量化交易主要有哪些经典的策略
什么是量化交易呢
就拿司机开车来打个比方。
从机场到城市中心有10条路可以走。
有一家出租车公司规定，1小时必须到达。
一开始，有些老练的司机总能在前几个到达城市中心，但大部分司机总是晚于他们，这些老的司机就是“主动选股机构”。
后来这些晚到的司机中，有几个很厉害的司机学会了量化统计，他们每天让很多辆车用一样的速度从机场开到市中心，而且连续研究了10年的数据。
最终他们发现，10年来，有那么一条路在绝大多数情况下，总比别的路快。
从此以后，但凡是从机场回市中心的活儿，这几个很厉害的司机就只选择这条路。
这群人就是“量化选股机构”。
当“量化”遇见“程序”理解了“量化”，程序化交易就很好理解了，就是量化的交易策略通过计算机编程执行，进行自动或半自动下单交易。
量化交易要怎么做
国内做量化交易的人一般自称“宽客(quant trader)”。
假如你是职业股民，别人问起的时候回答我是“宽客”，一定逼格满满。
也许有人认为做量化交易的人的生活是应该这样的：周一8点50开启自动交易系统，然后逛淘宝、聊QQ，到周五15：30 总结一周盈利，分成，下班走人，关自动交易系统。
但实际上却是这样的：真正的量化交易的一般得靠一个团队，有的人分析新闻、做预测，而学数学、学物理、学电脑的博士们则写程序化的交易策略。
有的人负责在历史数据上复盘测试，复盘后再根据反馈的数据再进行修改。
通过审核后放入策略池，由专人确定各个策略资金的分配。
最后由交易员进行交易。
另有专人负责风控。
量化交易有哪些难题
量邦科技资深人士总结：(1)股票、基本面、新闻消息之间的关系不停变化 记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。
很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。
而在另一段时间跨度或者另一个市场里，可能又是另一番情景。
所以跨市场、长期有效的量化交易系统极少甚至可以说没有。
(2)有些关键信息并不容易量化 微博是市场突发消息和传闻的最大出处，所有投资者都不会无视这里传出的讯息。
但是这里的消息格式往往不规范，语法也千奇百怪，你无法让计算机程序挑选出有效信息并运用于自动交易中。
(3)过去并不代表未来 多数时候，通过历史数据测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容。
不过并不是所有人都能意识到，过去不代表未来。
这意味着一些交易策略在过去表现的很好，但是在未来可能会带来巨大的亏损
在中国，量化交易员每天要做什么样的工作
随着量化投资的概念在国内逐渐流行，量化交易员这个听起来神秘又高大上的职业也逐渐走入人们的视野。
量化交易员平常的工作其实没有固定的模式，但总结下来大都包括: 现有策略的管理维护，看盘（通常开N个窗口，大都是定制化的各种彩色表格、图、列表和滚动新闻的组合）以及查看策略有没有乱发单，开发新的策略，每日进行盘后处理，统计委托、持仓、波动率、滑点等等，这些工作听起来琐碎且机械，但真正开发出所谓的印钞机达到躺赢的境界可谓少之又少，大部分人仍然需要不断学习并且经历各种市场的考验： 1、灵感，在市场上策略逐渐趋同、逐渐失效的过程中是很重要的，自己绞尽脑汁更新了好几个版本的新策略回测时各种指标竟然远不如行业内正火热的几个“经典策略”，市场总是公平而又残酷的。
2、心理，投资讲求的是心理战，对于量化交易员来说，程序化交易的方式可以避免一部分人性的因素，但是否干预、何时干预模型（尤其是模型并不完备）一直是一个长期困扰交易员的问题3、不确定性，个人认为，量化交易者同时也需要结合一些基本面，尤其是在国内金融市场信息不对称、噪声大以及监管因素变化下能够从市场调研中获得有效信息以减少不确定性是相当重要的。
量化交易员一天的工作是怎样的
看你是人工量化还是程序量化。
人工量化其实就是下单员，根据总结出来的逻辑和思路，买卖点，到了点位就要下单，可能对手速和反应要求比较高。
程序量化交易员一般需要懂得编程，写好程序交给电脑运行，人盯着就可以了。
如何系统地学习量化交易
金昉毅博士认为，在中国市场看到量化模型贡献Alpha比较高，成熟市场美国每年Alpha只有2～3个点，但中国市场每年动辄10个点以上，造成这种结果的主要是可能来自于三个驱动力：一是中国市场是以个人投资者为主的交易结构；二是虽然近一年量化基金的发行规模比较大，大家也越来越认可这种投资方式；三是不断开发出有效的Alpha策略。
量化交易是什么
“量化交易,是通过编写软件程序,实时监测市场交易情况,并且设定一些条件,一旦当市场交易情况满足这些条件时就自动执行一些操作,比如买入、卖出等。
优点:量化交易是根据历史数据进行分析,总结出合适的买入卖出策略,然后利用计算机去进行操作,它肯定比人工买卖效率要高很多,而且能够克服一些人性的的一些弱点
在投行内部做量化交易与独立出去做量化交易有何不同
这里我们只说量化交易，不讨论量化研究和量化定价这一块的业务。
量化交易是分两个阶段的。
第一个阶段是2008年以前，或者说Dodd-Frank法案以前，投行内部林立着各样的很多对冲基金或者类对冲基金的实体，比如Morgan Stanley的PDT（Process Driven Trading）和高盛的Global Alpha，而很多投资银行的自营交易业务也很像对冲基金。
在这一阶段，这些类对冲基金的实体和外面的对冲基金是没有啥区别的，业务很类似——赌方向、做部分对冲（Partial Hedging）、跨市场套利，也非常敢于承担风险。
当时在投行内做对冲基金类型的量化交易有着非常大的优势，因为两点——第一是银行有着非常良好的融资渠道，融资成本显著地低于当时的对冲基金，如果你尝试去组建过一个基金，你就知道资金成本对于一个对冲基金的影响多么大——巴菲特这么多年的成功是离不开长期1.6倍的财务杠杆和其低于中央银行存款准备金率的资金渠道的（详细内容参见AQR的论文——Buffet's Alpha）。
炒股需要经常总结，积累，时间长了就什么都会了。
为了提升自身炒股经验，新手前期可以私募风云网那个直播平台去学习一下股票知识、操作技巧，对在今后股市中的赢利有一定的帮助。
第二是银行有着一个灰色的信息流——客户的交易记录。
这个交易信息，就是今天，也是非常有用的内部消息。
几周前Bill Gross从PIMCO离开时，所有投行的Sales都疯了，不停地研究之前PIMCO在自己银行的仓位，然后分析那些债券最有可能最先被清盘，从而给其它客户交易建议。
而当年文艺复兴多次更迭合作的投行，就是因为其大奖章基金的交易记录得不到妥善的保密，很多合作银行的自营交易桌跟着交易。
这两个优势造成了当时的自营交易极其暴利，而且管理层为了做大业绩，全力支持明星交易员放大杠杆——而实际上，金融危机期间很多的CEO都是靠着自营交易的暴利业绩从交易大厅升职到管理层的——比如Citi的前任CEO Pandit和摩根斯坦利的前任John Mack。
这也造成了，为什么很多高盛离职的自营交易员在金融危机后，当银行不能做自营交易后出来自立门户开设对冲基金，却完全无法复制当年的业绩——因为他们是因为整个组织的强大而获得超额收益，当失去了资金优势和信息优势后，一切都成为了浮云。
2008年，准确说是2009年后，一切都变了。
首先是政府明令规定自营交易不让干了，于是各种投行旗下的基金，放入资管部的放入资管部（比如Goldman Sachs Global Alpha进入GSAM），独立营业的独立营业（比如PDT从摩根斯坦利分离），要不直接就关门大吉了（比如UBS、德银）。
还有一些硕果仅存的，一般是在股票交易部门，打着对冲为名，通过会计手法，维持着极小的自营规模，这种类似的团队很多投行都有。
但是不成气候了，也不会造成任何系统性的风险——当然，各种马路传奇故事也销声匿迹了。
银行内部还有没有量化交易了，其实还有——那就是随着计算机技术进步的自动化做市交易。
做市在国内这个概念刚刚出现——因为期权做市商制度的引入。
但是在美国这个是从华尔街开始就有的交易体系了。
简单来说，就是假设你经营一家买可乐的小店，你有两个主要的交易——一是从总经销商那里拿货，用的价格是Bid，二是分销给街边下象棋和夕阳下奔跑的孩子们，这是Ask。
Bid是你的进价，Ask是你的出货价格，Bid一般小于Ask（除非你是搞慈善的）。
你持续的维持报出这两个价格，同时根据你的存货来调整报价或者对应报价的数量——比如你的存货太多，大爷不出来下象棋了，你就降低Bid，这样很难进到货了，而保持Ask，等待有人来消耗你的库存。
这个过程就是基本的做市商交易流程，在金融中，由于没有实际的总经销商供货，你的报价（Bid-Ask）是基于你对于对应资产的Fair Price的估计来决定的，通常是你算出来的均衡价格加减一个值构造成Bid-Ask组合。
在很长的时间内，这个报价都是靠人来完成，这个过程是枯燥的，而且很容易出错——而对于期权类产品（非线性价格）也很难快速报价。
我之前和期权交易员合作过很长时间，他们的工作不一定智力上很难，但是对于人得耐力绝对是一种挑战——因为在开市后他们要注意力高度集中的报价，一quote两quote，一quote两quote，似爪牙，似魔鬼的步伐，报价，报价，在这交易大厅报价... ...于是，从简单的资产起，从交易所级别开始支持API交易了。
什么是简单的资产，就是Vanilla类别的，比如个股、指数、外汇、国债等等。
因此投行由于本来就是大量资产的做市商，开始把原来这套过程通过计算机来完成。
后面大家发现计算机是完美胜任这项工作的，因为计算机能够高速计算库存来调整报价，还能报出很多复杂的单类型。
因此从2000年开始个股、指数开始逐步被自动化做市来包揽，2005年后个股期权自动化做市大热，而2008年后外汇自动化做市也相当成熟了，2010年开始国债自动化做市也在美国兴起——这也是我目前在工作的内容。
那么对冲基金呢，除了传统的量化Alpha，他们难道不能也做这个业务吗
实际上，很多对冲基金的自动化做市业务比投行还要好——比如Citadel，比如KCG。
但是区别何在
区别在于两点，第一是很多对冲基金不是专属做市商（Designated market maker）。
DMM的特权是其有专属席位——在美国这样高度商业化的国家，DMM也是非常稀有的。
原因在于，DMM是有责任的，那就是在各种大型金融危机中，当流动性极差的时候，DMM还是要持续的报价，一quote两quote，一quote两quote，似爪牙，似魔鬼的步伐... ... 在流动很差的时候这是非常危险的，因为大家丢给你的都是不好的资产，比如大跌的时候，都在卖，你的Bid反复被Hit，然后又没人来hit你的Ask，浮动亏损可以非常大。
那么DMM的特权呢，DMM可以获得非常高比例的rebate，也就是说，佣金返点非常高。
这是对于其承担的义务的回报。
第二就是绝大多是对冲基金不是Broker，也是你一般想买股票不会去找他们报价。
在外汇和债券这类市场中，有两级市场，一个是B2C市场，也就是零售市场，里面基本都是Broker-Client，而第二级就是B2B市场，都是Broker-Broker。
一般来说，B2B市场的Bid Ask Spread要低一些。
一个形象的例子就是，我小时候去批发书的商店买书，一个商店有本习题集没有，于是老板去隔壁家拿了一本，卖给我，最后肯定这个老板要把一部分价格还给隔壁家，我付的价格和老板付给隔壁家的价格就是B2C到B2B市场的差价。
这里投行又耍流氓了，他们有着B2C市场的接入优势，因此只要客户量够大，基本都能把自动化做市实现盈利——因为根据大数法则，一定时间内，买卖双方的交易量应该是均衡的。
那么对冲基金靠什么——靠更好的策略。
对冲基金如果要做高频做市的，基本在B2B市场参与，他们不是DMM，但是也自己去报价，然后靠着对于价格走向的准确判断，来调整报价，实现拿到多数对自己有利的单，或者持有更久符合预测方向的单，来达到盈利。
这种不是DMM却自发去做做市商的行为，叫做Open Market Making。
Citadel是期权自动化做市的王者，顶峰时期一年的利润可以到1 Billion（2009），而整个市场那年的利润也就是7 Billion左右。
因此如果策略逆天，没有客户流，也能靠做市赚钱的。
此外，做市业务之外，对冲基金还多了很多机会。
因为很多业务银行做起来不划算——比如商品。
考虑一个金融类公司，不能光讨论交易策略，宏观上你一定要思考资金成本等问题，这才是投资之道在投资之外。
商品这些之前银行干了很多坏事的业务（详细参加高盛的铜交易和JP的风电交易）都被监管方克以了极高的资本罚金。
这是Basel III里面的规定，也就是你拿着1元的股票和1元的监管资产过夜受到的处罚是完全不同的，具体算法参见Basel对于RWA（Risk Weighted Asset）计算的细则。
这一系列监管，造成了对冲基金有了大量的新业务——因为投行退出。
而大量银行的人才也流向了对冲基金。
现在门径这么清晰，那么投行和对冲基金做量化交易的工作差别就很明显了——投行主要以自动化做市为中心的高频信号、客户流分析、报价博弈论等研究为主。
而对冲基金主要是传统的量化Alpha、量化资产配置为主——当然还有公开市场自动化做市了。
希望可以帮助到你，祝投资愉快
量化交易系统哪个比较靠谱
网上公布免费的量化系统都没有靠谱的。
做一个量化系统是很难的事，不可能随随便便都公布的，因为非常好的交易系统很难设计只有基金公司才会有能力设计，不可能免费给你公布。
