大数据，量化交易，机器学习，深度学习，股票（2）先聊聊量化

背景

1. 量化交易，就是利用计算机代替人，完成对数据的统计和分析，并且贯彻人为设定的某些交易策略，进行自动化教育。
2. 机器学习，是通过某些特定的计算机方法，对历史数据进行分析学习，得出规律，然后对未来进行预测和决策的一种方法。（因此，可以说量化交易中，少不了机器学习这个分支）
3. 神经网络，是机器学习中的一种吧，通过模拟人类神经学习的原理，来赋予机器学习和分析决策的能力。
4. 深度学习，是神经网络的延伸，目前人工智能最火的一块。

一、什么是量化交易

先直接饮用一下网上的资料吧。(来源《量化交易(Quantitative Trading)》）

交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

简单点说，就是利用能够获取到的各种数据和历史数据，通过数学方法来分析这些数据，指定相应的交易策略

二、量化交易需要学点什么

1. 首先，量化是个比较宽泛的概念，涉及到的领域很多，不同的领域之间其实差异很大。有低频交易、高频交易、统计套利等等。

2. 需要的知识也是因人而异的，做策略研究和做技术实现的，知识结构也不太一样。主要有以下的知识领域吧。

   
   
   
   • 数学和统计学
   • 金融学
   • 计算机和编程
3. 如果是需要入门的书籍的话，可以先找一本量化方面入门概述的书。这里推荐几本吧。
   • 《量化炼金术：中低频量化交易策略研发》
     推荐这本书的原因是在知乎看过作者杨博理的回答和分享。比较友好的一本书。
   • 《十年十倍 散户也可以学习的量化投资方法》
     这本是雪球的书。雪球是国内最专业的投资社区之一了。我也是雪球的老用户。这本算是爆款书了。纯理论的东西不多，对新人很友好。
   • 《量化交易：如何建立自己的算法交易事业》
     前两年我在找量化的书的时候，国内的选择其实并不多。这本算是引进翻译的书里面影响力比较大的。通俗易懂，然后又比较系统全面。
4. 看完了入门书籍之后，其实就已经有个基本的了解了，可以根据上面所说的几个领域分别深入一下。
   数学和统计方面的（这个因为涉及的分支太多了，包括统计学、概率、数学分析、离散数学、运筹学、计算机数学等等。我就不全部推荐了，推荐几本比较重要或者全面一点的吧）：
   • 《行为科学统计精要》
     是的，你没看错，的确是行为学统计。但是这是本极佳的统计学入门书籍，不单讲理论，还会让你明白为什么要这么做，应该怎么做。不信的话，自己去看豆瓣评论吧。
   • 《概率论与数理统计》作者: 陈希孺
     国内评价最好的教材之一了吧，豆瓣评分9.4。不过说了是教材了，是挺闷的。另外还有个问题就是，内容稍微旧一点吧，跟目前国外的教材在侧重点方面稍微有点不一样。但是不妨碍这是一本好书。
   • 《数学建模》姜启源
     上面就说了，涉及的数学分支太多，全部都看，估计要死人的。对于大部分上过大学的人来说，一本数学建模的书，可以把学过的数学知识都串起来。让你明白学了数学有啥用。对于数学建模比赛的含金量我不多评价，也不建议去看很多那些八股文一样的建模论文，不过学一遍数学建模可以让自身的数学知识更体系化，以后可以更针对性的去深入某个分支。
     >>>>>>>>>>>>>>>>>分割线（下面的可选）>>>>>>>>>>>>>>>>>>>>>>>>>>>
   • 《普林斯顿数学指南，全三册》
     为什么推荐这本书。是因为不敢推荐其它吧。反正记住一句话，非数学专业的，见了代数、分析这两个词的，麻烦立刻掉头走，血的教训！包括且不限于以下的词语，什么数学分析、数值分析、泛函分析、代数拓扑等等。实在想装逼，看个数学大全，譬如说普林斯顿就足够一般人喝一壶了。
     对于绝大部分人来说，用到的都是应用数学的一些知识。《数学建模》里面，基本上可以把用到的知识都涉及到了，非要钻进去数学里面就是找死吧。有需要可以以后慢慢补充嘛。
   • 《深入浅出数据分析》
     我当年学编程的时候，买过几本这个系列的书。够浅白，然后还会讲一下为什么要这么做。唯一不好就是废话比较多吧，对有基础的人，不是很合适。
   • 《数据挖掘导论》
     这个主要用于挖掘数据之间的内在联系。和传统意义上的统计学不太一样。比起另外一本黑色的数据挖掘教材要新一点吧。见仁见智，我之前读书的时候看过黑色那本，感觉这个更友好一些。
   • 《运筹学导论 第10版》
     最要讲最优化的问题的。至于投资有没有最优化嘛，我道行浅薄，不发表意见。当年搞数学建模，肯定少不了最优解的。
5. 金融学方面的：
   • 《投资学（原书第10版）》
     这个不多说了，金融必读吧。
   • 《经济学原理》曼昆
     本人是工科毕业的，要补的东西好多。有基础的不看也没所谓了。
   • 《漫步华尔街》
     知乎上，杨博理推荐的。我引用一下他的说法。
     >说实话这本书对于量化投资策略的研发没有任何帮助，对我而言其作用在于：1，认识指数化投资这种最具有经济意义的投资方式；2，时刻警醒打败市场有多难。
     >>>>>>>>>>>>>>>>>分割线（下面的可选）>>>>>>>>>>>>>>>>>>>>>>>>>>>
   • 《手把手教你读财报》
     和《十年十倍》一样，雪球出版的爆款。玩股票的，少不了这个的。
   • 《海龟交易法则（珍藏版）》
     别的不多说。引用网上的一句评价吧：饱经考验！
   • 《货币金融学（第十一版）》
     这个算是夹带私货吧。一般人不会推荐这个。我只是在研究房价的时候，吃饱了没事干看了这个。不过这个的确是金融必修教材。
   • 《期权、期货及其他衍生产品（原书第9版）》
     人家说这个是华尔街圣经，哈哈哈。我还没看啊。
   • 《金融市场与金融机构基础》
     讲金融体系的。扫盲。
   • 《投资分析与组合管理》
     我目前没这个书，不敢妄言。
   • 《非理性繁荣》
     这个是讲行为金融的。比教材好看吧。直接引用一下知乎艳阳晨的评价。
     >《非理性繁荣》，虽然它不是教材书目，但是是行为金融学里很著名的一本理论结合实际的著作，而且比教材更让你有兴趣读下去。在《非理性繁荣》（第二版）中，罗伯特希勒教授在第二版中开辟了一个新的领域，他以一种更加清晰和彻底的方式向我们展示了那些可能动摇经济运行和严重影响人们生活的市场泡沫的产生和破灭。罗伯特在第一版书里成功的预测了股市的下跌，并将在第二版里阐述美国房地产市场的金融泡沫
   • 《公司理财(原书第11版)》
     关于公司财务的。玩股票的人，离不开财务。
   • 《信号与噪声》
     知乎大v推荐的。如何才能从繁杂的海量数据中筛选出真正的信号，从而做出接近真相的预测。其中还包含了风险预测方面的知识。
   • 《主动投资组合管理》创造高收益并控制风险的量化投资方法（原书第2版）
     和上面的《投资分析与组合管理》重复了，这里比较严谨的讨论了风险控制的问题。谈收益怎么可能不谈风险？
   • 《黑天鹅 如何应对不可预知的未来》
     黑天鹅这个词不用我多说了吧。关于风险的。就是翻译太烂了。
   • 《灰犀牛：如何应对大概率危机》
     评分很低的一本书。有点拖沓。不过作为黑天鹅的姊妹作，翻翻无妨。那些大部头的教材要看几个月的话，这个两三天就翻完了。
   • 《稳定不稳定的经济》
     明斯基时刻。听过这个词的话就买吧。没听过又想八卦一下的也可以翻翻。关于风险的。
6. 策略分析和IT的实现其实是两个不同的方向。前者可能只需要学个matlab和python就够了。后者的话，其实跟普通的程序猿没啥区别。当然了，机器学习和深度学习，都要看的。这是热潮和趋势。
   计算机方面的（这是我的老本行，哎）：
   • 《量化投资：以MATLAB为工具（第2版）》
     以前搞数学建模用过matlab，好多年不用了，不过matlab对数学很友好，对编程新手也很友好。
   • 《量化交易之路 用Python做股票量化分析》
     这书的内容跟量化的结合并不是很深，python为主吧。
   • 《零起点Python大数据与量化交易》
     编程界的名言：人生苦短，我用python！！！python就是编程界的瑞士军刀。这书的内容跟量化结合就挺深的，但是没多深入。不过相对于上面那本书，我个人更喜欢这本吧。
   • 《Python编程 从入门到实践》
     和《python核心编程》相比，这个对新人更友好吧。python核心编程更适合有经验的人作为参考书。
   • 《机器学习》
     大名鼎鼎的西瓜书，看完了这个再去看深度学习，我觉得会更合适。
   • 《深度学习》
     深度学习的圣经了。之前刚开始看的是英文电子版，中文版刚出的时候买了一本。没其他书比他更合适了。
   • 《TensorFlow：实战Google深度学习框架》
     Tensorflow，最火的深度学习框架，不是说其它框架不好，只是这个更主流吧，查资料方便。
   • 《Keras快速上手：基于Python的深度学习实战》
     Keras是更偏向顶层的框架，对新手更友好，更适合快速应用。缺点就是，没那么灵活。
   • 《干净的数据 数据清洗入门与实践》
     没有清洗过的数据，其实是会严重干扰分析的。很多新人并不知道这个道理。
   • 《利用Python进行数据分析》
     这就是正儿八经的数据分析了，有理论基础的话，这书其实翻一下就行了。
   • 《用Python写网络爬虫》
     很多数据都是通过API获取的，但是也有很多数据不容易获取，爬虫就是个拓展数据来源的神器。

   本来还想推荐一下数据库方面的书，不过简单的存取数据，随便google一下就行了。没多复杂的。

   
   
   

个人一点点看法：
1.别认为看博客比看书更有效
2.别省钱买电子书，我本人除了小说之外，基本不看电子版
3.先看书打好基础，慢慢再看论文，然后才去研究那些博客啊之类的

三、量化交易的工作要求和工作内容

主要是策略和IT两个方向吧。最直白的我觉得就是招聘要求了。
随便贴两个吧。

《股票量化策略开发》
岗位职责：
1、负责股票量化策略的开发；
2、负责交易策略程序的编写、调试、优化、维护及监控(只提供策略逻辑也可）；
3、熟悉数据分析模型、投资组合模型及优化方法；
4、撰写量化分析和投资策略报告；
5、负责衍生品量化模型研究及开发；
6、独立研究量化投资策略以及创新型量化基金产品；
任职要求：
1、本科及以上学历，经济、金融、计算机、数学、统计等相关专业；
2、有一年以上量化策略模型研究设计开发测试维护以及实盘量化投资经验；
有成熟的策略模型及实盘交易记录者优先考虑；
3、有券商、公募私募基金等机构从事量化策略开发和交易经验优先考虑；

《量化交易系统开发工程师》
岗位职责：
1. 负责研发量化交易系统和回测系统。
2. 负责高频交易系统相关的核心模块的开发和优化。
3. 负责自动化测试框架的设计与开发。
4. 参与项目的需求调研和架构设计，给予策略团队技术支持。
任职要求：
1. 重点理工类高校毕业，硕士及以上学历、或特别优秀的本科生，计算机、电子信息类相关专业。
2. 3年以上的c++开发经验，有低延迟系统的实际开发经验。
3. 有参与大型项目和架构设计的经验。
4. 具备敏捷开发能力，能在短时间内搭建起高性能、高稳定性项目。
5. 具有geek精神，希望不断接收新的挑战。6. 良好的逻辑思维能力、沟通协调能力、团队合作能力和快速学习能力，勤奋踏实好学，能承受一定的工作强度

四、谈谈我个人对量化的看法（纯扯蛋的，别喷）

1. 不管是高频、低频，不管是技术派、还是价值投资派，面对的是同一个市场，但同时也是不同的市场。
2. 市场本身存在的意义，应该是优化资源的配置，提高经济效率。而交易，只不过是在某些需求下衍生出来的。
3. 市场更应该有效反映的是基本面，经济的基本面、个股或者商品的基本面。
4. 所以我本人从个人感情上来说，其实并不喜欢那些没意义的交易，因为对经济和生产力并没有帮助。但是，一个有效的市场却需要交易来反映基本面，从这角度来看，鼓励交易也是必须的。这其中的冲突和矛盾，其实是需要规则制定者来进行平衡的。
5. 投资的获利，除了在资源分配上起到作用而获取的分成外，还有就是通过价差获取利润。后者就有点套白狼的感觉了。这里也不想多谈这些问题了。
6. 新手开头并没有必要过多的投入，可以通过模拟操作、或者小量操作来进行学习和训练。

后记

为了支持本人的写作，建议各位 《扫描屏幕下方二维码打赏点盒饭钱》 。（前提是你读了我的文章并且觉得对你有帮助，那些只懂加入收藏夹不去阅读的人，我也不稀罕这个钱）

http://xzh.i3geek.com