㈠ 量化交易不是保賺的也沒有什麼高大上！揭開量化交易的神秘面紗
量化交易是近幾年來一個金融交易領域的流行詞彙。所謂量化，就是指數量化。量化交易就是把交易行為以 定量的形式為交易者提供交易的依據，使交易結果盡可能排除和 避免 主觀交易的隨意性和心理波動。
量化交易在美國已經搞了30多年了，最著名的是數學家西蒙斯和他的文藝復興公司的大獎章基金， 從1989年期起，復興 科技 公司的大獎章基金( Medallion )的年回報率平均高達35%,大獎章基金被譽為是最成功的對沖基金。
狹義的角度講量化交易就是十幾年前就已經開始的程序化交易，它是把交易過程中運用到的交易方法，用計算機語言編成計算機軟體程序，實現機器選股，自動下單買賣等行為。通過計算機程序可以省去一些人力成本（人力分析慢，畢竟現在市場上已經4000多隻股票，未來會更多），同時也省去了一些交易員不必要的盯盤時間，也一定程度規避情緒心理因素影響。
廣義的角度講量化交易就是我們交易者在交易過程中運用的系統化交易。根據一些固定的交易模型進行交易的系統化的方法，系統化交易是股票交易盈利的前提條件。比如基本面的價值投資法，把很多財務數據和指標進行數量化的梳理成固定的模型，這屬於基本面量化；人們包括利用技術分析理論編成的各種指標，選股條件等，屬於技術面量化；
另外量化交易又根據交易的形式分為：演算法交易（也就是高頻交易，主要用於搶單），套利交易（期貨品種的跨期套利和跨品種套利），根據現有的各種技術分析理論編成的實現全自動交易的計算機程序等等。
量化交易不是盈利的保證，它必須建立在一定的成功概率的模型基礎上才能應用的實戰交易中。我們都知道賭場盈利的根本其實就是比玩家盈利的概率高1%而已，這高出的1%盈利概率保證了賭場久賭必贏。所以量化交易其實追求的就是比市場上大多數人盈利的概率高出1%即可。但是這1%不是普通投資者可以做到的。需要大量的實戰總結和復盤總結，最終形成所謂量化交易模型。
最後提醒投資者注意：量化交易模型主要來源於以下兩種模式：
1、數據挖掘，從 歷史 數據中找到在以往 歷史 中盈利概率大的模型，這種模型一般為黑箱模型，黑箱就是你只能看到結果，不知道其中的邏輯，比如現在流行的機器學習模型，就是典型的黑箱模型。它的缺點非常明顯，就是你不清楚盈利原理，未來是否還能繼續出現符合上述模型的情況的概率有多少，也就是說，這種模型， 歷史 業績非常好，但是未來能否盈利非常的不確定。
2、來源於主觀交易者的盈利模型，根據盈利的主觀交易者的系統化的交易方法，用計算機語言編成的交易程序。這種交易模型有的可以量化，有的不可量化，如果可以量化的部分較多，而且量化後回測 歷史 數據盈利概率較高的話，那麼很大概率就是可以用於實盤 。可惜這種模型鳳毛麟角，可遇不可求。另外一種就是少部分可以量化，多數不能量化，而能量化的部分在 歷史 回測中表現很差，主觀交易者的盈利多數可能來源於主觀判斷，此種模型占絕大多數。比如徐翔的漲停板敢死隊的打板模型，在漲停板上買入可以量化，但是如果僅僅是漲停板買入，卻不能實現盈利，盈利的更大原因在於盤手所謂的盤感，所以這些盤感的挖掘數量化，才是這類模型的關鍵。
綜上所述，量化交易僅是交易的一個小分支而已，不是盈利方法。不要迷信所謂量化交易。
其實把交易系統化才是關鍵，系統化關鍵又是盡量把主觀交易數量化客觀化。祝投資順利！
㈡ 什麼是量化交易個人如何做量化交易
一、何謂量化交易
量化交易(Quantitative Trading)，即使用現代統計學和數學工具，藉助計算機建立數量模型，制定策略，嚴格按照既定策略交易。具體又可分為高頻交易和非高頻交易，其中非高頻交易適合一般個人投資者和中小機構。
量化交易是以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額預期年化預期收益的多種「大概率」事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。
二、量化交易的發展
對多數普通投資者而言，量化交易仍是一個較為陌生的概念，但該模式已在國內流行了數十年。2010年，國內股指期貨上市，成交量在兩年內增加了倍，為量化交易提供了極佳的交易標的，國內量化交易便快速發展。
據華聯期貨介紹，2012年上半年，量化交易量占國內證券市場總交易量8%左右，但占股指期貨交易量的比例已達20%左右。絕大部分的券商和期貨公司開始進行量化交易，部分私募公司和個人投資者也開始使用量化交易產品。
事實上，3年多來，在股市連續下跌的大環境中，傳統投資策略紛紛失效，而一批以股指期貨、商品期貨、債券為投資標的，以量化投資、程序化交易為工具的新興投資方式，卻在國內投資市場嶄露頭角，並實現了較為穩定的預期年化預期收益。
「傳統投資策略依靠人的主觀感覺來投資；而量化投資是根據數學統計模型，由計算機來實現自動化交易。」國信證券東莞營業部財富管理中心負責人林玉偉指出，量化投資的應用涵蓋幾乎所有金融投資領域，是在計算機和網路的支持下，把人腦投資策略編寫成語言程序，由計算機觸發買賣條件，完成自動化交易的投資方式，實際上是傳統投資的嚴謹化。
據華聯期貨介紹，量化投資主要應用於期貨交易、ETF套利、條件選股、權證套利交易等，主流平台包括文華財經、交易開拓者、金字塔，此外Multicharts、龍軟、高手、金錢豹、Yesterday等平台在業內的使用也較為廣泛。
三、量化交易的特點
「量化產品的特點就是任何行情階段都能盈利。」國信證券東莞營業部投資顧問蔡恩俠告訴，量化產品一般都是多空對沖，因此無論牛熊市均能盈利，不過其也有弱點，即牛市跑不贏一般的股票類投資產品，「2007年大牛市，也就30%左右的預期年化預期收益，但2008年大熊市也有15%左右的預期年化預期收益。」
「資金不會一直朝一個方向直線形地前進，資金增值是一個艱難的曲折前進過程。」莞香資本CEO江國棟則提醒道，回撤即是資金增長行進中的停頓，也可看做是期貨交易的機會成本。「因此，必須正確看待策略參數優化結果，不刻意追求最高預期年化預期收益，不過度擬合行情；同時，堅持正確的交易理念和交易方法，嚴格執行和堅持不懈是持續盈利的前提。」
量化投資的應用涵蓋幾乎所有金融投資領域，是在計算機和網路的支持下，把人腦投資策略編寫成語言程序，由計算機觸發買賣條件，完成自動化交易的投資方式，實際上是傳統投資的嚴謹化。
㈢ 量化投資r語言和python的區別
r語言和Python都可以做量化投資分析，在此功能上沒有太大的區別。
讓語言和Python主要區別是，他們是不同的兩個軟體，就好比excel和wps的區別。
㈣ 股市量化交易的方式適不適合散戶
隨著國內投資者整體素質的提高，量化程序化交易的人越來越多，建議國內有條件的投資者轉向量化交易。
其中，程序化交易相對於股票而言，它更適合期貨。推薦它的原因有以下:
降低人性弱點，對交易行為的影響。
每個人是性格和承受能力是不一樣的。特別是主觀交易者，很容易受到情緒的影響。
當出現大虧大賺的時候，如果處理不當，很可能造成兩種極端，一種是被長時間打入冷宮，另一種是極度自信。
但是，程序化交易就不一樣，比較理性，依靠程序可以最大限度的降低人性對整個交易的影響。比如扛單，恐懼等都會影響最後的交易結果。
程序化交易語言的選擇。
想要實現程序化交易，必須要學一門語言。分為編程語言和非編程語言。
如果你是非科班，有沒有精力學。那麼可以選擇非編程量化交易語言，比如交易開拓者TB，金字塔，MT4等語言，他們的主要用途是實現你的交易邏輯，而只能在其軟體內使用該語言。
如果你是計算機科班出身，難么建議學習Python+一門非編程量化交易語言，作者推薦TB語言。
Python在量化交易，數據分析等方面用途非常廣，相對於Java，PHP等來說，入門是相對容易，記住這里說的是入門，並不意味著它簡單。
㈤ 當下對於量化投資有用的R語言包有哪些
quantmod包是用於幫助量化投資者開發、測試和部署基於統計的交易模型的軟體系統。它是一個快速原型環境，量化投資者（寬客）可以快速和干凈地對交易模型進行構建和探索；但是，quantmod並不試圖替代任何統計軟體，也沒有什麼新的「建模」過程。雖然它提供了一些新的繪圖方法，但更多的是一個封包器（wrapper），將大家常用和愛用的R包和函數打包在一起提供給大家。quantmod使得金融工程的建模更為平順，因為它消除了圍繞在數據管理、建模介面和性能分析等事務的各種工作流問題。
㈥ 去哪裡找量化交易軟體
去聚寬、米筐、優筐等等可以找到量化交易軟體。
股票市場的量化平台有聚寬、米筐、優筐等等,基本上都是以Python語言為基礎,需要較高的編程能力。
㈦ 量化投資要學那個語言好
Matlab 和 C++,一個建模一個執行，足夠了。實在不愛用Matlab的話，R和Python也行。多看書多學習，英語也是很重要的。可以找視頻和書籍學習。
個人推薦《量化投資：以python為工具》主要講解量化投資的思想和策略，並藉助Python 語言進行實戰。《量化投資：以Python為工具》一共分為5 部分，第1 部分是Python 入門，第2 部分是統計學基礎，第3 部分是金融理論、投資組合與量化選股，第4 部分是時間序列簡介與配對交易，第5 部分是技術指標與量化投資。《量化投資：以Python為工具》首先對Python 編程語言進行介紹，通過學習，讀者可以迅速掌握用Python 語言處理數據的方法，並靈活運用Python 解決實際金融問題；其次，向讀者介紹量化投資的理論知識，主要講解量化投資所需的數量基礎和類型等方面；最後講述如何在Python 語言中構建量化投資策略。
㈧ 量化基金是什麼意思自己組織語言，請不要照搬！謝謝
量化基金是通過數理統計分析，選擇那些未來回報可能會超越基準的證券進行投資，以期獲取超越指數基金的收益，主要採用量化投資策略來進行投資組合管理。
量化基金採用的策略包括：量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、期權套利、演算法交易、資產配置等。