玩转量化交易(1)——量化炒股简述

前言

        本人IT码农一枚,2020年2月疫情期间在家办公,无聊没事,并开始踏上炒股之路,由于是新进韭菜,未免患得患失,不过还好,到目前为止总体收益还是赚的^_^。

        其实中国股票市场的主力军肯定是散户,虽然亏钱的都是我们小散,但是散户也不容易,平时要上班工作,赚钱养家,还要兼顾炒股赚点外快,我也是散户大军中的一枚小韭菜,喜欢的工作就是写点代码,下班后研究一下股票,自从接触了量化交易后,感觉可以通过自己的专业知识编写量化炒股策略来实现赚钱的目的,同时也不会影响到本职工作,真是一举两得。

        连载的此文也是出于这个目的来写的,同时本人也是阿里云的MVP,在2020年6月期间观看了阿里云的新品直播会,也发现了好多好东西,比如polardb、quickbi、dataworks等等,如果需要用到服务器或者一些云上技术,一定首选阿里云,支持阿里云的产品那是必须的啦!!!

        实现量化交易的开发语言很多,比如Java,.NET等,现在python很流行,自己也想通过python这门语言来编写一些量化交易的代码,所以后面的示例代码都是用python编写的。

简述

(一)什么是量化交易

        问一下“度娘”,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。

        其实我个人的理解就是将炒股交易条件变成程序,让计算机帮助我们自动实现买入、卖出功能,这样可以克服人性的弱点,比如贪婪、恐惧、侥幸心理等。要通过计算机分析哪里是估值低点,哪些品种被低估了,买入低估的,卖出高估的。同时通过概率学,正态分布的模型来尽量提高买卖成功率,已达到收益最大化。

(二)为什么要用量化交易

        量化炒股是未来炒股的趋势,在国外其实很普及了,在国内只被一部分投资者了解并加以运用。我个人也懂一点皮毛的技术分析,比如MACD金叉买入、BOLL轨跌破中轨卖出等,但实战中往往通过这种技术指标买卖股票还是要亏不少的钱。有人会说现在是资金为王的时代,炒股和业绩、技术无关,的确这也没错,业绩亏损很多的股票,资金进来,照样可以涨很多,好多业绩很好的股票,技术形态很好买入后就是不涨,但资金面只是一方面,短线炒股可以参考而已,我不提倡投机,虽然也有一夜暴富的想法,我喜欢投资,做中长线投资,这样量化交易的优势就出来了。

       通过量化炒股系统,会根据市场的PE、机构资金持仓度、技术形态、业绩等多维度的来综合评估股票,而且评价非常全面,比普通的投资者拍脑袋或者简单看某一指标买卖更具有说服力。

        量化炒股主要优势表现在3个方面,一是交易利润很稳定,通过很多次的大概率交易事件产生的利润累积起来,尽管量化交易并不能保证投资者每一次都能够赚钱,但是她能确定在一定长的时间内赚钱,靠概率取胜。其次量化交易可以克服人性弱点,实现理性投资。很多投资者买了亏了几个点不及时止损,到后面越亏越多,炒股投资盈利变成了遥遥无期的等待解套,还有买了赚钱了,不懂得卖出,结果利润回吐,反而倒亏。最后量化交易就是帮助你选到一些比较好的股票,创建交易模型,处理海量数据。

       当然,量化炒股也有一些不足,例如每一笔交易的盈利比较小,如果碰到震荡行情,股票波动小的话,能够提供流动性和波动性高的股票并不多,很难做到差价。其次量化交易时间周期短,交易次数多,每成交一笔要付交易手续费和印花税等,这样盈利就相对减少了。

(三)量化策略有哪些东东

        量化交易中策略是最重要的,直接影响到最终的交易结果,一个完整的策略需要包含输入、策略处理逻辑、输出;策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

        选股

        同样是中国的股票市场,为什么有些投资者可以盈利翻倍,而有些投资者则会出现亏损,其实最重要的原因就是选股。我国沪深股市发展至今,已有3000多只股票,经历二十多年的风风雨雨,2019年上了科创板,2020今年又上了创业板注册制,支持20%的涨跌幅,从早期个股普涨普跌的发展到现在,已经彻底告别了齐涨齐跌的时代,从最近几年行情来看,每次上涨行情中,涨升的个股所占比例不过二分之一,而走势超过大盘,翻五倍以上的妖股更是稀少,很多股民即使判断对了大趋势,却由于选股的差异,仍然无法获利,或一直亏损,可见选股是多么的重要。

        量化选股就是用量化的方法选择确定的投资组合,期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。

        择时

        量化择时是指采用量化的方式判断买入卖出点。如果判断是上涨,则买入持有;如果判断是下跌,则卖出清仓;如果判断是震荡,则进行高抛低吸。常用的择时方法有:趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。

        仓位管理

        仓位管理就是在你决定投资某个股票组合时,决定如何分批入场,又如何止盈止损离场的技术。常用的仓位管理方法有:漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等

        止盈止损

        止盈,顾名思义,在获得收益的时候及时卖出,获得盈利;止损,在股票亏损的时候及时卖出股票,避免更大的损失。及时的止盈止损是获取稳定收益的有效方式。

(四)如何进行量化交易

        那就是要写程序了,哈哈,这是我的强项。前言中也提及了,开发语言有很多种,接下来我们要选择一种近几年最受欢迎的编程语言Python,至于Python如何使用,具体语法怎么样,不是我主要写本系列文章的重点,网上有很多关于学习Python语言的文章,大家可以上搜索引擎查询并学习。我个人比较喜欢w3cschool上的学习课程,简单、通俗易懂,地址:https://www.w3school.com.cn/python/index.asp,供大家参考。

小结

        这里我们简单介绍了关于量化炒股的一些概述,让大家都了解到什么是量化交易,她有什么特点以及内容,下一篇文章中将介绍如何在阿里云服务器上搭建Python开发环境,并使用Python来获取股票的相关信息。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342