本文由【乐在量化】整理发布
人工智能的话题仍然是神话，但量化对于大多数人来说正成为一个越来越遥远的领域。但近年来，吸引投资者关注的一直是量化投资，量化产品也在为投资者带来更好的回报。很多人对量化交易有着最直观、最简单的理解。他们可以赚钱，赚大钱。钱。
但究竟什么是量化交易？从小白到入口有好几步。其中许多实际上是入门级的。为了让量化学习的过程更加直观，我们还将介绍学生学习量化学习的小故事。这位学生在没有任何编程经验的情况下，成功地从传统的金融背景过渡到了现在。切换到测光面板。
什么是量化交易？
（一）大众眼中的量化交易
（二）实际量化交易
1.量化的定义
量化交易迫在眉睫。
如何成为量化交易者
第一步（一）：促进量化交易
（2）第二步：开始用Python编程
(3) 第三步：量化
李明博程序中的量化投资之谜。
什么是量化交易？ （一）大众眼中的量化交易
在和很多学金融的同学交流的时候，我发现大多数人在谈到量化时，第一反应是很难的。然后他们一直在问：-定量职位需要数学和物理学博士学位吗？ - 在高频量化的情况下？ - 你需要了解 C 量化吗？问：量化是否向人工智能发展？事实上，简单的“不，区域内的争论是不断变化的。在回答这些问题之前，很难先量化最重要的话题。什么是量化交易？
(2) 实际量化交易
人们通常使用定量的方法来解释 Q 和 P 的量化，或者使用卖方/买方的定量方法来理解很多关于知乎的类似话题。今天我想从量化本身的定义谈这个话题。
一世。数量
转换的定义
量化是指使用时间学习模型（不是人脑）来确定交易的类型、数量、方向和时间。不难理解，量化其中一个核心就是用数学模型代替人脑，用人的感受力代替模型的合理性，把投资逻辑翻译成数学语言，严格执行模型中规定的交易规则。确定交易的要素（类型、数量、方向、时间）。
俗话说，英雄一出，不问从何而来。这同样适用于量化策略。
量化策略的好坏是根据实战记录，而不是模型复杂度，来判断是否适合当前市场、当前资产状况、当前背景。底部由投资逻辑支撑。所以当我们谈论量化时，我们不必谈论高频、深度学习、人工智能等等。
好的策略从简单到复杂。归根结底，这是一个潜在的投资逻辑考虑。
量化交易迫在眉睫。
其实我们身边有一种简单的量化交易模式。打开基金软件，选择一只基金，指定每周五500元的资金投资，点击确定按钮，实现最简单的量化策略。
您可能会对此嗤之以鼻，但不要低估您可以在 Excel 中实施的量化策略。固定投资策略往往比跟单交易更容易获得稳定的回报。原因如下。
一种。投资基金具有与长期储蓄相同的特点，投资成本可以累积和摊销。因此，定期进行资金投资可以抚平基金净值的波峰和波谷，消除市场波动。
湾。由于其量化性（买卖时机由规则决定），定点投资可以避免影响投资者入市时的主观判断，使主观判断错误大大减少（即，在市场的高点买入，在市场的低点卖出），造成巨大损失。因此，固定资产投资策略对于降低因个人情绪和信息因素导致投资点误判的固定资产投资标的和投资回报率的波动非常有帮助。也可以看出，资本投资策略非常适合中长期的投资策略。投资者只需选择长期乐观的目标，然后进行资本投资。
从上面的解释不难发现，“量化”并不像大多数人想象的那样。那么这是否意味着成为一名量化交易者并没有我们想象的那么难呢？
劳里在这里指的是专业学生的个人经历。希望对读者有所帮助，但我想简单介绍一下他的转行经历。在没有编程经验的情况下，学生们在大约四个月内成功地从传统的金融背景转变为量化团队。他是如何做到的？
(1) 第一步：开发量化交易
正如量化定义中提到的，大多数人只关注“数学模型”一词，而忽略了交易，这是量化的另一个核心要素。构建整个量化策略，首先需要将交易逻辑翻译成数学语言，然后使用编程语言等工具来实现数学语言到程序的转换。
在 3 步 2 转换过程中，底部由可靠的交易逻辑支持。培养交易素养是一个耗时的积累过程，这也是传统金融从业者看量化的一大优势。
目前，大多数量化团队并未实施“全自动交易”。由于数学模型本身的局限性，以及黑天鹅、周期性轮换等因素的影响，大部分量化团队仍然保持着AI智能。量化投资进一步提高了对量化研究人员自身交易的理解。
在了解了量化背后的逻辑后，学生们打消了最初对竞争的焦虑和量化对程序员有益的谣言。我正在逐渐做我必须做的事情。
学生工作是金融背景，所以除了基本的金融知识外，还需要添加前端交易内容。所以我决定学习模仿我投资老板分享的交易经验。除了编程，我还阅读了一些经典的投资传记，记录整理了很多阅读笔记，尝试站在巨人的肩膀上。快速增长。
“巴菲特的第一个金花瓶”作为最大的外部投资者和伟大的投资者沃伦巴菲特，在37年的22次投资中首次获得1亿美元。本书再现了巴菲特在此旅程中的发展、理念和投资路线图。作为华尔街顶级股票投资者和投资组合经理首先，彼得林奇分享了选股的逻辑，向普通投资者解释了如何成为一名专业的股票投资者。密切关注商业趋势和您周围的世界，从购物中心到工作场所。这样，您会发现比专业分析师更成功的潜在公司。在“击败所有市场的人”中，这位传奇的金融天才以清晰的语言分享了赌场和市场的激动人心的冒险，使用“5”和“ace”等。我们分享如何击败市场的秘密。在 21 点；“科学预测”和“价格锚点”是击败市场策略的最重要投资。威廉·奥尼尔 (William ONeill) 是《模拟股票市场》一书的作者，也是华尔街最有经验和最成功的资深投资者之一。在本书中，他得出结论，他的选股模型可能很薄。这为许多投资者所接受。实现量化领域的应用。 2001 年，美国私人投资者协会发表了一项独立研究，将书中的“Can Slim”方法与彼得林奇和沃伦巴菲特的方法进行了比较。结果表明，“瘦身”方法多年来取得了最好、最稳定的效果。 (2) 第 2 步：开始使用 Python 编程
与此同时，学生们开始努力弥补他们最大的缺陷，编程。他们尝试从网红的编程语言Python入手，很快学会了量化所需的编程工具。
1. Python是学习量化的障碍吗？
对于许多人来说，这个级别以前是可怕的。在流行的编程语言Python的帮助下，我们大大缩短了编程的距离。 Python 强大的模块化社区易于学习，并拥有多种量化交易者。
帮助实现设备学习算法模型。
在许多情况下，您不必花费大量时间来弄清楚如何以编程方式实现算法。您需要了解算法并知道如何应用它。这就像为骑士配备武器。我们所要做的就是专注于战斗。 Python 帮助许多量化交易者显着提高了编程效率。
2.如何自学Python
和大多数人一样，他买了很多学习资料，问我学什么，怎么学。我给他提了两个建议：
第一：在学习语法和熊猫的第一阶段，学生需要尽快学习和获取知识。他们不应该需要深厚的知识。一旦对整个框架和 Python 能提供什么有了大致的了解，就可以将其融入到后面的实际案例中，快速准确地掌握自学过程中最需要的技能。
(3) 第三步：量化
以上三本书，学生用了大约一个半月的时间。当时，他只是一个入门级的程序员，语法并不流利。熊猫有时用于旅游，但如前所述，量化是了解熊猫的好方法。
接下来，他研究了量化的视频和书籍，努力学习和掌握经典的量化策略，并使用 Python。
我们已经建立了自己的基本回测框架。在学习经典策略的过程中，我逐渐开始优化基础框架，并尝试使用回测框架复现一些开源研究报告策略。在这个过程中，你将深入研究数据逻辑背后的各种数据类型（价格数据、财务数据、资金流数据等），了解分析师的分析方法和思路，以及基本的方法构建要素。学习。尝试分析现有政策优化一点并重复。
然后，他开始根据从他的投资历史中提取的交易逻辑构建几个独立的策略，将他的策略研究结果写在他的简历上，并尝试建立分布和面试。
整个换工作的过程很艰难，也很满足。中级学生也多次找我进行衷心的讨论，想知道一次未知的成功或失败的机会成本是否值得。他们除了害怕探索未知之外，更多的是对未来的迷茫和担忧。
在许多情况下，学习量化本身并不是问题，而是涉及在您选择改变时放手的可能性。幸运的是，学生们尽了最大的努力。量化不难，但很难勇敢地迈出第一步。
本文由【乐在量化】整理发布
