Python股票量化投资-2.量化投资介绍

 

 继续接第Python股票量化投资-1.开发环境部署 

 

 这章主要介绍什么是量化投资,以及整套课程学习后你将会学习到

  1、掌握了python,pandas的基本用法

    2、有自己的开发交易策略

       3、根据自己的交易策略进行实盘自动化交易

 

你不会得到的:

  1、你的程序不会那么好

        2、你可能赚不到钱,可能会亏钱  【跟炒股样,你不可能参加啥培训,内部消息你就能赚钱】

        3、 不会涉及最复杂的量化算法

        4、 不是所有的package都会用到  【程序员都懂,找API】

 

1、什么是量化投资:【核心】

    找规律性,【就跟写代码一样,你写得都是代码都是:业务不断重复】,股票量化投资就是根据历史数据去代码化。根据历史数据去找规律性,重复性。【但是别忘了,炒股里面有一句话:历史会重演,但不会简单的重复。 所以想赚钱没那么容易,但会辅助你一些帮助】

    这也说明了: 规律会失效吗?   规律肯会失效,【这个世界上唯一不变的就是变化本身】,所以我们尽量找可靠的规律,未来不容易发生变化的。【就跟写代码项目一样,不断去发现BUG,不算优化,总有需求】

    接下来,开始实盘,小规模的资金,测试赚钱效应。不断修改规律不断提提高赚钱机率,程序稳定性

      股票量化投资的本质:历史数据里面找规律 【思考:彩票是否能够量化】         

   可靠的规律以下几点:

    可靠的规律,是历史上长期存在的规律,是能够验证的规律,例如你的模型在A股验证,在美股照样可以验证,毕竟美股200年历史。

   1、有理论支撑的规律【做出来模型效果好,当你不知道为什么(不要去用),股市里只赚你有把握的钱,只赚你知识内的钱】,

           2、符合人性的规律【人永远在贪婪和恐惧中徘徊,经济永远是有周期的波动】

   3、简单的规律 【简单策略和复杂策略如果结果一样,使用简单策略】

   4、越不成熟的时长,量化投资越有效【量化投资A股比美股更有效,因为国内市场还不成熟,越少人使用越有效,人越来越多赚钱难度增加】

 

2、量化投资的分类

  1、选时策略 【股票什么时间去买,什么时间去卖,根据均线策略,日线,月线】【期货,大盘,房价】

      (比如超过20日均线就买入,跌破20日均线就卖出) 【建议:还是得有点股票基础再学比较好,基础均线这些得懂】

       2、选股策略 【A股3K多股票,如何在将来时间选择会上涨的股票,依靠-消息面,技术面,基础面】

  3、仓位管理 【花多少钱买入,买入多少股,卖出多少股】

  4、其他: 套利,算法交易等

  思考:以上策略哪个是最难的,其实仓位是最难的,大型基金管理只有level最高的人有权指定仓位,他会告诉基金经理你这次只有20%资金给你操作。

 

3、数据的分类:

    算法有开源的可能性,但数据时私有的【例如阿里巴巴很多技术开源,但数据不分享的】

         1、交易数据 【股票开盘,收盘,你交易软件上能看到数据】

    2、宏观经济数据 【国家发布的,通胀率,失业率】很少用,你懂的

         3、财务数据(基本面数据)【财报,也有人看公司财务的页数,页数越多越严谨,公司治理越好,股价会更好】

    4、高频数据【股票软件每笔成交数据,逐笔数据,分笔数据】

    5、舆情数据,【短期内看涨看跌,也就是消息面,股票大V分析】,根据信息作出交易信号,难点如何分析出消息看涨看跌,人工文本算法【开发难点,先不管】

    6、事件数据, 【不定期发生的数据,换高管,减持,高转送】

 

4、量化资料推荐: 书籍【兴趣最好的老师】

   1、《股票大作手回忆录》

   2、《海龟交易法则》

        3、《解读量化投资:西蒙斯》

   4、《量化投资》 丁鹏 ,当工具书全,细节有问题

   5、《宽客人生》

 

5、量化资料推荐: 研报

  1、 什么是分析师研究报告 【券商都是由研究机构,分析师会写报告,让基金经理看】

      网站:新财富,会对分析师进行排名,我们关注金融工程【每年年底排名】

         分析师报告,代表国内最前沿的内容,包括更多的思想

  2、我们关注金融工程类的研究报告

  3、券商研究报告,国内比较前沿。哪些券商研报质量最高?

    【广发证券】评价最好的券商

  

 两篇研报导读【自行阅读,资料度娘】

  择时:广发证券 低延迟趋势线与交易性择时 【可以理解一篇论文,对可行性分析总结 】

  选股:国泰君安 基于沪深300成分股的动量反转选股策略

 

6、为什么使用python

  学的快,写得快,life is short, use python

  万能,一招鲜吃遍天

  即将成为量化领域的标准配置  

 

7、关于python 2  和 3

  两者不兼容

  我们选择2

 

8、关于pandas

  python的一个数据分析第三方库

  作者Wes MacKinney, https://wesmckinney.com , 《Python for Data Analysis》

  目前有第2版 https://github.com/wesm/pydata-book

 

9、为什么使用pandas

  专门处理表个型的数据

  专门处理金融数据

  快,很多方法都是使用C实现

  2012年pandas开始流行于金融,生物,物理,统计领域

  pandas的名字来源于 pandel data

 

 

 

 

 

 

 

股票大作手回忆录

posted @ 2020-11-01 18:45  兔兔福  阅读(913)  评论(0编辑  收藏  举报