什么是量化交易

课程大纲

内容
初级初识量化,理解量化
初识量化
传统量化和AI量化的区别
量化思想挖掘
量化思想的挖掘及积累技巧
量化代码基础:
python、pandas、SQL基础语法

金融数据分析
常用金融分析方式
常用因子分析方式
数据分析实战练习

回测及交易引擎
交易引擎工作机制及原理
常见策略回测示例分析


量化因子构建
低频和高频因子的构建
原创因子构建技巧
机器学习因子构建技巧


量化策略分析及构建
策略绩效归因分析
经典大师策略、多因子策略、指数增强策略构建
经典大师策略的优化方法

机器学习及其在量化的应用:
机器学习的基础原理及常见算法理解
机器学习模型评估与特征选择
机器学习策略分析与应用

量化平台使用:
量化平台(BigQuant)的策略开发环境使用方法
高级深度学习及其在量化中的应用
深度学习的基础原理和常见算法
神经网络对多因子模型的扩展
注意力机制的基本原理及其应用
深度学习策略分析与应用


强化学习及其在量化中的应用
强化学习的基础原理及其在量化的应用
强化学习策略分析与应用


AI自动因子挖掘
熟练掌握进化算法原理
股票及期货因子自动挖掘


指数增强策略专题
指数增强策略构建步骤
基于端到端神经网络的风险预算和组合优化


优质量化研报复现
一箭多雕:AI模型的多任务学习
方正/海通/广发高频因子研报复现过程拆解及分析

上面是从网上找的量化交易的培训课程。

一、量化投资和传统投资的区别

简单来说,量化投资与传统投资方法之间的关系比较类似于中医和西医的关系。量化投资与传统投资最鲜明的区别就是模型的应用,这就类似于医学上对仪器的应用。中医主要通过望、闻、问、切等医疗手段,很大程度上借助中医长期积累的经验进行诊断,定性的程度大一些。而西医则不同,西医主要借助于现代仪器,首要病人去拍片子、打B超、化验等,这些都要依托于医学仪器进行检验,对于各项检查结果有详细的数据评价标准,最后判断症结所在,进而对症下药。

二、量化投资,需要研发能力吗

从个人角度出发是需要的,虽然有一些量化平台可以提供一些ui来做策略,这就和IT的低代码平台类似,虽然降低了入门难度,但是只能做一些简单的规则行策略,现阶段 大部分都是 策略+AI的方式,个人不会开发做量化是不现实的。

三、量化大约要做些什么

分为两部分 选股 和 执行

选股:主成分分析法(PCA)选股 1.确定股票池;2.获取四个因子,3.对因子提取主成分值;4.选股

执行:策略制定 行情判断 股票池筛选 信号产生 因子管理 交易执行 人工干预 数据 评价和优化

这是我从网上搜的,我简单理解下:

0、数据准备(选股数据,应该在三方交易所有提供;执行数据,有直接从官方拿到的L1数据需要付钱,和三方交易所提供的L2数据,有免费的,区别我理解是延迟和数据的不一致,需要自己判断)

1、首先是你需要根据一些条件因子(如股价、市值等) 筛选出满足你条件的股票,这些满足你条件的就是股票池,后续的一系列操作就是对股票池内股票的操作。

2、基于策略,制定你的操作,如什么时候买,什么时候卖,持仓多少等

2.1)交易策略就有CTA策略等,我理解是有一套标准的方法论,涵盖基础操作,提供一些风险操作。

2.2)海龟策略,机器学习策略,深度学习策略等。

2.3)这些策略,我理解为串行的不同操作,有具体优先级。来保证谁生效。

3、基于准备的数据,去模拟操盘,如拿最近1年的数据,去验证你的策略,得出收益,通过matplotlib等工具,显示出你的收益曲线等其他信息。

4、对接真实的交易所接口,去操作真实的股票。

5、然后就是基于真实的交易情况,再去调整策略,优化。

四、项目demo

加载中icon-default.png?t=O83Ahttps://www.joinquant.com/view/community/detail/e9caf426e0f12942b1432a4190179513/

保姆级量化交易入门教程

五、一些思考

量化交易就和程序开发一样,我认为分为两部分,金融知识的业务部分和程序实现部分。

如股市、期货、区块链。有不同的业务方式,玩法也不一样,这里面需要大量的领域知识和实操经验支持,需要大量的金融知识支撑。 技术部分,主要是把 业务操作用技术实现,常规的策略已经有很多实现好的,差异主要在机器学习和深度学习的模型调优上,有这个能力的也不是随便一个程序员可以实现的。

金融+IT 我理解个人可以做的,就是量化交易和区块链。

量化交易需要金融+技术机知识,门槛比较高。除个人操作,如果进公司从业,门槛高,很难进。个人和找工作都不容易,感觉比互联网要难。

区块链,这块我理解就是一个特殊的软件开发,主要是web3 和合约、钱包、以太坊啥的。个人方向,我觉得很难业务落地,需要团队吧,成本比较高。找工作我觉的会好很多,可以熟人推荐或者网上找,薪资也比一般互联网要好,缺点是,我认知里政策问题吧,应该需要出国开发,或者远程工作。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/60450.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

OpenHarmony-1.启动流程

OpenHarmony启动流程 1.kernel的启动 流程图如下所示:   OpenHarmony(简称OH)的标准系统的底层系统是linux,所以调用如下代码: linux-5.10/init/main.c: noinline void __ref rest_init(void) {struct task_struct *tsk;int pid;rcu_sch…

简单理解回调函数

回调函数是编程中一个非常重要的概念,它是一种以函数作为参数并在某个事件或条件满足时被调用的函数。这种机制使得程序能够以非线性的方式执行,增加了代码的灵活性和模块化。下面我将详细解释回调函数的几个关键点: 定义和作用 回调函数是一…

C++:线程(thread)的创建、调用及销毁

在 C 中,线程的管理主要依赖于标准库 std::thread,自 C11 起,这一功能被标准化,使得我们能够更加方便地创建、管理和销毁线程。这里我们详细讲解线程的创建、调用和销毁流程。 1. 线程的创建 创建线程通常是为了在单独的线程中执…

【LeetCode】【算法】64. 最小路径和

LeetCode 64. 最小路径和 题目描述 给定一个包含非负整数的 m x n 网格 grid ,请找出一条从左上角到右下角的路径,使得路径上的数字总和为最小。 说明:每次只能向下或者向右移动一步。 思路 思路:这种题太典了,典…

什么时候需要复写hashcode()和compartTo方法

在Java编程中,复写(重写)hashCode()和compareTo()方法的需求通常与对象的比较逻辑和哈希集合的使用紧密相关。但请注意,您提到的compartTo可能是一个拼写错误,正确的方法名是compareTo()。以下是关于何时需要复写这两个…

1.7 JS性能优化

从输入url到页面加载完成都做了些什么 输入 URL - 资源定位符 http://www.zhaowa.com - http 协议 追问&#xff1a;http 与 TCP 1. http - 应用层 < > TCP - 传输层 2. 关联 - http基于TCP实现连接 < > UDP > 握手 & 挥手 &#xff08;传输速率上较…

批量修改文本的神器“多光标”(Multi-cursor)

“多光标”是许多文本编辑器和IDE&#xff08;如Visual Studio Code、Sublime Text或PyCharm&#xff09;中的一个功能&#xff0c;允许你在文本的不同位置放置多个光标并同时编辑它们。这在处理重复性任务时非常有用&#xff0c;比如重命名变量、同时编辑多行文本或在多个位置…

Spring Task详细讲解

✨Spring Task简介 Spring Task 是 Spring 提供的轻量级定时任务工具&#xff0c;也就意味着不需要再添加第三方依赖了&#xff0c;相比其他第三方类库更加方便易用。可以按照约定的时间自动执行某个代码逻辑。 使用场景&#xff1a; 信用卡每月还款提醒银行贷款每月还款提醒…

FreeRTOS源码(二) 任务调度

FreeRTOS源码(二) 任务调度 任务创建 1、任务结构体 typedef struct tskTaskControlBlock {volatile StackType_t *pxTopOfStack; /* Points to the location of the last item placed on the tasks stack. */ListItem_t xStateListItem; /* The list that holds…

Qt/C++ 海康SDK开发示例Demo

*** 工业相机在机器视觉中起到关键作用&#xff0c;本文基于海康 SDK 详细解读了设备连接与控制的各个步骤。内容涵盖设备枚举、句柄创建、图像采集回调以及设备异常处理&#xff0c;帮助开发者快速理解如何通过代码控制相机&#xff0c;实时采集并处理图像数据。*** 1. 搜索并…

ubuntu ros 解决建完图后 保存的地图非常小的问题

解决建完图后 保存的地图非常小的问题 在ROS中使用Gmapping等SLAM算法建图后&#xff0c;如果保存的地图非常小&#xff0c;通常是由于建图过程中的分辨率设置不当或地图边界没有覆盖到整个环境导致的。以下是详细的解决方案和具体步骤&#xff1a; 解决方案概述 调整地图分…

HDLBIts习题(5):移位寄存器

&#xff08;1&#xff09;易错习题1&#xff1a;109题&#xff08;shift18&#xff09; 对算数左移和算数右移概念不清&#xff0c;不知道该如何计算。 逻辑左移和算术左移之间没有区别。&#xff08;无论是有符号位数据还是无符号位数据&#xff0c;右侧补0&#xff09; 逻辑…

想要成为独立游戏作者 :通关!游戏设计之道 2-2 关卡设计

本文通过ai辅助总结加个人微调,不喜勿喷 前篇如下&#xff1a; 想要成为独立游戏作者 &#xff1a;通关&#xff01;游戏设计之道 2-1 HUD-CSDN博客 1.关卡的多重定义 在电子游戏行业里 “关卡” 有多种含义&#xff0c;如游戏行为发生的环境、分割的游戏体验单元、量…

【深圳大学】数据结构A+攻略(计软版)

1. 考试 1.1 形式 分为平时&#xff0c;笔试&#xff0c;机试三部分。其中&#xff1a; 平时占30%&#xff0c;包含平时OJ测验和课堂练习&#xff0c;注意这个可能会因老师的不同和课题组的新策略而改变。笔试占60%&#xff0c;是分值占比的主要部分。机试占10%。 1.2 题型…

Springboot 启动端口占用如何解决

Springboot 启动端口占用如何解决 1、报错信息如下 *************************** APPLICATION FAILED TO START ***************************Description:Web server failed to start. Port 9010 was already in use.Action:Identify and stop the process thats listening o…

名词解释-2-形状算数实验、潜在空间、3D生成模型

形状算术实验&#xff08;Shape Arithmetic&#xff09;是一种在3D生成模型中进行的实验&#xff0c;旨在通过在潜在空间中对形状的潜在向量进行算术操作来实现形状的变换。具体来说&#xff0c;该实验通过选择两个不同的3D形状实例&#xff0c;将其输入到编码器中生成两个潜在…

C++继承和参数化类型(模板)各自的优点

在C中&#xff0c;继承和参数化类型&#xff08;模板&#xff09;都是强大的代码重用机制&#xff0c;它们各自具有独特的优点。以下是对这两种机制优点的比较和归纳&#xff1a; C继承的优点 代码重用&#xff1a;继承允许子类继承父类的属性和方法&#xff0c;从而避免了重…

H.264/H.265播放器EasyPlayer.js RTSP播放器关于webcodecs硬解码H265的问题

EasyPlayer.js H5播放器&#xff0c;是一款能够同时支持HTTP、HTTP-FLV、HLS&#xff08;m3u8&#xff09;、WS视频直播与视频点播等多种协议&#xff0c;支持H.264、H.265、AAC、G711A、Mp3等多种音视频编码格式&#xff0c;支持MSE、WASM、WebCodec等多种解码方式&#xff0c…

C++写一个Date日期类

一个日期类作为类和对象知识点的总结 注意&#xff1a; 因为历史上1582年10月是少了10天&#xff0c;并且闰年的计算规则在1582年前后是不同的&#xff0c;因此计算某一天是周几&#xff0c;直接采用了倒推的方式确定公元1年1月1日是周几&#xff0c;然后反过来写的。&#xff…

集合类源码浅析のJDK1.8ConcurrentHashMap(上篇)

文章目录 前言一、概述二、CHM的属性1、属性 三、新增方法1、put2、initTable 四、分段计数1、addCount2、fullAddCount3、sumCount 总结 前言 本篇是JDK1.8的ConcurrentHashMap源码个人学习笔记&#xff0c;ConcurrentHashMap&#xff08;笔记中简称CHM&#xff09;是一种线程…