想学量化交易？做好这五点准备,投资，要警惕习惯的力量

想学量化交易？做好这五点准备

量化交易，指的是利用数学模型，在金融市场中寻找稳定超额收益的投资手段。量化交易有着挖掘信息能力强，不易受主观情绪影响，下单及时、准确，风险控制严格等特点，能够获得稳健的收益。而其相对于传统主观投资，上手难度也比较大，门槛较高。入门量化交易，主要需要了解如下几方面的知识。

1.数学/统计学知识

既然说到用数学模型，那数学和统计学的知识是必不可少的。由于国内金融市场尚不完备，一些衍生品交易受到限制，所以相较国外市场，能用到的数学/统计学知识也要少一些。对于非理工背景的投资者，需要补充基础的高等数学，线性代数，概率论，统计学，最优化理论等等学科的知识，这些内容可以在高校教科书中找到。对于一些新兴的利用机器学习的交易策略，还需要了解一些数据挖掘的知识。但既然是入门，这部分自然不是必要的。

另外，计量经济学的应用尤其广泛。进行策略研究时经常要面对大量的时间序列、面板数据。虽然在实践过程中更加注重策略结果，只要能赚钱的策略就是好策略，但在严谨的计量理论的支持下，回归结果更准确，能更好的刻画数据背后的关系，故往往更容易得到与预期相近的结果。其中，时间序列回归与截面、面板回归的逻辑与假设均有较大区别，且广泛用于刻画及预测金融资产的收益，波动。计量经济学的书籍推荐伍德里奇的《计量经济学导论：现代观点》；时间序列推荐布鲁克斯的《金融计量经济学导论》。

2.编程能力

由于量化策略要处理大规模的数据，并采用复杂的数学算法，故需要利用程序来完成这一过程。大部分面向对象的编程语言，如Python，Java，R等都可以胜任这一工作。我在这里推荐Python，在业界比较主流，其特点主要是包括大量第三方开发的包，如处理数据的Numpy，Pandas，和金融包Talib，和各个平台及其他语言兼容性良好。其中Pandas是美国知名对冲基金AQR开发的数据处理包，非常适合用于金融数据。Python的学习可以通过《利用Python进行数据分析》等书籍进行学习，也可以通过一些网上教程快速入门。在实际应用的过程中，应该多参考各个工具包的API文档。

回测程序主要包括导入数据及初始化账户，每个交易时间点择时条件、调仓逻辑，及回测结果计算，绘制净值曲线等等。某些量化平台封装的回测环境，简化了这一过程，能够方便的对策略进行测试。

3.金融基础知识

量化交易，根本上是金融市场中的行为。虽然该岗位对数学、编程知识有要求，但脱离了其金融本质，就无法设计出优秀的策略。量化投资者需要了解各种金融资产的性质，以及影响其价格的因素。对于股票而言，公司的基本面及财务情况，其所处行业的形势能够从某种程度上反映在其股票价格中，因此投资者应对此有基本了解。这部分可以参考博迪，凯恩，马库斯的《投资学》，以及财务会计，报表相关书籍。此外，中国市场受到人为操控的因素影响较为显著，在实盘操作中，量化投资者在依赖量化策略进行投资决策的同时，一般也会加入一些主观判断，以更及时捕捉市场走势，获得更高的收益。因此，宏观经济，政策形势对金融市场的影响，也是投资者不能忽视的问题。每天看看财经新闻，长久以来可以培养金融直觉。

4.策略研究能力

即是将以上内容综合运用，将投资思想程序化，开发成为有投资价值的策略的能力。起步时，应多参照已有的较为成熟的策略，进行完善复制。策略本身的逻辑可能三言两语就能概括，但在实际执行的过程中的细节不可忽略。众所周知，在回测中表现突出的策略在实盘中不一定有效，但在回测中效果都不好的策略，难以在实盘重有良好的表现。过度拟合，幸存者偏差和使用未来函数都是新手经常会出现的错误，避免这些错误，才能让回测结果更好的接近真实情况。同时，在得到回测结果后，如何对收益进行归因分析，研究持仓股票，风险暴露，并对参数进行优化，也是量化投资者需要解决的问题。

一些经典的投资策略包括多因子策略（Fama-French三因子模型），技术指标择时（MACD，布林带等），动量反转策略，事件驱动策略，统计套利策略等。其中很多策略源于外国学术论文，高质量学术期刊包括Journal of Finance，Journal of Financial Economics等等。同时有一些系统的教学书籍，包括Barra Handbook（多因子圣经），Quantitative Equity Portfolio Management（主要讲解投资组合管理），Quantitative Trading Strategies（主要讲如何构造量化策略）。

5.在实践中学习

策略回测终究是回测。基于过去行情设计的策略，一定能在过去的时间区间内有良好的表现。但同样的历史不一定会重演，随着市场趋势和微观结构的改变，策略在未来的时间可能不会按照预期的方向发展。实盘中还存在报表信息公布延迟，交易摩擦，下单对市场价格影响等问题。故一个交易策略，在经过严谨全面的回测检验后，要在实盘上检验其真正效果。

在接触量化交易初期，了解数学编程，模型搭建中的细节处理都是绕不开的问题。而如今各种技术手段都较为成熟，可供大家使用，一个成功的投资者与众不同的地方一定在于其设计策略的思想，和对市场的把握。设计交易策略应以背后的金融直觉为基础，是我一直坚信的理念。希望各位投资者能够在量化投资领域中找到自己独特的视角，成为下一个西蒙斯！

投资，要警惕习惯的力量

今天有同事问我美股是不是短期有空的机会，理由123，我说不知道，看不懂那些逻辑，我觉得空美股是一个非常糟糕的策略。他问：那你还空？我想了半天说：偏执。其实心里想说的是习惯。

做得时间久了，大家或多或少都有了自己的习惯，很多习惯慢慢形成一种锚定，根深蒂固无法改变。我见过有的交易员，做外盘各种做空从不做多，做内盘各种做多从不做空，我称之为爱国，这对他来说也是一种习惯。我也见过更神奇的交易员，每天集合竞价多进去，然后任你风吹雨打，我自岿然不动。其实，我见过会做空的交易员很少，做空又做得很好的更稀缺，大部分人已经丧失了做空能力。《大空头》很过瘾，实际做到非常难，99%的股民骨子里就是厌恶做空的。

大部分人心里是带着方向的，脑子里也种着重重的锚。今天经理的朋友来办公室，聊到自己的持仓，一说名字，是个壳股，这已经见怪不怪了，现在壳资源股已经深入股民心，大家公认的好东西，几乎身边大多数股民都趋之若鹜，每天到处找壳股寻内幕，因为过去有太多暴富的例子。壳股的价格也越来越贵，几年前壳股还只有10-20亿，现在已经基本都在40亿起步，像齐翔腾达、中体产业这种200亿左右的壳也摆上桌面了。壳股贵不贵大家见仁见智，可是当大家都觉得一个票哪怕再烂，到了40亿也是有壳的价值的时候，这个模式本身已经有了很大风险，性价比越来越低了。今天同事问我像中体产业这种公司，它的买家一定是早已内定好的，只等揭底牌，我认同他的说法，只是去赌这样的底牌跟猜大小没啥区别，炒股不该这样没有技术含量。人人都幻想自己的壳股被万达或360借壳，能赌中的人又能有多少呢？

有锚的人不仅仅在壳股里存在，其实在价值投资者里也大量存在，静态死板地紧盯业绩，看着历史数据来证明自己未来的正确性。比较有趣的是，在大多数人眼里视为赌徒的新股投机者也大量存在锚定现象。新股的疯狂已经让中国股市的新股开板价格异常简单粗暴，不看业绩、不看行业、不看估值，不论你是做什么的，基本上都要60亿以上开板，股价上30元才能开板，这些疯狂的现象竟然也被大家接受甚至习惯，真正的疯狂就是对疯狂习以为常。最近市场环境有些差了之后，一些新股在50亿左右甚至40多亿开板，很多人热血沸腾，觉得这是市场在给他们送钱，也许确实有短线投机机会，可是在新股发行大大提速的今天，谁能保证新股市值统一60亿开板的神话会一直维持下去？

你把目标锚定之后，认定40亿的壳和60亿的新股都是正常的，你就已经把市场静态化了，无法动态客观地看待市场，在你心里注定只会有一个方向，你心里的方向。