量化投资回测框架股票

⑴ 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。

⑵ 股票回测是什么意思

问题一：股票回测是什么意思 看到有网友回复说：指股票上涨一定幅度之后回落一定幅度，这个不是回测，而是回撤。回测指的是一个投资策略，在过去几年的历史收益表现，常用到年化收益、夏普比率、最大回撤、阿尔法、贝塔值来评估回测结果的好坏，回测结果越好，那么未来这个策略相对来说，赚钱的概率更高。像果仁网，就可以实现从选股到历史数据回测。

问题二：收益回测是什么意思，股票里的？ 比如你赚了100% 市直下跌20%就是回撤20%

问题三：外汇里的回测是什么意思 是回调、回撤的意思，意指向上突破一个平台、阻力或者均线之后再行向下的走势，使平台、阻力或者均线形成支撑，若支撑有效，则突破成功，无效则该突破形成诱多。
反弹则是向下突破再向上的走势。

问题四：股票回测工具APP谁用过？究竟怎么样？ 回头我也去试一试这个软件。

问题五：股票回测工具APP谁用过？究竟怎么样？ 说不定很受欢迎。

问题六：什么软件可以实现股票历史测试功能 研究交易策略的话：Wealth-Lab Developer，MultiCharts，Amibroker必须拿下一块，这三款是最老牌的系统化交易，测试平台。因为历史沉淀（它们是目前世面上所有系统化平台资源最丰富的），它们的网站或网络上有众多的公开的交易策略，这些都是极好的学习，研发自己系统的素材。
相对来讲：Wealth-Lab Developer是当今世面上历史回溯测试之王。多系统，参数多样化，基于投资组合级的头寸规模调整测试，可定制自己的头寸规模调整法则。它是长线系统化交易者必备工具。
MultiCharts号称更高版本的TradeStation，MultiCharts更开放速度也更快，支持IB自动化交易，支持遗传算法最佳化，支持Walk-forward 最佳化，包含国际上流行的数据供应商插件，MultiCharts的一个最关键特征是兼容著名的系统化行业标准的TradeStation? EasyLanguage?。现有的EasyLanguage库能够在MultiCharts下使用，因为MultiCharts包含的PowerLanguage语言几乎100%的兼容 TradeStation的EasyLanguage语言。
它是全自动交易者必备工具，如果你想用IB全自动交易全球市场的话。
Amibroker 价廉物美，资源丰富，同样支持IB自动化交易，支持Walk-forward 最佳化，包含国际上流行的数据供应商插件。并且支持基于投资组合级的头寸规模调整测试，可定制自己的头寸规模调整法则。和MultiCharts比它的语言为C系，不那么平易近人，而MultiCharts的语言接近自然语言-英语。
TB ：国内的TB几乎可实现所有MultiCharts能写出的交易系统，而且它和MultiCharts和TS语言和函数及运行机制是相近的，是国内日内全自动首选（TB目前最大缺点是不稳定和速度慢），不过要记住长线是大道，长线WLD是首选，我个人目前就是这样的组合。
谢谢请采纳

问题七：怎么做选股策略的历史回测 自己设计交易系统，然后选择自己的交易系统进行测试，根据历史数据可以回归测试得出你的交易系统是赢是亏的结果。

问题八：股票回测工具APP一般在哪下载呢？ 手机上就能做回测的软件不多的，钱钱这方便还挺全面的

⑶ python量化哪个平台可以回测模拟实盘还不要钱

Python量化投资框架：回测+模拟+实盘
Python量化投资 模拟交易 平台 1. 股票量化投资框架体系 1.1 回测 实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline ：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade ： 事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest ：以处理向量数据的方式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2 模拟 模拟交易，同样是实盘交易前的重要一步。以防止类似于当前某券商的事件，半小时之内亏损上亿，对整个股市都产生了恶劣影响。模拟交易，重点考虑的是程序的交易逻辑是否可靠无误，数据传输的各种情况是否都考虑到。 当下，个人看到的，喜欢用的开源平台是雪球模拟交易，其次是wind提供的模拟交易接口。像优矿、米筐和聚宽提供的，由于只能在线上平台测试，不甚自由，并无太多感觉。 雪球模拟交易：在后续实盘交易模块，再进行重点介绍，主要应用的是一个开源的easytrader系列。 Wind模拟交易：若没有机构版的话，可以考虑应用学生免费版。具体模拟交易接口可参看如下链接：http://www.dajiangzhang.com/document 3 实盘 实盘，无疑是我们的终极目标。股票程序化交易，已经被限制。但对于万能的我们而言，总有解决的办法。当下最多的是破解券商网页版的交易接口，或者说应用爬虫爬去操作。对我而言，比较倾向于食灯鬼的easytrader系列的开源平台。对于机构用户而言，由于资金量较大，出于安全性和可靠性的考虑，并不建议应用。 easytrader系列当前主要有三个组成部分： easytrader：提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 easyquotation : 实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情 easyhistory : 用于获取维护股票的历史数据 easyquant : 股票量化框架，支持行情获取以及交易 2. 期货量化投资框架体系 一直待在私募或者券商，做的是股票相关的内容，对期货这块不甚熟悉。就根据自己所了解的，简单总结一下。 2.1 回测 回测，貌似并没有非常流行的开源框架。可能的原因有二：期货相对股票而言，门槛较高，更多是机构交易，开源较少； 去年至今对期货监管控制比较严，至今未放开，只能做些CTA的策略，另许多人兴致泱泱吧。 就个人理解而言，可能wind的是一个相对合适的选择。 2.2 模拟 + 实盘 vn.py是国内最为流行的一个开源平台。起源于国内私募的自主交易系统，2015年初启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区不断的贡献，目前已经一步步成长为一套全面的交易程序开发框架。如官网所说，该框架侧重的是交易模块，回测模块并未支持。 能力有限，如果对相关框架感兴趣的话，就详看相关的链接吧。个人期望的是以RQAlpha为主搭建回测框架，以雪球或wind为主搭建模拟框架，用easy系列进行交易。

⑷ 在股市投资中，什么能称得上是量化投资

量化交易是利用数学、统计、计算机的模型和方法来指导在金融市场的交易，可以自动下单业可以半自动下单，这个不是核心，核心在于是不是系统化交易（systematic trading）。

比如主观交易会看K线交易，量化交易业会，但区别在于量化交易可以在历史数据上回测各种交易规则，找到表现好的，然后才用来交易。这或许会有过度拟合的风险，但也有一些方法克服。

本人认为"量化交易系统、指标体系交易系统"均为"技术分析系统"的子集，"量化交易系统"与“指标体系系统"等价，即技术分析的概念更广，因波浪理论属于技术分析，但难说它属于量化交易，因有些事情的"量化"有很高难度，量化交易强调必须精准量化，必须能用指标体系表示，必须能精确的历史数据回测。

⑸ 为什么量化投资策略回测收益那么高，那不是没人亏钱了

回测数据不等于未来行情，未来的行情是不可预测的，回测数据考虑的是复利收益，现实中能有几人能把资金一直放在里面的

⑹ 如何量化炒股

用Excel表格完成就可以，数据在股票软件里可以下载日数据和分钟数据，剩下的就是看你如何分析了，就是开盘价，最高价，最低价和收盘价，还有成交量和成交手数，还有流通盘和股票总股本，这些数据如何进行相加，如何计算出你自己的买入点和卖出点，就看你自己的经验了。每个人不一样。你的想法很对，以后不量化就是赔钱，不过，量化需要你有数学的头脑，和编程的天赋，否则，你也很难研究出来。如果这条路不通，就是你要具备当老板的能力，看市场准，抓行业准。如果二者都没有，就退出股票吧，做其他行业去。

⑺ 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。

⑻ 如何量化炒股

我认为这应该要自己琢磨出来才有用吧，既然炒股了，就要认真的对待，研究出自己的量化路来。

• 自己组合

说实话，对于选股因子和择时因子都不太懂，第一次设计策略回撤率比收益率还高，后来不断优化，选择了5个选股因子和2个择时因子作为自己的策略组合。

• 总结

我认为这就是慢慢自己去摸索的一个巧门吧。