量化交易的个人见解

程序化交易在国内兴起有些年数了,个人以为,程序化交易与量化投资的关系,在于两者侧重点有差别。程序化交易侧重于下单的动作是机器自动执行的,量化投资则侧重于投资分析的过程是通过一个量化模型来实现的,所以量化投资也可以是手动下单的,而程序化交易,除了有一部分是条件单之外,其他交易都是要有个数学模型来发出交易信号的,因此大部分的程序化交易属于量化投资的范畴。无论是程序化交易还是量化投资,本质上来说,都是决策与执行的工具。有业内人士提出,量化投资叫投资量化更好,同理,程序化交易如果叫交易程序化也会更贴近其实质。

就研究的范围来说,目前的量化投资研究范围已经非常广泛,包括宏观量化、基本面量化、财报量化、事件量化、交易所交易数据量化等等,只要有数据就可以量化,量化作为一个工具其作用被发挥得淋漓尽致。在国内,程序化交易在绝大多数情况下指对交易所交易数据进行建模,并根据模型发出的信号进行自动交易。然而,这么多年来,能够通过这种程序化交易获利的人数并不多,程序化交易除了风控做得好一点,盈利状况与主观交易并无太大差异。究其原因,首先是研究范围狭窄,量化投资有那么大的研究范围,而现在还有太多人只是研究交易所交易数据,通过研究交易数据获得的利润,要分给这么多交易者,平均每个人能分配到的利润当然非常微薄,微薄到不够支付交易手续费。这里期货和股票情况不太一样,期货程序化交易获利可以认为是随机的,但最终大多数人都败给了交易成本;股票使用程序化交易的人相对还较少,应该还有发展空间:期权没有开放交易接口,情况也是如此。这是目前的情况。

其实在程序化交易刚刚兴起的时候,是很容易获利的,一个很简单的均线模型、或者MACD模型就可以获利,后来懂的人多了,自然就不灵了。所以现在是到了程序化交易者们去开拓新领域的时候了,如何结合宏观分析、基本面或者行业分析、事件驱动,来进行程序化交易,是后续能否盈利的关键。当然,也可以把程序化交易只是作为一个辅助执行工具、或者是一个寻找技术上的合适买卖点的工具来使用。甚至可以通过宏观及行业分析,主观判断行情趋势,然后利用程序化交易去寻找买卖点自动执行,再用程序化交易进行风控和资金管理,自动执行出场及止损。

程序化交易未来的发展,一个很重要的方向是AI。人的思维毕竟有局限性,用AI自动学习,自动去寻找交易策略则可以突破人的这种局限性。AI找出来的策略未必能够用逻辑去解释,但只要交易信号数量足够多,盈亏比和胜率达到要求,就可以尝试。

相关推荐
Python×CATIA工业智造3 分钟前
Frida RPC高级应用:动态模拟执行Android so文件实战指南
开发语言·python·pycharm
onceco33 分钟前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
狐凄1 小时前
Python实例题:基于 Python 的简单聊天机器人
开发语言·python
悦悦子a啊2 小时前
Python之--基本知识
开发语言·前端·python
笑稀了的野生俊4 小时前
在服务器中下载 HuggingFace 模型:终极指南
linux·服务器·python·bash·gpu算力
Naiva4 小时前
【小技巧】Python+PyCharm IDE 配置解释器出错,环境配置不完整或不兼容。(小智AI、MCP、聚合数据、实时新闻查询、NBA赛事查询)
ide·python·pycharm
路来了4 小时前
Python小工具之PDF合并
开发语言·windows·python
蓝婷儿5 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
AntBlack5 小时前
拖了五个月 ,不当韭菜体验版算是正式发布了
前端·后端·python
.30-06Springfield5 小时前
决策树(Decision tree)算法详解(ID3、C4.5、CART)
人工智能·python·算法·决策树·机器学习