他运筹学的书，编程语言可以自己任选，这边的老师用Matlab和Python比较多，量化的工作也基本是这两个最常用，相信各位朋友圈可以看到很多这俩语言的教程，这里就不多列举。随机分析的部分如果本科没有学过的话就放弃吧，看了书考试也写不上来，非要看可以看《金融随机分析》，施里夫的。看书的过程中着重看自己以前见过的，把已经掌握的弄牢固，以前接触少或者没接触过的大概知道意思就好。专业跨度比较大的同学建议越早看书越好，金融工程、数学、计算机等专业压力会相对小一些。 5、复试中金融热点问题 量化的复试基本不会涉及热点问题，但是老师会针对性的问一些金融市场的基本常识，但是并不是根据热点问题提问的。 6、复试需要提前联系导师吗 量化的整个研究生考试相当于过关式，过了一关以后，上一关的成绩不会影响下一关。也就是说，在最后一关参加面试的同学中，是否录取基本只取决于面试的表现，和初试和笔试关系不大。因此初试成绩很高并不能保证录取，初试成绩低的同学，只要复试表现好，老师会给你复试打很高的成绩保证你被录取，因此大家的机会都是公平的，不需要提前联系导师。 7、复试英语面试的准备
一个量化投资者的自白：我是如何用大数据玩转股市的!
一个量化投资者的自白：我是如何用大数据玩转股市的！ 经济学有个著名的有效市场假说：如果一个证券市场上所有的信息都能及时被投资者获取，那么证券价格会与其风险相当，是由公平竞争导致的股票真实价值。换句话来说，如果你想以合理的价位购买一只股票，你至少要知道有关这只股票的所有信息，并能够对其进行合理地分析。一只股票有多少“相关信息”？一从基本面角度来看，判断个股对应的上市公司质地的好坏，是取得投资成功与否最重要的因素。数据分析如下：第1步从各个渠道获取上市公司这四十多项指标的数据。第2步对这些数据进行分析。二从技术面角度来看，每只股票的K线形态，走势以及各类技术指标是择时的重要依据。数据分析如下：第1步获得K线形态、技术指标的相关知识，并取得对应个股的即时数据。第2步根据个股的即时数据和掌握的技术指标来计算个股的技术形态，从几百种不同类型的K线形态、技术指标中选择有效性较高的上涨形态，从而预测股票未来的涨跌，这是目前市场上绝大多数股民最痴迷的股票投资“技术”。三在股市的不同时间周期，必须考虑板块轮动效应，从而进行投资决策。数据分析如下：第1步取得所有公司的各类维度属性的数据。第2步对每个维度的数据进行分类，根据最近几个交易日每个类别所含股票的市场表现，分析并寻找出当前热点板块和下一个
有可能热起来的板块。四从机构动态来看，有些个股受到基金公司或者股票研究机构追捧，有些则被大量机构选择或建议减持，做股票投资至少不能与机构对着来这是前提。进行数据分析：第1步搜集所有机构的动态，包括研报、个股评级、基金\券商重仓、社保重仓、QFII重仓、高管增持\减持、机构新进十大流通股等。第2步根据对所有搜集到的数据进行分析和研判，进行跟风操作。五事件驱动是股票价格变动最重要的诱因。第1步通过新闻资讯网络等各个渠道，获得驱动事件。第2步根据事件寻找跟该事件相关的个股，比如今年夏天有种新的血液传染病发生，那么国内针对血液传染病的医药个股就是直接受益者，据此进行股票操作。股票投资类似打牌，你要搜集到牌桌上已经出掉的牌，从而计算你手里的牌的组合胜率有多少，利用概率去战胜市场，才能保证最高的收益。以上这些数据，你每多搜集一份，你的胜率就会提高一分。如果你选中的股票具备以上五点逻辑特征，无疑你将拥有最高的胜率！要找到这样的股票，你需做如下几件事：第一步：搜集所有公司数据，分析后寻找成长型价值公司；第二步：在符合第一点的公司里，寻找有合适的上涨技术形态的公司；第三步：在这些公司里寻找符合当前板块轮动热点的公司；第四步：在以上股票池中挑选被QFII 重仓的公司；第五步：在以上股票池中寻找有当前热门概念的公司。总的来说，其实就做了两件事：搜集数据，分析数
量化投资入门到进阶
教材目录第一章：量化基础知识 第一节 量化投资的概念和优势 第二节 量化投资的历史和未来 第三节 量化投资的流程与应用 第二章：量化策略入门 第一节：MindGo量化交易平台 第二节：MindGo API介绍 第三节：我的第一个量化策略 第三章：Python编程 第一节：Python介绍 第二节：数据类型 第三节：条件与循环 第四节：函数 第五节：numpy 第六节：pandas基础 第七节：pandas进阶 第四章：经典量化策略集锦 第一篇：投资高股息股票 第二篇：从“二八轮动”中学择时 第三篇：网格交易—动态调仓策略 第四篇：进军交易系统，从Dual Thrust中学“趋势”第五篇：布林强盗，一个霸道的交易系统 第六篇：交易系统终结者—海龟交易法则 第七篇：向彼得林奇投资大师学习PEG选股 第八篇：CAPM模型的应用 第九篇：Fama-French三因子模型应用 第十篇：动量类多因子之择时中选股 第五章：量化研究专题 第一篇：用matplotlib绘图函数实现数据可视化 第二篇：运用Scipy模块实现统计技术 第三篇：10分钟学会用Python做线性回归 第四篇：统计套利：利用相关系数进行配对交易 第五篇：数据处理专题：去极值、标准化、中性化
第六篇：数据挖掘专题：分类与预测 第七篇：算法交易入门—VWAP 第八篇：Python实现马克维兹投资组合理论 第九篇：隐马尔科夫模型【机器学习+数据挖掘】 第十篇：机器学习之神经网络入门
第一章：量化基础知识 第一节 量化投资的概念和优势 量化投资的概念 量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。 量化投资区别于定性投资的鲜明特征就是模型，对于量化投资中模型与人的关系，打个比方来说明，我们先看一看医生治病，中医与西医的诊疗方法不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。 医生治疗病人的疾病，投资者治疗市场的疾病，市场的疾病是什么？就是错误定价和估值，没病或病得比较轻，市场是有效或弱有效的；病得越严重，市场越无效。投资者用资金投资于低估的证券，直到把它的价格抬升到合理的价格水平上。 但是，定性投资和定量投资的具体做法有些差异，这些差异如同中医和西医的差异，定性投资更像中医，更多地依靠经验和感觉判断病在哪里；定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前，我会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。 量化投资的优势 量化投资的优势在于纪律性、系统性、及时性、准确性和分散化。 1.纪律性：严格执行投资策略，不是投资者情绪的变化而随意更改。这样可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。 2.系统性：量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的观察等。多层次模型包括大类资产配置模型、行业选择模型、精选个股模型等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。 3.及时性：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。 4.准确性：准确客观评价交易机会，克服主观情绪偏差，从而盈利。
C14070量化投资基础知识课100分答案
、单项选择题 1. 相对价值策略的特点是（）。 A. 低收益、低风险、大容量 B. 高收益、低风险、小容量 C. 高收益、高风险、大容量 D. 高收益、高风险、小容量 您的答案：A 题目分数：10 此题得分：10.0 2. 关于金融市场的数学定义，下列说法正确的是（）。 A. 数学可以用来描述金融市场 B. 把金融市场看成是函数逼近问题时，可以用贝叶斯分 类进行计算 C. 把金融市场看成是分类问题时，可以用回归分析的方 式进行数据分析 D. 把金融市场看成是概率问题时，可利用小波分析理论 计算概率 您的答案：A 题目分数：10 此题得分：10.0 二、多项选择题 3. 美国对冲基金主要运用的策略包括（）。 A. 相对价值策略 B. 宏观因素策略 C. 事件驱动策略 D. 小盘价值策略 您的答案：B,C,A 题目分数：10 此题得分：10.0 4. 量化投资具有以下（）等优点。 A. 以组合对冲为主，赌大概率事件 B. 以机器交易为主，克服人性弱点 C. 可进行全市场、全产品、全周期监控，精力无限
D. 利用算法交易降低对市场的冲击，实现精细化交易 您的答案：C,B,D,A 题目分数：10 此题得分：10.0 5. 下列关于量化投资的理解正确的是（）。 A. 数据是量化投资的基础要素 B. 程序化交易实现量化投资的重要手段 C. 量化投资追求的是相对收益 D. 量化投资的核心是策略模型 您的答案：D,B,A 题目分数：10 此题得分：10.0 三、判断题 6. 算法交易策略核心是成交量分布的预测。（） 您的答案：正确 题目分数：10 此题得分：10.0 7. 国际知名的对冲基金管理公司桥水公司（BRIDGEWATER）是由物 理学博士伊曼纽尔·德曼创立的。（） 您的答案：错误 题目分数：10 此题得分：10.0 8. 目前比较流行的量化对冲策略建模语言主要有MATLAB和R语 言。（） 您的答案：正确 题目分数：10 此题得分：10.0 9. 历史高频交易数据后验的核心在于根据历史高频交易数据进行 模拟撮合，撮合算法主要是判断在某个时段的成交量的成交比例。 （） 您的答案：正确
证券投资基金基础知识
证券投资基金基础知识（2016年度修订） 第六章投资管理基础 第一节财务报表 1、理解资产负债表、利润表和现金流量表所提供的信息 2、理解资产、负债和权益 3、理解利润和净现金流 4、了解营运现金流、投资现金流和融资现金流 第二节财务报表分析 1、理解财务报表分析的概念 2、了解流动性比率、财务杠杆比率、营运效率比率 3、理解衡量盈利能力的三个比率：销售利润率（ROS），资产收益率（ROA），权益报酬率（ROE） 4、掌握杜邦分析法 第三节货币的时间价值与利率 1、掌握货币的时间价值的概念、时间和贴现率对价值的影响以及PV和FV的概念、计算和应用 2、掌握即期利率和远期利率的概念 3、掌握名义利率和实际利率的概念 4、掌握单利和复利的概念 第四节常用描述性统计概念 1、掌握平均值、中位数、分位数的概念、计算和应用 2、理解方差和标准差的概念、计算和应用 3、了解正态分布的特征 4、理解相关性的概念
第七章权益投资 第一节资本结构 1、理解不同资本类别之间投票权和所有权的区别 第二节权益证券 1、理解权益证券的类型和特点 2、理解普通股和优先股的区别 3、了解存托凭证(Deposit Receipts) 4、理解可转债的定义、特征和基本要素 5、理解权证的定义和基本要素 6、理解不同种类权益资产的风险收益特征 7、了解影响公司在外发行股本的行为 第三节股票分析方法 1、理解股票基本面分析和技术分析的区别 第四节股票估值方法 1、理解内在估值法与相对估值法的区别 第八章固定收益投资 第一节债券与债券市场 1、理解债券市场各参与方的责任以及发行人类型 2、掌握债券的种类和特点 3、理解债券违约时的受偿顺序以及债券的嵌入条款 4、理解固定利率债券、浮动利率债券和零息债券 5、理解投资债券的风险 6、理解中国债券市场体系的发展 第二节债券价值分析 1、理解DCF估值法的概念和应用
量化投资学习之路
量化投资学习之路-by李洋 1 前言 本篇内容主要是2013年为一个朋友写的，除了当时发给朋友看，还未公开放出来过，后来居然忘记写过这么个东西，2014年（相对时点是今年）偶然一次机会和朋友聊天，朋友提起这篇文章，才恍惚间记起，然后搜索自己的电脑和硬盘，居然找不到这篇文章，后来查看邮件记录才在2013年发给朋友的邮件的附件里找到。 现在之所以把这篇文章放出来，是想帮助想走量化这条道路的朋友能有一个大致的思路进行学习。希望帮助到有缘人。 量化投资是个庞大的领域，设计到的东西也非常多，当然在量化投资领域我也仅仅是个菜鸟，本文权当我个人的量化学习之路的阶段性总结，本文我没抽出大块时间思考整体文章架构，仅仓促写成，可能下文的子章节分类逻辑性也并不是很清楚，望您见谅。 这里要特别说明的是，本篇内容可能部分内容是在不同的时段写成，可能会出现一些前后逻辑不统一抑或矛盾的地方，每个人在人生的不同时点思考的深度和广度会不同，可能会否定自己以前一些观念甚至否定自己以前坚信的东西，其实人生就是一个不断思考、不断否定自我的过程，期望在这样的一个过程中能提升自我，洞穿一些东西。 2 自我学习篇 量化投资的提升过程是个辛苦的过程，需要你不断的努力思考，需要你具有快速学习能力，世间的事大抵都是这样：没有付出就没有收获，但付出了不一定有收获。在自我学习篇中，我会列出我看过的一些书
籍和相关资料及其他一些需要学习的东西，下面列出的自我学习篇的东西不是胡乱堆砌，是我个人所看过的东西的过滤和再整理，希望能帮您更快的提升。 2.1 纸质书籍 《期市截拳道:程序化交易策略与实战》作者：朱淋靖 《量化投资：策略与技术》作者：丁鹏 《高频交易》谈效俊等译 《打开高频交易的黑箱》谈效俊等译 《统计套利》陈雄兵张海珊等译 《从众危机：量化投资与金融浩劫》李必龙等译 《专业投机原理》 《股票做手回忆录》 海龟法则相关书籍 当然好的书籍还有很多很多，未来我再慢慢更新上面的list，这里不可能把所有的都列出来。纸质书籍（电子书籍）需要经常阅读提升自我，也就是我们不断的学习新东西，并要在阶段性的快速学习东西。 2.2 论坛资源 人大经济论坛量化投资板块 MATLAB技术论坛量化投资板块 海洋部落(https://www.360docs.net/doc/561120375.html,) 水木程序化交易板块
第一部分量化投资教学与研究平台介绍
第一部分：量化投资教学与研究平台介绍 本次课程设置的主要目是让师生了解熟悉量化投资平台iquant的功能架构以及相关操作，并熟悉策略编写的相关流程及原理。先演示iquant的基本功能以及开发原理，弄清楚功能架构；再进行模板策略的理论讲解；最后实现策略实操运行。 二、课程安排 第二部分：实证研究能力培训 一、课程简介 实证研究能力培训，主要培训内容包括：实证研究方法与工具、数据与实证研究、stata 软件培训、模型与实证研究、实证论文实操培训，是综合性较强，并与实际结合紧密的课程。此课程的设计开发，要求学生在CSMAR数据库使用上具体娴熟的技能，因此，通过此课程的培训，也可以让学生与教师将数据库充分的使用起来，避免的资源的浪费。 同时，在培训课程中，每个知识点中都有具体的实例做练习，可以让学生真正掌握实证研究过程中每个阶段的特点和具体应用，由其的，在经济金融领域，实证研究是当今学术的主流和趋势。
二、培训意义与目的 使学生掌握实证研究中金融数据分析处理、金融统计技术的基本技能，并熟练进行数据建模及数据挖掘等方面的技能；学会和加深优秀统计软件的使用，掌握多种数量金融模型的理论、构建与应用。使学生能在较短的时间内增强学习和研究的能力。具体如下： （1）了解金融数据的研究方法和工具； （2）如何获取金融数据，并了解与实证研究的关系； （3）如何将金融数据进行分析和挖掘； （4）如何进行逻辑分析并建立模型； （5）金融数据如何运用在实证论文中； （6）如何实现数据创新和数据挖掘的运用 三、培训特点 目前市场上很多培训基本都是按教科书的模式进行且书中的案例相对简单，本课程的案例结构为“背景+理论+案例分析+实证操作”的方式，是具有实操性质的培训课程。 背景：数据和实证案例产生的环境，背景概述有助于学员加深对数据和实证案例本质的理解，案例背景相关数据都来源是现实的金融市场。 理论：解决实证案例所涉及到的理论知识与数据分析方法，CSMAR作为提供实证研究数据的工具，可以为使用者提供精准的实时金融数据，但工具毕竟不是全能的，需要了解工具内金融市场数据的真实含义，才能更好的了解金融市场和运用理论解决实际问题。 案例分析：使用数量理论（统计、优化、数值等）对案例进行分析，思考出解决问题的分析流程，帮助学员从解决问题的角度进行思考。 实证操作：CSMAR数据库是现实金融市场产生的数据，使用该数据库进行实证操作，便于读者理解与使用，理论联系实际，解决实际问题。 四、培训课程
一个量化投资者的自白：我是如何用大数据玩转股市的!教程文件
一个量化投资者的自白：我是如何用大数据玩转股市的!
一个量化投资者的自白：我是如何用大数据玩转股市的！ 经济学有个著名的有效市场假说：如果一个证券市场上所有的信息都能及时被投资者获取，那么证券价格会与其风险相当，是由公平竞争导致的股票真实价值。换句话来说，如果你想以合理的价位购买一只股票，你至少要知道有关这只股票的所有信息，并能够对其进行合理地分析。一只股票有多少“相关信息”？一从基本面角度来看，判断个股对应的上市公司质地的好坏，是取得投资成功与否最重要的因素。数据分析如下：第1步从各个渠道获取上市公司这四十多项指标的数据。第2步对这些数据进行分析。二从技术面角度来看，每只股票的K线形态，走势以及各类技术指标是择时的重要依据。数据分析如下：第1步获得K 线形态、技术指标的相关知识，并取得对应个股的即时数据。第2步根据个股的即时数据和掌握的技术指标来计算个股的技术形态，从几百种不同类型的K线形态、技术指标中选择有效性较高的上涨形态，从而预测股票未来的涨跌，这是目前市场上绝大多数股民最痴迷的股票投资“技术”。三在股市的不同时间周期，必须考虑板块轮动效应，从而进行投资决策。数据分析如下：第1步取得所有公司的各类维度属性的数据。第2步对每个维度的数据进行分类，根据最近几个交易日每个类别所含股票的市场表现，分析
并寻找出当前热点板块和下一个有可能热起来的板块。四从机构动态来看，有些个股受到基金公司或者股票研究机构追捧，有些则被大量机构选择或建议减持，做股票投资至少不能与机构对着来这是前提。进行数据分析：第1步搜集所有机构的动态，包括研报、个股评级、基金\券商重仓、社保重仓、QFII重仓、高管增持\减持、机构新进十大流通股等。第2步根据对所有搜集到的数据进行分析和研判，进行跟风操作。五事件驱动是股票价格变动最重要的诱因。第1步通过新闻资讯网络等各个渠道，获得驱动事件。第2步根据事件寻找跟该事件相关的个股，比如今年夏天有种新的血液传染病发生，那么国内针对血液传染病的医药个股就是直接受益者，据此进行股票操作。股票投资类似打牌，你要搜集到牌桌上已经出掉的牌，从而计算你手里的牌的组合胜率有多少，利用概率去战胜市场，才能保证最高的收益。以上这些数据，你每多搜集一份，你的胜率就会提高一分。如果你选中的股票具备以上五点逻辑特征，无疑你将拥有最高的胜率！要找到这样的股票，你需做如下几件事：第一步：搜集所有公司数据，分析后寻找成长型价值公司；第二步：在符合第一点的公司里，寻找有合适的上涨技术形态的公司；第三步：在这些公司里寻找符合当前板块轮动热点的公司；第四步：在以上股票池中挑选被QFII重仓的公司；第五步：在以上股票池中寻
数量化投资.doc
数量化投资 继年初嘉实量化基金成立后，中海量化策略基金也于6月19日顺利结束募集，首次募集16.46亿元，两只基金均采用国际流行的数量化投资方法。算上2004年发行的光大保德信量化核心基金和2005年发行的上投摩根阿尔法基金，至此我国共有4只公募量化基金。 从本质上看，数量化投资理念将金融理论、数量化统计分析技术与投资者的定性分析和判断有机地结合在一起作为研究工具,将投资思想通过具体指标、参数的设计体现在模型中,并据此对市场进行不带任何主观情绪的跟踪分析,借助于计算机强大的数据处理能力来进行资产配置、股票选择、时机选择以及仓位控制等,以保证在控制风险的前提下实现收益最大化。 数量化投资与传统的定性投资方法相比，相同点是，二者都致力于建立战胜市场、产生超额收益的投资组合；不同点是，定性投资方法侧重对上市公司的调研、基金经理个人的经验及其对市场的主观判断，而量化投资管理则更加强调数据的分析和应用，以先进的数学统计技术和模型替代人为主观判断。所以，与传统的定性分析方法相比，数量化投资方法能更为理性、客观地分析和筛选股票，避免投资的盲目性和偶然性，以及主观认识的局限性，它能更有效地控制非系统性风险及一些人为因素导致的风险。 作为数量化投资理念的领航者，BGI(巴克莱全球投资)于1978年创立了全球第一只数量化投资策略基金。经过逾30年的发展，数量化投资如今已经在全球范围内得到投资人的广泛认可。特别是2005年以来，随着计算机技术的飞速发展，数量化投资基金已逐渐变成一个主流的方向。据统计，目前在美国零售市场发行的主动型股票基金中，数量化投资基金已占据了16%的市场份额，而在竞争激烈的机构投资市场，量化投资则获得了更多的关注，以BGI、SSGA（道富环球）和GSAM（高盛国际）为首的一大批以数量化投资为核心竞争力的机构已成为资产管理公司中的领头羊，BGI更以14000亿美元的规模，高居全球资产管理规模之首。 同时，数量化投资理念也造就了一大批卓有成效的基金经理.其中，詹姆斯·西蒙斯最具有代表性，他创造了由数学家成为“最赚钱基金经理”的神话。西蒙斯将他的数学理论背景巧妙运用于股票投资实战中，借助数学统计理论和计算模型，其所管理的大奖章基金，从1989年到2006年的17年间，平均年收益率达到了38.5%，而股神巴菲特过去20年的平均年回报率为20%。更为神奇的是，在1998年俄罗斯债券危机、2001年高科技股泡沫危机以及2007年的次贷危机中，许多曾经闻名遐迩的对冲基金经理都走向衰落，但西蒙斯管理的大奖章基金却在几次金融危机中都表现得异常坚挺！从1988年成立到1999年12月大奖章基金总共获得2478.6%的净回报率，业绩可谓“鹤立鸡群”，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6%。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85%。西蒙斯也因此被誉为“最赚钱基金经理”、“最聪明亿万富翁”。其实西蒙斯的成功依赖于他的数学背景，他就是靠数学模型和电脑管理着自己旗下的基金，即用数学模型捕捉市场机会，由电脑做出交易决策。他称自己为“模型先生”，依靠量化的模型工具，而非较多的主观判断，西蒙斯也为投资人创造了惊人的回报。 实际上，数量化投资方式正逐步被国内机构投资者认可，越来越多的基金经理开始使用数量化模型进行选股和资产配置，甚至据此进行择时交易和仓位控制。随着我国A股市场
申论模板
提出对策的“万能八条”： 1。领导重视、提高认识；2。加强宣传、营造气氛；3。教育培训、提高素质；4。健全政策法规、完善制度；5。组织协调、形成机制；6。增加投入、依靠科技；7。加强监管、全面落实；8。总结反思、借鉴经验。 申论具体措施和万能十句式： 一、健全政策法规，完善制度 1、建立健全各项制度（法律），做到有法可依，对。。。进行严厉的 2、制裁和出发，严重者追究刑事责任 3、激励制度 4、利益相关制度 5、分工制度 6、规则制度 7、惩罚制度 8、决策制度：包括社情民意反应制度，社会公示制度，社会听证制度，专家咨询制度，决策的论证制和责任制 二、领导重视，提高认识 1、实行一把手负责制 2、建立和完善引咎辞职制度 3、建立健全领导问责制度 4、把。。。。。纳入议事日程 5、加强对问题的调查研究，从源头上理清。。。。问题的来龙去脉。 6、增强。。。。的意识 7、倡导。。。。的理念 三、组织协调，形成机制 1、形成深入了解民情，充分反应民意，广泛集中民智，切实珍惜民力的科学决策机制 2、预防应急机制和保障机制（编制应急预案，增加人力，物力，财力储备） 3、组织机制，协调机制：包括派工作组，成立专门机构，增加人员等建立完善各种监督机制 4、形成信息反馈机制 5、组织专家制定。。。领域的实施细则。 四、加强宣传，营造氛围 1、电视，报纸，网络等媒体要通过各种形式宣传。。。。提高广大人民群众对。。。的认识。 2、舆论关注 3、实行典型示范 4、社会示范 5、在全社会营造关于。。。。良好的文化氛围 五、教育培训，提高素质: 通过。。。。教育培训，提高广大领导干部，工作人员，人民群众的。。。素质 六、增加投入，依靠科技 1、在。。方面，大力增加财政投入 2、增加对。。。的财政和贷款支持 3、依靠。。技术，解决。。问题 七、加强监督，全面落实 1、加强社会监督（群众监督）设立举报热线（举报信箱） 2、媒体监督，或舆论监督 3、领导或上级监督 4、建立完善系统严格的评价，考核的指标体系 5、加大整顿力度 6、违法必究，执法必严；严厉查处和惩处责任人 7、发现问题立即纠正，对顶风违纪的行为从严查处，绝不姑息 8、有权必有责，用权受监督，违法要追究（强调制权） 9、对于一切忽视。。。违反。。。的行为，要大胆揭露，公开曝光， 10、把。。。工作置于人民群众和社会舆论的监督之下 11、十六大提出：要加强对权力的制约和监督，建立结构合理，配置科学，程序严密，制约有效的权力运行机制，从决策到执行等环节加强对权力的监督，保证把人民赋予的权力真正用来为人民谋利益 八、采取经济、价格杠杆 九、当事主体加强行业自律和行风道德建设 十、总结反思，借鉴经验 1、总结。。。。的经验教训 2、借鉴国内外的各种先进经验。 注意：必须注意矛盾的特殊性，具体问题具体分析，有的放矢，万能十条不是万能的，但没有万能十条是万万不能的。能用则用，如果不合适，也没有必要面面俱到。 写作套路 [正文]文章第一部分 开头方法：开篇点题，陈述现象、阐明危害和解决好的意义 写作套路[题目] 1、简明扼要，抓住材料的主旨 2、从小切入，切忌假、大、空 3、长短合适，最好不要加副标题 比较好的题目[例]“处处留意皆民生”、“圆城市低收入家庭安居梦”、治理网吧既要治“吧”也要治“网”、“献礼工程”当休矣、网上扫黄要建立长效机制。 比较差的题目[例]“加快县域经济创新步伐”、“加快推进以改善民生为重点的社会建设” 随着我国经济持续快速发展，。。。问题日渐凸现出来，在社会经济和国家安全中的位置越来越突出。问题主要表现在..;….;….。（说问题时最好用分号间隔） 目前产生的。。。问题逐渐进入人们的视野，已引起人们的高度关注，成为社会的热点问题，引起强烈反响，如果该问题不能得到及时和妥善地解决，直接影响到人民群众的根本利益，必影响到经济的发展，社会的稳定，影响到党和政府在人民群众中的光辉形象，进而影响到建设小康社会和构建社会主义和谐社会。（这些套话要因情况而定）文章第二部分 ★第二段主要叙述问题产生的原因。一般从材料给出的现象从中分析就能得出结论，下面就近期热点问题为例加以说明，不外乎根据材料从以下角度进行展开分析 “冰冻三尺非一日之寒”，造成以上问题的原因是多方面的、深层次的，我认为主要有以下几点： 首先，政策体制不完善，。。（结合材料） 其次，国家财政投入力度不够，。。（结合材料）