01、VNPY 架构与量化策略实现——简介

1、金融量化交易

借助现代统计学和数学方法，利用计算机进行交易。

1.1 正期望值系统

仓位x盈利概率x盈利点数 - 仓位x亏损概率x止损点数 - 交易手续费

量化交易分类分类：

（1）高频交易：仓位低、盈利概率高、盈利点数小、交易手续费高(单笔不大，累计起来大)

（2）CTA 交易：动态仓位，盈利概率低，盈利点数高、亏损概率高、止损点数低

（3）套利交易：动态仓位、盈利概率高、盈利点数低、亏损概率低、止损点数低

1.2 角色与系统

人员：策略分析师、策略开发员、基金经理、风控

数据：股市、期货、外汇；商业数据

1.3 交易体系组成

1.3.1 数据

数据是金融量化的基础，特点是海量、稳定、高效。

数据处理：清洗和有效校验，分析和回测前进行预处理。

数据采集：从交易市场实时采集行情数据。

数据存储：海量金融数据存储，初级使用NAS、Cloud，中级使用Mysql、MongoDB数据库，高级使用HDFS，使用Spark框架

数据服务：提供处理后的数据服务（如API）；供内部模型回测，交易等使用；供外部可视化销售。

应该掌握：

（1）Tick、K线数据文件读取

（2）Tushare/wind/datayes/rq 数据

（3）Mongo DB、MySQL DB 读写

1.3.2 分析

金融领域的分析主要包括：特征挖掘、置信区域、趋势分析等。

分析—>策略—>回测—>交易

应该掌握：

（1）Numpy、Pandas 分析

（2）Talib 分析

（3）Matplotlib 可视化

（4）Jupyter Notebook 笔记

 1.3.3 回测

回测是使用历史数据，最大程度（Tick 级别）模拟实盘交易，验证策略优劣。

回测过程：

（1）准备数据：

（2）数据预处理

（3）批量执行

（4）分析盈亏

（5）更新策略/参数

应该掌握：

（1）使用米匡 RiceQuant 快速验证和回测

（2）使用 VNPY 回测

 1.3.4 策略

策略是核心机密资产，安全、有效、持续优化。

分类：

（1）套利策略：跨期套利、跨品种套利、跨市场套利、蝶式套利、对冲

（2）CTA 主动型：趋势型、波动型

（3）仓位控制：海龟仓位管理、凯利公式

（4）风控（大的量化公司会多一些）：多策略组合、多周期

应该掌握：

（1）三均线趋势策略

（2）跨期套利

（3）海龟仓位管理

1.3.5 交易

开源的分布式交易平台VNPY，高速、灵活、风险可控。

跨平台、分布式、标准化接口、风控

应该掌握：

（1）深入理解 vnpy 标准化接口

（2）vnpy 扩展体系

（3）vnpy 自动重连

1.3.6 风控

执行严谨可靠的风控体系，是基金在金融市场的立命之本。

主要内容：

（1）五层体系：资金、交易、评估、策略、组合

（2）风险分散：多周期组合、多品种策略、降低单一市场内风险

（3）严谨执行：通过流量控制降低操作风险、通过资金回撤止损降低市场风险、通过交易端降低交易价格风险

（4）风控策略：单独执行风控策略，将市场风险进行评估，供交易策略进行调节。

应该掌握：

（1）5层风控体系

（2）弹性舱位控制

1.3.7 管理

人、宏观、微观

多层监管、风险评估、交易分析、策略评估

应该掌握：

定时导出交易日志

参考：

https://www.bilibili.com/video/BV1yJ411u7WG?from=search&seid=2047786539449537546