股票量化投资结论
❶ 什么是量化投资
量化投资就是借助现代统计学、数学的方法，从海量历史数据中寻找能够带来超额收益的多种“大概率”策略，并纪律严明地按照这些策略所构建的数量化模型来指导投资，力求取得稳定的、可持续的、高于平均的超额回报。量化投资属主动投资范畴，本质是定性投资的数量化实践，理论基础均为市场的非有效性或弱有效性。
量化投资特点：
第一，投资视角更广。借助计算机高效、准确地处理海量信息，在全市场寻找更广泛的投资机会。
第二，投资纪律性更强。严格执行数量化投资模型所给出的投资建议，克服人性的弱点。
第三，对历史数据依赖性强。
❷ 什么是股票量化交易
什么是量化投资？
简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去践行投资理念、实现投资策略的过程。
传统的投资方法主要有基本面分析法和技术分析法两种，与它们不同的是，量化投资主要依靠数据和模型来寻找投资标的和投资策略。
主要有哪些量化投资策略呢？
第一，也是最重要的一类策略：量化选股
量化选股就是采用数量的方法判断某家公司是否值得买入的行为。根据某种方法，如果该公司满足了该方法的条件，则放入股票池；如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类。
公司估值法通过比较公司估值法得出的公司理论股票价格与市场价格的差异，判断股票的市场价格是否被高估或者低估，从而寻找出价值被低估或被高估的股票。这种就是基本面量化。
趋势法就是根据市场表现，如强势、弱势、盘整等不同的形态，做出对应的投资行为的方法。可以追随趋势，也可以进行反转操作等。这种就是技术面量化。
资金法的本质思想是追随市场主力资金的方向，如果资金流入，则应该伴随着价格上涨；如果资金流出，则应该伴随着价格下跌。资金法本质上是一种跟风策略，追随主流热点，从而期望在短时间内获得超额收益。这种是交易行为量化。
通过量化方法选出来的股票，通过不断的轮换，就可以获得超额收益。
第二类策略是：量化择时
传统的有效市场假认为金融市场是不可预测的，价格充分反映了所有相关的信息，价格变化服从随机游走，对金融产品价格的预测将毫无意义。
但是随着计算机技术、混沌、分形理论的发展，众多研究发现，股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因而存在可预测成分。例如利用一种叫 Hurst 指数的工具，可以在较大的时间刻度上判断出大盘的高点和低点。
根据量化择时的策略判断，可以进行大盘的高抛低吸，例如熊市底部抄底，牛市顶部抛顶。
第三类策略是：对冲套利
对冲套利就是利用两个相关性比较高的品种，同时进行做多和做空的操作的一种交易策略，当两个品种的价差偏差超过了合理区间，存在较大的概率回归，这是对冲套利策略的理论逻辑。
举个例子，工商银行和建设银行的股价往往同涨通跌，因此如果当工商银行涨的时候，可以卖出工商银行，买入建设银行。当两者价差回复正常的时候，卖出建设银行，再买入工商银行。这样来回的操作，可以获得一个超越牛熊的收益。
目前国内资本市场可以进行的对冲套利策略包括：期现套利、跨期套利、跨品种套利、跨市场套利、ETF 套利、分级基金套利等。
例如 2018 年 10 月，因为在 2015 年在股灾中，大量进行 ETF 交易的几个私募基金，给证监会重罚，其中东海恒信给罚款 2 亿多，他们就是利用 EFT 套利的策略，在 2013 到 2015 年期间，盈利超过 10 亿。
有了对冲套利策略，无论是熊市还是牛市，都可以获得比较稳健的收益。
第四类策略是：期权套利
期权套利交易是指同时买进卖出同一相关期货，但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易。
期权套利的交易策略和方式多种多样，有多种相关期权交易的组合。特别是期权的高杠杆特征，使得在 2018 年的熊市中，有不少优秀的交易员依然可以获得超过 50% 的收益率。
第五类策略是：资产配置
学术界有一个公认的结论，投资中真正赚钱的关键是资产配置，而不是具体的交易。通过对主要的大基金的绩效归因可以得出结论，90% 的收益来自于正确的资产配置，也就说，选择市场比交易更加重要。
量化投资管理将传统投资组合理论与量化分析技术结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。
❸ 你知道股票技术选股和量化投资的区别吗
1. 使用人群: 技术分析散户（多）, 量化投资机构用户为主（少）。
2. 选股指标: 技术分析以量价指标为主。量化投资除了量价指标，还需要使用财务指标、公司事件等。
3. 交易模型: 技术分析没有完整的交易模型。重视股票买入条件，不重视个股仓位和卖出条件。量化投资有完整的交易模型。模型对股票的买入条件、卖出条件、个股仓位、调仓时点和风险控制都有明确的规定。
4. 策略验证: 技术分析使用基于经验和书本总结出来的规则。没有在历史数据里测试过有效性。量化投资选股策略基于个人研究， 在历史数据里测试其有效性。可以根据回测结果对策略进行调优。 重视风险收益量化指标。
5. 分析方法: 技术分析有很多主观成分，不同人对同一图表有不同结论。 “大师”辈出。量化投资依赖客观数据统计。
6. 收益来源:技术分析着重于单个股的波段操作。量化投资是多股票之间的轮动。重视多种投资标的之间的配置和轮动。讲究风险对冲。
7. 分析工具:技术分析使用同花顺、大智慧金融终端。 量化投资你要使用量加，进行科学的选股。
什么是量化投资呢?其实，就如同中医和西医的区别，中医靠经验，讲究“望、闻、问、切、听”，西医靠指标，通过一系列的检查数据综合判断病情。量化投资无非就是用指标和公式驱动投资和交易。
❹ 什么是量化交易，未来前景如何知道的讲讲。
国外量化交易已经发展了40年左右，量化交易程序换交易占比60%，量化基金规模达到30个亿美元，而国内量化交易起步较晚第一只量化基金在2004年左右，至今量化交易规模不过2万亿RMB，国内现在的量化人才也很缺失，随着过来一批量化交易的海龟回来从事量化交易会一定程度带动行业的发展，但是仍需一定时间，加上国内量化交易政策还不够明朗，整体来说量化交易在国内还是一年蓝海，但是路途并非坦途。
❺ 什么是α，β收益，量化投资的策略创建与分析
α收益：一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。
例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。
解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。
β收益：基本面本身上涨是β收益。
例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的
量化策略创建三个步骤：
策略的理论基础
历史回测
找到策略黑天鹅。
（一）策略的理论基础：（大致分为三类）：
基本面理论
按基本面又可以分为：1.价值型；2.成长型；3.品质型；按中国特色A股基本面又可以添加；4.小市值型；5.股价型
技术面理论
按技术面又可以分为：1.趋势型，2.趋势反转型，3.缩量反弹，4.指数轮动，5.择时
风险套利
风险套利（或者称轮动）：不断买入更便宜的，卖出更贵的。
注意：
有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）
有些量化跳过了理论基础，直接根据历史统计进行量化（本文不讨论），例如，统计两会前后涨跌，一季度历史表现最好板块
对策略理论的解释：
基本面策略可以定义什么是低估，比如低PE是低估，低市值是低估，低股价是低估，高ROE是低估，高成长是低估；也可以自定义低估，PB*PE是低估，总市值*流通市值小是低估
基本面理论提供了一揽子同质化并且有波动的股票。有些基本面策略的股票间波动较小，例如最低PE股，一段时期内总是那么几个银行股；有些波动较大，比如小市值型
技术面理论有些很难定义什么是低估，比如趋势型；有些则看似可以定义低估，例如，BIAS最小，20日跌幅最大，其实也不是
能自定义低估的策略是风险套利，不能自定义低估的策略是统计
基本面本身能上涨，就获得了β收益
我得出的结论是：风险套利策略的核心是对自定义低估的轮动，即不断获得α收益！！
如何获得α收益：大部分基本面策略的收益是因为风险套利获得的；也就是不断买入更低估的，卖出更贵的；也就是因为调仓周期内因不同股票的波动而产生收益，因此适当缩短周期有利于提高收益；所以在一年内交易次数越多，alpha收益越大（投资大师说的减少交易次数，并不适用于套利）
理论本身获得的β收益并不多，甚至为负（价值型由于近几年市场估值不断降低，不调仓的话，收益是负的）
我们应当寻找的是：基本面理论本身能上涨，且能提供同质化，波动较大的策略（即获得α，又获得β）
统计策略其内在逻辑说服力小，是过去的概率来预测未来
（二）历史回测：回测中最重要一点是：不要欺骗自己
历史回测中要用到一个哲学思想，叫做奥卡姆剃刀:较简单的理论比复杂的理论更好，因为它们更加可检验
改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。
不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象
不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。
先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。
改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。
尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。
同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的
（三）找到黑天鹅：每个策略都有黑天鹅
价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开
小市值，低价，低交易额策略，黑天鹅是出现仙股
统计类，技术类策略，黑天鹅是理论本身就不完美
❻ 什么是量化投资
量化投资指的是一种投资方法，它是指通过数量化方式或计算机程序化发出买卖指令，以得到稳定收益为目标的交易方式。量化投资是一种定性思想的量化应用，它对大量的指标数据进行分析，得出一些有说服力的数据结论，然后通过计算机技术进行数学建模，并进行量化分析，从而得出一个比较契合实际的投资策略。
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。
❼ 为什么要进行量化投资选股
量化策略来自于历史经验，它通过对数据精确的计算来发现并利用投资市场历史上所展现出来的规律性，并假设这种规律在未来继续有效。
我们为什么要进行量化投资?它有什么相对优势?
1、从对历史的认识来看，基本面分析看似全面却并不见得准确。人的大脑已开发的功能有限，难以正确处理纷繁复杂的海量信息。某些信息被主观放大，另外一些信息则会被忽略，这很容易导致人们的认知出现偏差甚至是错误，这将对未来的投资产生误导。而计算机对于输入的全部信息都会平等地加以考察.对 每个因素所发挥的历史作用都能进行精确的测量，也就是说，它在有限的信息范围内能做到准确全面的处理。当然，准确全面的程度有赖于使用计算机的人的能力， 但从方法论的角度来说，它无疑是最精确的。
2、从投资决策方面来说，基本面派难以做到足够的客观，主观感性的影响无处不在。即使经历相似的投资者在面对同样的信息时也会得出不同的判断， 同一个人在不同环境中也可能作出完全迥异的操作，显然人为主观因素(包括喜好、心情、性格等)都产生了非常重要的影响。当然这并不是要否定主观感性，而是想说明人为主观很可能会使得投资者放弃理性的思考，扭曲对客观事实的理解。而冷冰冰的计算机程序足以克服人性的弱点，它能够非常忠实地执行模型开发者所完成的理性的研究成果，而不受其他因素的干扰。同样的信息输入，它得出的结论是唯一的、明确的，并且足够客观、足够理性。
3、量化投资可以大大减轻人脑的负荷，帮助人们进行更高效的投资。计算机程序可以同时处理大量的信息。例如数量选股模型可以在输入千万个数据后 快速批量地输出股票组合，而人脑如果要选出同样的组合恐怕需要好几个月的辛勤劳作，却并不见得能取得更好的成绩。另外计算机还能不知疲倦地工作，这会显著提高投资者把握机会的几率。
因此，开展量化方面的投资和研究是非常有必要的，它将对传统投资起到非常好的补充和提升作用。我们不可因为长期资本管理公司的破产就产生恐俱心理，而致因噎废食。量化模型是很优秀的投资工具，结果好坏的关健在于开发者和使用者如何运用，而不应归咎于量化手段本身。参考云掌财经！
❽ 你投资了600美元于证券A，贝塔值为1.2;投资400美元于证券B，贝塔值为－0.20
600/（600+400）=0.6
400/（600+400）=0.4
0.6*1.2+0.4*（-0.2）=0.64
拓展资料：
贝塔值用来量化个别投资工具相对整个市场的波动，将个别风险引起的价格变化和整个市场波动分离开来。通过简单举例和论述，可以得出这样结论，证券的贝塔值越高，潜在风险越大，投资收益也越高；相反，证券的贝塔值越低，风险程度越小，投资收益也越低。
为了便于理解，试举例说明。假设上证指数代表整个市场，贝塔值被确定为1。当上证指数向上涨10%时，某股票价格也上涨10%，两者之间涨幅一致，风险也一致，量化该股票个别风险的指标——贝塔值也为1。如果这个股票波动幅度为上证指数的两倍，其贝塔值便为2，当上证指数上升10%时，该股价格应会上涨20%。若该股票贝塔值为0.5，其波动幅度仅为上证指数的1/2，当上证指数上升10%时，该股票只涨5%。同样道理，当上证指数下跌10%时，贝塔值为2的股票应该下跌20%，而贝塔值为0.5的股票只下跌5%。于是，专业投资顾问用贝塔值描述股票风险，称风险高的股票为高贝塔值股票；风险低的股票为低贝塔值股票。
其他证券的个别风险同样可与对应市场坐标进行比较。比如短期政府债券被视为市场短期利率风向标，可用来量化公司债券风险。当短期国债利率为3%时，某公司债券利率也为3%，两者贝塔值均为1。由于公司不具备政府的权威和信用，所以贝塔值为1的公司债券很难发出去，为了发行成功，必须提高利率。若公司债券利率提高至4.5%，是短期国债利率的1.5倍，此债券贝塔值则为1.5，表示风险程度比国债高出50%。