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