股票量化可以做什么，量化炒股是什么东西啊可靠吗

1，量化炒股是什么东西啊可靠吗

量化不是用来给散户炒股量化是基金的投资工具

也就是稳定，而且本身还得看策略如何。说说是阿尔法结果策略都是盘手瞎弄的照样亏成狗

量化炒股是什么东西啊可靠吗

2，在券商里面做量化主要是干什么待遇和发展空间如何能看多少

量化就是把市场中所有的东西全部模型化，风险、收益全部都数学化，很有前途！人做交易逐渐会成为过去式，交易者利用模型进行交易是大趋势！数学要求很高！

同问。。。

在券商里面做量化主要是干什么待遇和发展空间如何能看多少

3，量化选股策略是什么多因子模型是什么

量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。　　多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。

dif:=ema(close,12)-ema(close,26);dea:=ema(dif,9);macd:=(dif-dea)*2;忽略以上公式。因子是多样化的，如 pb、pe、eps 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等等。总之因子可以多样化，也可以用几个做一个简单的，但必须是对股价有效影响的。

量化选股策略是什么多因子模型是什么

4，什么是量化交易未来前景如何

量化交易，是现在交易者必须会的基本功，没有量化分析，在这么快速的信息时代大量的数据人工是无法完成分析的。

您好，量化交易就是系统化操作，需要策略以及算法的支持。个人认为前景还是很不错吧，个人单独做量化的话难度较大，可以借助天字一号这种平台进行系统化操作

量化交易是当今交易者必须会的交易工具，散户也好机构也罢，这个和战场上的武器一样没区别，人家都无人机了，你这还肉搏那，那失败只是时间问题了。人家屏幕上显示这，最新大数据

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，然后严格执行已固化的策略来指导投资。避免人的主观因素，在市场极度狂热或悲观的情况下作出非理性的投资决策。量化交易可以获得持续的、稳定且高于平均收益的超额回报。相对于传统交易方式，量化交易有着以下优点　　1)系统性：通过多层次的量化模型多角度的去观察及海量数据的观察，捕捉许多的投资机会。2)纪律性：严格执行数量化投资模型所给出的投资建议，可以克服人性最大的弱点。3)准确性：准确客观的评价交易机会，克服主观情绪的偏差，通过全面、系统性扫描捕捉错误定价和错误估值带来的机会。如今量化交易越来越多的应用在股票基金等投资上，还衍生了像京东量化平台、优矿这样的专门为量化开发者服务的平台，应该会成为今后投资的大趋势。

量化就是就是具体化，使用模型来进行程序化交易。打个通俗的比方：一般的人炒股或者期货就像看病中医一样，通过望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些，很大程度上通过依靠经验和感觉判断来进行操作；量化交易就像西医，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药，定量交易更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像ct机对于医生的作用。模型对整个市场进行检查和扫描，满足你所编写的程序模型，就会进行处理（下单之类，都是可以自己设置的，看你的模型怎么编写）。程序化交易越来越被人熟知，使用的人也越来越多，总体来市场会越来越扩大化。具体的程序化交易程序软件：文化、tb、金字塔等，总的来说金字塔使用起来简单上手，编写的语言不难，而且功能比前两者多。

5，量化股票发起式基金是什么意思

具体而言，数量化基金主要依赖计算机的数量化分析方法进行股票筛选，不需要依靠主观判断及个人意见对每只股票进行单独、深入的分析。面对纷繁复杂的股市，量化基金系统化的组合构建能够极大减轻个人情绪对组合的影响，克服人性的弱点及认知偏差，避免在市场极度狂热或悲观的情况下做出非理性的投资决策，使选股过程更趋理性。

1. a股市场的发展程度决定了当前市场上不可能存在完全量化的基金产品。量化从一开始也不是作为定性的对立面而提出的方法，它是将定性分析中的技术分析策略用模型固化，替代过程中可以用电脑进行的部分并将其效用极大优化。应该架设怎样的平台、构建怎样的模型、输入怎样的因子，都是建立在定性分析上的总结。而为了预防小概率事件的发生，还应该为模型配备精良的开发团队，包括定性和定量分析专家，来跟踪观测模型的合理度、与市场趋势的匹配度以及实际投资表现。 2. 值得提出的是，大众投资者在接触量化投资基金时有所顾虑，一方面，是在a股市场欠成熟的环境下大众对新兴投资方法和模型可靠性的犹豫。另一方面，当前国内市场有效量化模型有限，为防复制，机构对其投资策略和构建理论依据往往遮遮掩掩不能透明化，这就增加了投资人对量化模型的担忧。 3. 股票量化特点： 1）系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，定量投资的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量投资的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。 2）套利思想定量投资正是在找估值洼地，通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会。定性投资经理大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资经理不同，定量基金经理大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。 3）概率取胜这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是依靠一组股票取胜，而不是一个或几个股票取胜。

6，量化交易的应用

量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。1、统计套利。统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较长采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。2、算法交易。算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

7，量化交易主要有哪些经典的策略

其实要说种类其实很简单，完全可以按照炒股的类型来对策略模型分类，从这个角度来说，认为可以分成技术分析型、价值分析型、机器学习与人工智能。当然了，还有一大类是多因子模型，但是多因子从广义来说其实概念很广泛，任何的技术指标和财务因子都可以作为多因子模型的因子。①技术分析型主要是结合各种技术指标来对动量效应或反转效应做研判交易；时变夏普率的择时策略、情绪择时-GSIS、RSRS指标择时及大小盘轮动②价值分析则偏重股票标的的基本面分析；查尔斯·布兰德斯价值投资法、迈克尔?普莱斯低估价值选股策略、阿梅特·欧卡莫斯集中投资法则③机器学习与人工智能可以算作是区别于前两类一种新兴的方式，主要利用一些统计机器学习算法和神经网络做出预测而量化；基于KMeans的指数择时策略、利用随机森林进行因子选择、基于HMM的指数择时策略供参考！

量化选股之多因子选股模型量化择时--双均线（MA）、DMA、TRIX、MACD择时量化择时--PE择时还有趋势型，网格型，剥头皮，概率法则，高频交易，神经网络，基因算法

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。　　量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。　　量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。　　量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。　　统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。　　用于量化研究的软件：我采用的是免费的大型数据库mysql，asp网络编程语言，以及可以设置成网络服务器的旗舰版win7操作系统。

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

文章TAG：股票量化可以做什么股票量化可以