量化投资入门教程八——空中花园策略
量化投资入门教程八——空中花园（SKYPARK）策略
目录
1.策略原理及代码
1.1策略原理
1.2策略代码
1.2.1配置文件【SkyPark.ini】，代码
1.2.2策略文件【SkyPark.py】，代码
2.Python相关函数
2.1Python标准函数
2.2掘金接口函数
1.策略原理及代码
1.1策略原理
基空中花园属于日内突破策略，是期货CTA日内策略。空中花园比较看重开盘突破。开盘时的高开或者低开均说明有大的利好或者利空使得开盘大幅远离昨天的收盘价。开盘突破，是最快的一种入场方式。当然出错的概率也最高。因此为了提高策略的胜率，空中花园策略加了额外的条件，也就是开盘要大幅高开或者低开，形成一个空窗，因此顾名思义称为空中花园，然后再根据是否突破上下轨来进行开仓判断。这样一来，策略的胜率将大大提高，不过由于对高开或者低开的幅度要求过高，一般是超过1%，因此使得策略的交易次数可能相对其它
策略而言要偏低一些。开盘第一根K线是收阳还是收阴，是判断日内趋势可能运动方向的标准。在当天开盘高开或低开时更有效。
空中花园策略主要特点：日内交易策略，当日收盘平仓；空中花园在当天高开或低开时使用，即当开盘价>=昨天收盘价*1.01 或开盘价<=昨天收盘价
*0.99 时：
●上轨＝第一根K线的最高价；
●下轨＝第一根K线的最低价；
●当价格突破上轨，买入开仓；
●当价格跌穿下轨，卖出开仓；
●当日收盘平仓。
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/c214079042.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）百度文库无法上传，详细内容见证经社
——https://www.360docs.net/doc/c214079042.html,/q/forum.php?mod=viewthread&tid=55&extra=page%3D1）
1.2.1配置文件【SkyPark.ini】，代码
2.Python相关函数
2.1Python标准函数
2.2掘金接口函数
注：更多关于量化策略的教程和分析等精彩内容详见https://www.360docs.net/doc/c214079042.html,/q/forum.php
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
量化投资策略与技术期末报告精编WORD版
量化投资策略与技术期末报告精编W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
《量化投资策略与技术》结课报告 学科专业： 研究方向： 姓名： 学号： 2015年7月9日 目录 1 目标股票的选取 (3) 1.1 备选对象 (3) 1.2 择股标准 (4) 2 投资组合的构建 (4) 2.1 目标股票的收益率 (4) 2.2 最优投资组合 (6) 3 预期收益和风险 (7) 4 风险对冲策略 (8) 附录A：原始数据 (10) 表A1: 财务指标 (10)
表A2：投资组合股票收益率（节选） (11) 表A3：投资组合日收益率（节选） (11) 表A4：资产组合预期收益率（节选） (12) 表A5：沪深300股指期货日收盘价和收益率（节选） (12) 附录B：代码 (13) B1：择股 (13) B2：投资组合风险-收益的计算 (13) B3：最优投资组合求解 (14) 1 目标股票的选取 1.1 备选对象 从上海主板、深圳主板、中小板和创业板分别随机选择10只股票，列示于表1.1中： 表1.1 投资组合备选对象 所属板块股票名称股票代码 武钢股份600005 上海主板 中国国贸600007
首创股份600008包钢股份600010华能国际600011日照港600017上港集团600018上海电力600021中国石化600028三一重工600031 深圳主板 万科A000002.SZ 世纪星源000005.SZ 深振业A000006.SZ 零七股份000007.SZ 中国宝安000009.SZ 南玻A000012.SZ 沙河股份000014.SZ 深康佳A000016.SZ
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。
中信证券——量化投资策略特征
量化投资策略特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发展，已经成为国际金融市场主流的交易方法之一，包含对冲基金和共同基金等在内的
公募量化投资策略 100
公募量化投资策略 100
返回上一级
单选题（共 4 题，每题 10 分）
1 . 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，属 于哪种投资策略？（）
?
A.股指期货套利策略
?
B.商品期货套利策略
?
C.ETF 套利策略
?
D.行业轮动策略
我的答案： A
2 . 晨星风格箱风格鉴别法共将股票分为几种风格？（）
?
A.3 种
?
B.5 种
?
C.7 种
?
D.9 种
我的答案： D
3 . 一揽子股票与 ETF 申购/赎回的市场是在哪个市场完成的？（）
?
A.银行间市场
?
B.交易所市场
?
C.ETF 一级市场
?
D.ETF 二级市场
我的答案： C
4 . 下面哪项不属于打分法多因子选股策略的模型构建流程？（）
?
A.构建因子库
?
B.因子筛选
?
C.风格预测
?
D.因子打分
我的答案： C
多选题（共 3 题，每题 10 分）
1 . 下面属于周期性行业的有？（）
?
A.能源行业
?
B.消费行业
?
C.金融行业
?
D.医药行业
我的答案： AC
2 . 常用的趋势型指标包括以下哪些？（）
?
A.AMA
?
B.MACD
?
C.DMA
?
D.TRIX
我的答案： BCD
3 . 商品期货套利的基本模式包括？（）
?
A.期现套利
?
B.跨期套利
?
C.跨商品套利
?
D.跨市场套利
我的答案： ABCD
判断题（共 3 题，每题 10 分）
1 . 被动型投资策略无法获得超越市场的收益。 对错
我的答案： 对
2 . T-sharp 值与指数收益有较强的正相关关系。 对错
我的答案： 错
3 . 动量策略就是寻找前期弱势的股票，判断它将继续强势后买入持有。 对错
我的答案： 错
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
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。
完整量化投资策略四个特征
完整量化投资策略的四个特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发
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/c214079042.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
量化阿尔法策略
金斧子财富：https://www.360docs.net/doc/c214079042.html, 什么是量化交易 量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。 定量投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点： 1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。 2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。 3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。 4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。
金斧子财富：https://www.360docs.net/doc/c214079042.html, 什么是阿尔法策略 在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。那么在如今贝塔套利空间越来越小的状况下，我们还有什么好方法吗？这就是更主动的、也更考验操作者判断能力的阿尔法套利。 阿尔法套利也称阿尔法策略，是指指数期货与具有阿尔法值的证券产品之间进行反向对冲套利，也就是做多具有阿尔法值的证券产品，做空指数期货，实现回避系统性风险下的超越市场指数的阿尔法收益。为实现阿尔法套利，选择或构建证券产品是关键。 首先，兼具折价率与超额收益阿尔法的证券产品是进行阿尔法套利交易的首选，包括具有折价率，并能超越市场指数的认购权证，封闭式基金等。其次，具有超额收益阿尔法的证券产品是进行阿尔法套利交易的次选，主要包括开放式股票基金、股票、行业指数产品。 它在套利中属于典型的高收益、高风险套利方式。此种套利仅适合有能力挑选出具有稳定阿尔法证券产品的投资者，投资者在做阿尔法套利的时候应该与市场驱动因子监测体系结合起来分析。 如需投资私募理财，可预约金斧子理财师，【金斧子】持第三方基金销售牌照，国际风投红杉资本和大型央企的招商局创投实力注资，致力于打造中国领先私募发行与服务平台，提供阳光私募、私募股权、固收产品、债券私募、海外配置等产品，方便的网上路演平台，免费预约理财师，用科技创新提升投资品质！
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
量化交易主要有哪些经典的策略
量化交易主要有哪些经典的策略？ 这是一个对于刚入门的投资者的好问题。讲之前，先推荐一本好书《Efficiently Inefficient》（作者：Lasse Heje Pedersen）。它对于想了解对冲基金的朋友，是一本很好的启蒙书籍。不说废话，讲正题。从对冲基金的角度，交易策略可以有以下分类（来自《Efficiently Inefficient》）：我们可以先把交易策略大体分成三类：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投资目标的实际价值（absolute value）的变化，而套利策略的收益来自一对或一组投资目标的相对价值（relative value）的变化。这三者不是完全的独立，比如套利策略也有应用于股票市场，宏观资产配置也会借鉴股票策略中基本面分析方法。之所以这么分是因为三者有各自显著的特点。下面我们来逐一介绍：1）股票策略：股票策略主要指的是单一的应用于股票市场的交易策略。按照人的主观和计算机在策略的参与程度，我们把股票策略分成主动权益投资和主动量化投资。这里的主动投资更准确的翻译是决定型交易，之所以称为主动权益投资，是因为这是业界一般的称呼。主动权益投资主要是靠投资者的主观判断，他们通过对行业和企业的深入调查，形成自己的投资逻辑，然后进行筛选股票。这里又根据交易的限制分为多空策略，做多策略和做空策略。这里提一
下做空策略（见于国外），只做空的投资者往往会把目标锁定在，那些对外披露的报告和实际表现不符的公司，然后去调查该公司的财务状况是否作假。该策略类型的代表就是浑水公司（Muddy Waters Research）。相较于主动权益投资，主动量化投资是把自己的逻辑输入计算机，通过计算机的快速运算，来构建自己的投资组合。它和主动权益投资的区别体现在研究的深度和广度上。量化投资依赖于数据。换句话说，对于那些不是以数据形式存在的信息（比如与他人的谈话），计算机是没法获得的，也无法转化成交易信号。从这个角度来看，量化投资对单一股票的研究深度不如主动权益投资。但是，借助于计算机的快速处理能力，量化投资所构建的自动化模型，能在短时间内消化各种类型的数据信息，并且把它转换成有价值的交易信号。从这个角度来看，量化投资在研究的广度上比主动权益投资更具有优势。在中国的股票市场，目前主要存在的量化交易策略是多因子选股模型（具体不在这里做介绍）和一些基于流动性的高频交易策略。前者更适用于资金规模大的公募基金，后者则适用于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，而是进行全类型市场的投资。这一类型的策略又可以分成以期货为投资工具的CTA策略，和宏观资产配置策略。CTA策略是动量策略的代表作。动量策略又称作趋势型策略。它研究的是价格的变化趋势，基于行为金
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
基于Python工具的股票量化投资策略研究
2019年第07期20世纪80年代，一些投资者开始利用计算机研究金融数据，并初显 成效。20世纪末，投资者把计算机技术进一步应用在金融数据分析上，进行模型设计，构建股票投资组合。这时，金融数据趋于规范化，在日渐复杂的数据分析过程中，产生了更多类型的因子和更多样化的投资策略。量化投资是借助量化金融分析方法进行资产管理，量化金融分析方法是结合金融数据、个人经验、数学模型和计算机技术的一种复杂金融建模的分析方法[1]。实现量化投资的方法多达数十种，Python 、Matlab 、SPSS 、Eviews 、Excel 、SAS 、R 在量化界都是非常好用的工具，尤其是在数据分析方面。除Python 外，其余几个工具的优势都体现在数据分析方面，而量化投资是一个系统性工程，数据分析只是其中的一部分，不是全部。根据GitHub 官网统计，量化交易开源项目共145个，其中使用Python 以外的技术进行开发的项目共70个，应用Python 语言进行开发的多达75个。Python 的开源性促使开发者开发了大量的库和模块，而这些库和模块又使很多外行人能够轻松入手，反过来又促进了Python 在该领域的发展。应用Python 语言爬取数据，进行数据挖掘和深度案例分析，能够使量化投资基本实现从技术分析到金融设计，实现系统性掌控。因此，采用Python 驱动量化股票投资，对优化股票投资策略和规避投资风险具有十分重要的意义。 1基于Python 的股票量化投资交易程序1.1基于Python 的股票量化投资步骤 将Python 要应用到量化投资交易中，其步骤如图1-1所示。 图1-1股票量化交易应用模块库流程图 第一阶段是数据收集。数据收集是很多券商机构在做的业务，有影响力的模块库有Tushare 和Windpy ，其中Windpy 是Wind 公司开发的一个开源接口。国内的金融终端一般是Wind 、iFind 和Choice 终端，这些终端软件就是把企业和行业的数据收集到数据库，进行深度分析，并稍加整理成表格，然后上传到服务器中，方便客户进行相关的数据分析，一般情况下客户都需要付费来获得数据。 第二阶段是数据分析。NumPy 用来存储和处理多维数组和大型矩阵，搭配SciPy 进行计算；Pandas 解决时间序列；用Matplotlib 进行2D 绘图从而实现数据可视化。Wind 终端和Choice 终端也有相关的业务在平台上销售，而该服务的购买者通常是一些尚未具备分析能力和资格的小型机构或行外人。 第三阶段是策略研究。IPython 是一个Python 的交互式shell ，能进行变量的自动补全和缩进，支持bash shell 命令，内置了一系列有用的功能和函数；Jupyter 可以对数据进行清理和转换，进行数值模拟和统计建模等，是比较方便的策略研究工具；Zipline （国内公司开发的是RQalpha 回测引擎）对真实交易系统的运转进行模拟，利用历史数据对投资策略进行回测检验；具体的策略便可以理解为Python 代码的执行。 第四阶段是实盘交易。vn.py 是基于Python 的开源交易平台开发框架；easytrader 也是开源模块库，比较适合个人投资者。通俗来说，狭义的量化投资的应用意义到第三阶段为止，关于第四步的实盘交易还是需要经过投资者参考过量化投资的模型后作出的决定。因为工具只是投资者进行决策的辅助，人才是真实交易的决定者。 需要说明的是，数据收集及案例中的模型，直接采用第三方平台供应的API 数据源；数据分析因避免代码繁冗多杂，直接采用第三方平台的库和框架进行Python 编程，其中BOLL 指标案例的策略使用到了Sig 原nal 框架。利用第三方平台的意义及其最终达到的回测效果与纯自建量化交易策略项目无异，也非常适合个人投资者入手。本文选取A 股市场进行研究，选取样本的原因是A 股市场的数据有利于简化代码量。比如，在A 股市场上进行交易，1手即为100股，而在港股市场上，不同的股票1手的股数不尽相同，有的1手是交易50股，有的1手是交易200股，这样的数据可以简化很多代码量。 1.2基于Python 的股票量化投资流程 虽然Python 实现股票量化 交易分为4个阶段，但具体操作起来，为了更贴合实际，通常可以解析为8个流程，即：获取数据、数据分析挖掘、构建信号、构建策略、回测、策略分析、模拟交易和实盘交易。如图1-2所示。一是获取数据。包括获取公司新闻数据、关联数据，产业上下游、主营业务、所属行业主题等数据，基本行情数据，高频数据，股票Level-1数据，股票Level-2数据、期货Level-1数据等。 二是数据分析。数据分析挖 掘采用传统分析方法、新兴大数 据、机器学习和数据挖掘方法[2]； 三是构建信号。在构建信号前进行数据处理、标准化、去极值、中性化，基础信号的研究、分组回测、衰减、行业分布，将基础信号合成复杂信号。 四是构建策略。构建策略模板要兼容不同标的指标函数和参数的策略，适用于股票、基金、期货等金融资产，兼容日线、分钟线的策略，方便好用的策略函数，获取历史行情、历史持仓信息、调仓记录等，支持各种订单类型:止盈止损单、限价单、市价单。 五是回测测试。回测要符合历史的真实行情，并相应的进行股票分红送转、除权除息处理，股票涨跌停处理，股票停复牌处理，市场冲击，交易滑点、手续费、期货保证金交易，大单分笔成交处理等； 六是策略分析。包括策略归因、风险归因、实时监控，订单分析、成交分析、持仓分析、交易行为分析，多策略分析。 七是模拟交易。模拟交易需要接入实时行情、实时获取成交回报，篮子交易、算法交易，支持撤单处理，实时监控、实时归因分析。 八是实盘交易，实盘交易就是接入真实券商账户，紧紧跟随市场行情，实时进行下单，同时实时获取订单收益回报。2构建基于Python 的量化股票投资策略2.1BOLL 指标策略 利用BOLL 指标进行模拟回测，构造一个BOLL 指标买卖策略，根据个人投资者的账户情况，设置账户初始资金为10万元，策略背景与规则如下： （1）如果收盘价上穿BOLL 上轨，买入；如果收盘价下穿BOLL 下轨，则开盘卖掉；（2）回测策略时间区间设定为2018年全年，股票池为“沪深300”，参考指标为“沪深300”；（3）资金账户初始资金10万，类型为股票账户；（4）每次每只股票买20000元左右，出现重复信号时不重复买入；（5）当买入信号的股票数量比资金多时，随机挑选买入，每个交易日全仓操作。（6）策略需导入第三方库Pandas ，框架为Signal 。 利用Python 语言编辑策略代码并运行回测，得到BOLL 指标买卖策略收益回测结果，如图2-1所示。 注：粗线———沪深300指数2018年基准年化收益率线细线———基于沪深300指数的BOLL 指标策略的年化收益率线 图2-1BOLL 指标策略回测 策略回测结果显示，2018年全年，沪深300指数涨幅为-25.9%，依据沪深300制定的BOLL 策略收益率仅为-6.9%，BOLL 指标买卖策略的模拟收益曲线较平缓，波动幅度明显小于沪深300的收益率波动幅度，收 基金项目：2017年广东省本科高校教学质量与教学改革工程建设项目“省级特色专业建设项目：经济学特色专业建设”的部分研究成果，项目编 号：294。作者简介：孙丽颖（1980-），女，辽宁营口人，哈尔滨工业大学会计学硕士研究生，中山大学南方学院讲师，研究方向：公司理财。收稿日期：2019年3月19日。 基于Python 工具的股票量化投资策略研究 孙丽颖 （中山大学南方学院，广东广州510970） 摘要：在大数据快速发展的背景下，将程序算法与股票投资相结合是创新股票投资方式并实现投资收益率提升的关键。文章在量化投资理念的基础上，运用Python 语言对A 股市场的一些历史指数和个股数据进行梳理分析，针对Python 量化工具对投资项目进行初始性设计，制定量化股票投资策略，并对策略进行收益回测，进而提出量化股票投资的保障措施。 关键词：Python 量化工具；投资策略；BOLL 指标；格雷厄姆成长 股 图1-2股票量化交易流程 图市场·贸易 49