第一章初识量化交易¶

量化交易可以简单理解为：用数学模型和计算机程序，把投资逻辑变成可执行、可回测、可风控的交易规则。接下来，让我们带着下面几个问题开启量化交易的学习之旅。

为什么需要量化交易？
量化交易是做什么？
量化交易的价值何在？
做量化交易需要什么？

1. 量化交易比传统交易强多少？¶

量化交易之于传统交易方法，如同大型收割机之于锄头镰刀，机枪大炮之于刀剑棍棒，它能让我们的交易效率提高百倍。在金融最为发达的美国，量化交易已大行其道，占据了 70% 以上的股市成交量，可以说量化交易是未来的趋势。

2. 量化交易是做什么？¶

2.1 从一个灵感开始¶

灵感就是指那些你想验证的可能会盈利的方法，比如银行股可能是良好的投资品种、一旦跨过20日均线后股价会继续涨、流传许久的羊驼交易法等等。灵感获取的方式可以是阅读、听人说、自己悟等等。

这里我们以一个简单的情况为例进行讲解，比如你的灵感是这样的：

如果股价显著低于近几日的平均价，则买入
如果股价显著高于近几日的平均价，则卖出

现在，你想知道这样操作究竟会不会赚钱？

2.2 把灵感细化成明确的可执行的交易策略¶

一般灵感都很模糊，需要将其细化成明确的可执行策略，目的是为了能得到确定的结果，以及为后续程序化准备。比如，你通过阅读了解到索罗斯的反身性概念，想将它应用到股市，这个反身性就很模糊，就需要明确什么条件下买卖，买卖什么品种，买卖多少量等，从而形成一个明确的交易策略，让不同人根据你的描述在相同情形下都能做出相同的操作。

继续以之前那个关于平均价的灵感为例：

如果股价显著低于近几日的平均价，则买入
如果股价显著高于近几日的平均价，则卖出

显然它是不够明确的。比如多低叫显著低于？多高叫显著高于？近几日究竟是几日？买入卖出是买卖多少？我们把它细化如下规则：

如果股价低于 近20日平均价 10%，则用全部可用资金买入
如果股价高于 近20日平均价 10%，则卖出全部所持的该股票

还有一点不明确的地方，买卖哪个股票呢？我们认为这个交易方法盈利与否应该跟交易哪个股票关系不大，但 st股票 除外（知道 st股票 是一类有风险特别大的股票就好，详情请百度），所以股票的

每个交易日监测是指除st股外的国内 A 股的所有股票的股价
如果股价低于 近20日平均价 10%，则用全部可用资金买入
如果股价高于 近20日平均价 10%，则卖出全部所持的该股票

ST股票

ST股票是 A 股交易所对“财务或经营出现异常”的上市公司实施的“特别处理”风险警示，不是普通股票类别。它分为两类：其他风险警示或者退市风险警示。

现在我们基本已经把之前的灵感细化成明确的可执行的交易策略。当然，可能还有些地方不够明确，也可能有些细节还不确定要改动，这些可以随时想到随时再改，不必一次做到完美。

2.3 把策略转成程序¶

就是把明确后的策略通过编程转成程序，好让计算机能根据历史数据模拟执行该策略，以及能根据实际行情进行反应并模拟交易或真实交易。

简言之，就是把刚刚的策略翻译成计算机可识别的代码语言，即把这个：

每个交易日监测是指除st股外的国内 A 股的所有股票的股价
如果股价低于 近20日平均价 10%，则用全部可用资金买入
如果股价高于 近20日平均价 10%，则卖出全部所持的该股票

写成类似这样的代码（下面的代码并不完全符合，只是展示下大概的样子）：

策略代码
def initialize(context):
    g.security = ['002043.XSHE', '002582.XSHE']  # 股票代码

def handle_data(context, data):
    for i in g.security:
        last_price = data[i].close
        average_price = data[i].mavg(20, 'close')  # 获取近20日平均价
        cash = context.portfolio.cash

        if last_price > average_price:
            order_value(i, cash)  # 卖出
        elif last_price < average_price:
            order_target(i, 0)  # 买入

这样一来，就把刚才细化好策略转成了代码程序，计算机就能运行了。这个过程你可以理解成用计算机能听懂的语言（代码），把你的策略告诉给计算机了。

2.4 验证策略有效性¶

验证一个量化策略是否有效，通常有回测和模拟交易两种方法。

回测是让计算机能根据一段时间的历史数据模拟执行该策略，根据结果评价并改进策略。继续之前的那个均价的策略例子的话就是这样的：

设定初始的虚拟资产为 500000 元、一个时期如 20060101 到 20160101，把这一时期的各种数据如估计股价行情等发给计算机，计算机会利用这些数据模仿真实的市场，执行你刚才告诉它的策略程序。最后计算机会给你一份报告，根据这个报告你就会知道，在 20060101 的 500000元，按照你的策略交易到 20160101，会怎样？一般包括盈亏情况，下单情况，持仓变化，以及一些统计指标等，从而你能据此评估交易策略的好坏。

如果结果不好，则需要分析原因并改进。如果结果不错，则可以考虑用模拟交易进一步验证。

模拟交易是让计算机能根据实际行情模拟执行该策略一段时间，根据结果评价并改进策略。与回测不同，回测是用历史数据模拟，模拟交易使用实际的实时行情来模拟执行策略的。举例就是这样：

设定初始的虚拟资产依然为 500000 元，选择开始执行模拟交易的时间点，比如明天。那么从明天开始，股市开始交易，真实的行情数据就会实时地发送到计算机，计算机会利用真实的数据模仿真实的市场，执行你的策略程序。同时，你会得到一份实时更新的报告。这报告类似于回测得到的报告，不同的是会根据实际行情变化更新。同样你能据此评估交易策略的好坏。

可见，回测是用历史数据模拟执行策略，模拟交易是用未来的实际行情模拟执行策略。如果策略在回测与模拟交易的表现都非常好，你可以考虑进行完全真实的真金白银的实盘交易。

2.5 进行实盘交易并不断维护修正¶

实盘交易就是让计算机能自动根据实际行情，用真金白银自动执行策略，进行下单交易。注意，这时不再是用虚拟资产模拟交易，亏损和盈利都是真钱。实盘交易一般也会给出一份类似模拟交易的会不断更新的报告，从而不断要观察策略的实盘表现并及时调整与改进策略，使之持续平稳盈利。

第一章 初识量化交易¶