編程小白如何結(jié)合量化實(shí)例學(xué)習(xí)python量化建模？

作為小白想要學(xué)習(xí)量化必須對(duì)量化有個(gè)整體的了解然后才能學(xué)習(xí)到最后才能自己建模。下面我就來(lái)詳細(xì)介紹下:

一、什么是量化交易

量化交易，指的是利用數(shù)學(xué)模型，在金融市場(chǎng)中尋找穩(wěn)定超額收益的投資手段。量化交易有著挖掘信息能力強(qiáng)，不易受主觀情緒影響，下單及時(shí)、準(zhǔn)確，風(fēng)險(xiǎn)控制嚴(yán)格等特點(diǎn)，能夠獲得穩(wěn)健的收益。而其相對(duì)于傳統(tǒng)主觀投資，上手難度也比較大，門(mén)檻較高。入門(mén)量化交易，主要需要了解如下幾方面的知識(shí)。

1.數(shù)學(xué)/統(tǒng)計(jì)學(xué)知識(shí)

既然說(shuō)到用數(shù)學(xué)模型，那數(shù)學(xué)和統(tǒng)計(jì)學(xué)的知識(shí)是必不可少的。由于國(guó)內(nèi)金融市場(chǎng)尚不完備，一些衍生品交易受到限制，所以相較國(guó)外市場(chǎng)，能用到的數(shù)學(xué)/統(tǒng)計(jì)學(xué)知識(shí)也要少一些。對(duì)于非理工背景的投資者，需要補(bǔ)充基礎(chǔ)的高等數(shù)學(xué)，線性代數(shù)，概率論，統(tǒng)計(jì)學(xué)，最優(yōu)化理論等等學(xué)科的知識(shí)，這些內(nèi)容可以在高校教科書(shū)中找到。對(duì)于一些新興的利用機(jī)器學(xué)習(xí)的交易策略，還需要了解一些數(shù)據(jù)挖掘的知識(shí)。但既然是入門(mén)，這部分自然不是必要的。

另外，計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用尤其廣泛。進(jìn)行策略研究時(shí)經(jīng)常要面對(duì)大量的時(shí)間序列、面板數(shù)據(jù)。雖然在實(shí)踐過(guò)程中更加注重策略結(jié)果，只要能賺錢(qián)的策略就是好策略，但在嚴(yán)謹(jǐn)?shù)挠?jì)量理論的支持下，回歸結(jié)果更準(zhǔn)確，能更好的刻畫(huà)數(shù)據(jù)背后的關(guān)系，故往往更容易得到與預(yù)期相近的結(jié)果。其中，時(shí)間序列回歸與截面、面板回歸的邏輯與假設(shè)均有較大區(qū)別，且廣泛用于刻畫(huà)及預(yù)測(cè)金融資產(chǎn)的收益，波動(dòng)。計(jì)量經(jīng)濟(jì)學(xué)的書(shū)籍推薦伍德里奇的《計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論：現(xiàn)代觀點(diǎn)》；時(shí)間序列推薦布魯克斯的《金融計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論》。

2.編程能力

由于量化策略要處理大規(guī)模的數(shù)據(jù)，并采用復(fù)雜的數(shù)學(xué)算法，故需要利用程序來(lái)完成這一過(guò)程。大部分面向?qū)ο蟮木幊陶Z(yǔ)言，如Python，Java，R等都可以勝任這一工作。我在這里推薦Python，在業(yè)界比較主流，其特點(diǎn)主要是包括大量第三方開(kāi)發(fā)的包，如處理數(shù)據(jù)的Numpy，Pandas，和金融包Talib，和各個(gè)平臺(tái)及其他語(yǔ)言兼容性良好。其中Pandas是美國(guó)知名對(duì)沖基金AQR開(kāi)發(fā)的數(shù)據(jù)處理包，非常適合用于金融數(shù)據(jù)。

Python的學(xué)習(xí)可以通過(guò)《利用Python進(jìn)行數(shù)據(jù)分析》等書(shū)籍進(jìn)行學(xué)習(xí)，也可以通過(guò)一些網(wǎng)上教程快速入門(mén)。在實(shí)際應(yīng)用的過(guò)程中，應(yīng)該多參考各個(gè)工具包的API文檔。 回測(cè)程序主要包括導(dǎo)入數(shù)據(jù)及初始化賬戶，每個(gè)交易時(shí)間點(diǎn)擇時(shí)條件、調(diào)倉(cāng)邏輯，及回測(cè)結(jié)果計(jì)算，繪制凈值曲線等等。京東量化平臺(tái)封裝的回測(cè)環(huán)境簡(jiǎn)化了這一過(guò)程，能夠方便的對(duì)策略進(jìn)行測(cè)試。

3.金融基礎(chǔ)知識(shí) 量化交易，根本上是金融市場(chǎng)中的行為。雖然該崗位對(duì)數(shù)學(xué)、編程知識(shí)有要求，但脫離了其金融本質(zhì)，就無(wú)法設(shè)計(jì)出優(yōu)秀的策略。量化投資者需要了解各種金融資產(chǎn)的性質(zhì)，以及影響其價(jià)格的因素。對(duì)于股票而言，公司的基本面及財(cái)務(wù)情況，其所處行業(yè)的形勢(shì)能夠從某種程度上反映在其股票價(jià)格中，因此投資者應(yīng)對(duì)此有基本了解。這部分可以參考博迪，凱恩，馬庫(kù)斯的《投資學(xué)》，以及財(cái)務(wù)會(huì)計(jì)，報(bào)表相關(guān)書(shū)籍。此外，中國(guó)市場(chǎng)受到人為操控的因素影響較為顯著，在實(shí)盤(pán)操作中，量化投資者在依賴量化策略進(jìn)行投資決策的同時(shí)，一般也會(huì)加入一些主觀判斷，以更及時(shí)捕捉市場(chǎng)走勢(shì)，獲得更高的收益。因此，宏觀經(jīng)濟(jì)，政策形勢(shì)對(duì)金融市場(chǎng)的影響，也是投資者不能忽視的問(wèn)題。每天看看華爾街見(jiàn)聞，長(zhǎng)久以來(lái)可以培養(yǎng)金融直覺(jué)。

4.策略研究能力 即是將以上內(nèi)容綜合運(yùn)用，將投資思想程序化，開(kāi)發(fā)成為有投資價(jià)值的策略的能力。起步時(shí)，應(yīng)多參照已有的較為成熟的策略，進(jìn)行完善復(fù)制。策略本身的邏輯可能三言兩語(yǔ)就能概括，但在實(shí)際執(zhí)行的過(guò)程中的細(xì)節(jié)不可忽略。眾所周知，在回測(cè)中表現(xiàn)突出的策略在實(shí)盤(pán)中不一定有效，但在回測(cè)中效果都不好的策略，難以在實(shí)盤(pán)重有良好的表現(xiàn)。過(guò)度擬合，幸存者偏差和使用未來(lái)函數(shù)都是新手經(jīng)常會(huì)出現(xiàn)的錯(cuò)誤，避免這些錯(cuò)誤，才能讓回測(cè)結(jié)果更好的接近真實(shí)情況。

同時(shí)，在得到回測(cè)結(jié)果后，如何對(duì)收益進(jìn)行歸因分析，研究持倉(cāng)股票，風(fēng)險(xiǎn)暴露，并對(duì)參數(shù)進(jìn)行優(yōu)化，也是量化投資者需要解決的問(wèn)題。 一些經(jīng)典的投資策略包括多因子策略（Fama-French三因子模型），技術(shù)指標(biāo)擇時(shí)（MACD，布林帶等），動(dòng)量反轉(zhuǎn)策略，事件驅(qū)動(dòng)策略，統(tǒng)計(jì)套利策略等。其中很多策略源于外國(guó)學(xué)術(shù)論文，高質(zhì)量學(xué)術(shù)期刊包括Journal of Finance，Journal of Financial Economics等等。同時(shí)有一些系統(tǒng)的教學(xué)書(shū)籍，包括Barra Handbook（多因子圣經(jīng)），Quantitative Equity Portfolio Management（主要講解投資組合管理），Quantitative Trading Strategies（主要講如何構(gòu)造量化策略）。

5.在實(shí)踐中學(xué)習(xí) 策略回測(cè)終究是回測(cè)。基于過(guò)去行情設(shè)計(jì)的策略，一定能在過(guò)去的時(shí)間區(qū)間內(nèi)有良好的表現(xiàn)。但同樣的歷史不一定會(huì)重演，隨著市場(chǎng)趨勢(shì)和微觀結(jié)構(gòu)的改變，策略在未來(lái)的時(shí)間可能不會(huì)按照預(yù)期的方向發(fā)展。實(shí)盤(pán)中還存在報(bào)表信息公布延遲，交易摩擦，下單對(duì)市場(chǎng)價(jià)格影響等問(wèn)題。故一個(gè)交易策略，在經(jīng)過(guò)嚴(yán)謹(jǐn)全面的回測(cè)檢驗(yàn)后，要在實(shí)盤(pán)上檢驗(yàn)其真正效果。

在接觸量化交易初期，了解數(shù)學(xué)編程，模型搭建中的細(xì)節(jié)處理都是繞不開(kāi)的問(wèn)題。而如今各種技術(shù)手段都較為成熟，可供大家使用，一個(gè)成功的投資者與眾不同的地方一定在于其設(shè)計(jì)策略的思想，和對(duì)市場(chǎng)的把握。設(shè)計(jì)交易策略應(yīng)以背后的金融直覺(jué)為基礎(chǔ)，是我一直堅(jiān)信的理念。希望各位投資者能夠在量化投資領(lǐng)域中找到自己獨(dú)特的視角，成為下一個(gè)西蒙斯！

二、量化的學(xué)習(xí)

1、 軟件推薦：python 常用的量化軟件有python、matlab、java、C++。從開(kāi)發(fā)難度而言python和matlab都比較容易，java和C++麻煩一些。從運(yùn)行速度而言，C++、java要快于matlab和python。不過(guò)對(duì)于大部分人而言，尤其是初學(xué)者，開(kāi)發(fā)占用的時(shí)間遠(yuǎn)大于運(yùn)行時(shí)間。如果追求運(yùn)行速度的話，先將策略開(kāi)發(fā)出來(lái)，再用C重寫(xiě)也不遲。另外，從量化資源而言，python資源多于matlab，而且matlab是商業(yè)軟件，python是免費(fèi)的。因此我推薦大家用python。 使用python的話，最好下載一個(gè)anaconda。這個(gè)軟件將常用的庫(kù)都集成好了，免去自己安裝的煩惱。

2、 數(shù)據(jù)源推薦：tushare Tushare支持的數(shù)據(jù)很全面，相比wind個(gè)人版量化接口，tushare更友好。因此推薦tushare。

3、 量化框架：推薦使用量化平臺(tái) 量化平臺(tái)可以看成是一個(gè)已經(jīng)搭建好的框架。用戶只需添加一些自己的買(mǎi)賣(mài)條件，即可回測(cè)策略，免去了自己從無(wú)到有搭建基礎(chǔ)框架的過(guò)程。另外根據(jù)策略類(lèi)型的不同，也會(huì)用到一些其他工具。

1、 數(shù)據(jù)庫(kù)推薦：sqlite 如果所做的策略需要存儲(chǔ)很多數(shù)據(jù)，那么就需要一個(gè)數(shù)據(jù)庫(kù)軟件，配合使用。Python自帶sqlite3庫(kù)，可以在python中方便的操作sqlite數(shù)據(jù)庫(kù)。

2、 機(jī)器學(xué)習(xí)推薦:scikit-learn Scikit-learn封裝了很多常用的算法，直接用就可以了，避免了自己寫(xiě)算法。

3、 網(wǎng)絡(luò)信息采集推薦：Beautifulsoup等 關(guān)于這方面可以參考“Python網(wǎng)絡(luò)數(shù)據(jù)采集”這本書(shū)，

三、如何用python建立策略 手把手教你使用量化平臺(tái)完成簡(jiǎn)單的策略回測(cè)-Python篇 今天來(lái)教大家使用量化平臺(tái)中Python的部分，完成一個(gè)簡(jiǎn)單的策略回測(cè)。 首先，回測(cè)界面是長(zhǎng)這個(gè)樣子的 可以看到，左半邊的大部分區(qū)域是編輯代碼的地方，開(kāi)發(fā)環(huán)境會(huì)自動(dòng)識(shí)別Python語(yǔ)言的關(guān)鍵詞。在代碼區(qū)上面的設(shè)置標(biāo)志里面可以個(gè)性化調(diào)節(jié)開(kāi)發(fā)環(huán)境的視覺(jué)效果。

Python的回測(cè)代碼主要包括init()函數(shù)，handle_data()函數(shù)，以及其他用戶自定義內(nèi)容。如果在每天開(kāi)盤(pán)前要進(jìn)行額外的處理或計(jì)算，可選擇添加before_trade()函數(shù)。 def init(context): # 這里用來(lái)寫(xiě)策略開(kāi)始時(shí)要做什么 def before_trade(context): # 非強(qiáng)制，在這里寫(xiě)每天開(kāi)盤(pán)之前要做什么，不可下單 def handle_data(context, data_dict): # 這里用來(lái)寫(xiě)每天開(kāi)盤(pán)后要做什么，可以是計(jì)算，輸出日志，或者下單 其中，init()是初始化函數(shù)，可以設(shè)置基準(zhǔn)，滑點(diǎn)，傭金等回測(cè)參數(shù)，也可以利用context自定義變量。

在Python及大部分其他編程語(yǔ)言中，在局部變量只在該變量定義的函數(shù)體有效，在其他函數(shù)體內(nèi)是無(wú)效的。而context被定義為一個(gè)局部變量，可以把內(nèi)容在不同函數(shù)代碼之間傳導(dǎo)。該函數(shù)在回測(cè)開(kāi)始時(shí)運(yùn)行一次。 handle_data()是每個(gè)交易時(shí)間點(diǎn)（分鐘/日）時(shí)自動(dòng)運(yùn)行一次的函數(shù)，可以在此函數(shù)內(nèi)設(shè)置交易判斷和下單，是策略核心邏輯所在。 用戶可以按照Python語(yǔ)言規(guī)則定義其他函數(shù)，包括運(yùn)算/數(shù)據(jù)處理函數(shù)，也可以通過(guò)task()函數(shù)設(shè)置自定義函數(shù)的執(zhí)行頻率和執(zhí)行時(shí)間。