这篇文章不错，转发给_老虎社区_美港股上老虎 - 老虎社区

又是个第一个吃螃蟹的人

这篇文章不错，转发给大家看

@韭菜投资学：量化交易都用什么策略？

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":632029891,"tweetId":"632029891","gmtCreate":1646149016958,"gmtModify":1646149016958,"author":{"id":3465431803723147,"idStr":"3465431803723147","authorId":3465431803723147,"authorIdStr":"3465431803723147","name":"又是个第一个吃螃蟹的人","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":2,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"extraTitle":"","html":"<html><head></head><body>\n这篇文章不错，转发给大家看</body></html>","htmlText":"<html><head></head><body>\n这篇文章不错，转发给大家看</body></html>","text":"这篇文章不错，转发给大家看","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/632029891","repostId":817644075,"repostType":1,"repost":{"magic":2,"id":817644075,"tweetId":"817644075","gmtCreate":1630942440000,"gmtModify":1630984180238,"author":{"id":106205579794560,"idStr":"106205579794560","authorId":106205579794560,"authorIdStr":"106205579794560","name":"韭菜投资学","avatar":"https://static.laohu8.com/104f163910be5b23f451abc233c9786e","vip":8,"userType":8,"introduction":"微信公众号韭菜投资学","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":8723,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"量化交易都用什么策略？","extraTitle":"","html":"<html><head></head><body><p>昨天写最近股市成交量大，有读者问是不是量化交易的原因。</p> <p>最近几年，全球的量化成交量占比是在提升，像欧美股市已经达到了50%，我们国内据估计可能占比在20%-30%左右，量化的活跃，确实增加了市场的成交量。但6月以来持续破万亿的这波放量，主因不会是量化，因为量化成交的增长是逐步增加的，没有理由到6月集中开始放量。</p> <p>后来我琢磨，大伙关心量化交易，可能还是觉得这个东西比较神秘，一听就很高端、很会割韭菜的样子。正好我以前做过一段时间量化，今就跟大家说说量化的几类主流策略。</p> <p>量化其实就是按照一定的规则，让计算机自动完成交易。</p> <p>第一大类，是量化选股类，最经典的就是多因子选股。先通过历史数据，分析出和股价上涨关联性高的因子，比如低估值因子、小市值因子、成长因子、动量因子，然后选出自己想要的因子，赋予不同的权重，给股票来打分，分高的股票入选，之后按得分轮动。</p> <p>选股类的量化策略，根据想暴露的风险不同，又可以分为三种。</p> <p>1. 市场中性：在选股的基础上，同时做空期指，来对冲大盘波动。只希望赚选股的alpha收益，而不想承担大盘波动的风险。</p> <p>这类策略在2015年以前表现特别好，原因是那段时间期指升水，也就是期指的价格比指数高，做空期指还能赚到升水的收益。但2015年之后，期指就变为贴水了，这类策略的表现也就相应下降。</p> <p>我的读者里有不少今年都在做滚IC吃贴水策略，之前有人问，为什么期指会持续贴水。从量化的角度就可以理解这件事，贴水实际上就是想做空的人付出的做空费。如果市场中性策略能赚大钱，那就会有更多的人跑来做，增加做空期指的需求，期指贴水就会扩大。直到这个策略不再暴利，那贴水就稳定下来，形成了市场的平衡。我们吃贴水赚的钱，就可以理解为是因为提供了做空功能，市场中性策略分享给我们的收益。</p> <p>2. 指数增强：</p> <p>这类大家应该熟悉了，公募基金里就有很多指数增强基金，是在复制指数成分股的基础上，通过部分量化选股，争取超额收益，赚的是beta+alpha的钱。</p> <p>3. 股票多头：</p> <p>这类在公募基金里也很流行，就是个主动管理的股票型或者混合型基金，但是选股是按照量化的方法来的。</p> <p>第二大类是套利，就包括大伙关心的高频类量化策略。虽然这类策略的资金量没有量化选股多，但交易频繁，贡献了量化主要的成交量。</p> <p>套利就是去抓市场中各种稍纵即逝的机会，不断积累小利，方法很多，我举几个例子。</p> <p>最简单的套利其实就是做市，做市商在买一和卖一价位同时挂单，给市场提供流动性，同时也赚取买一和卖一之间的差价。现在A股里，很多ETF为了增加成交量，就都引入了做市商机制。</p> <p>还有更复杂的方法，都是针对这种短期价格变化，依靠快速下单成交来获利的，国外市场做得比较多。但A股因为有T+1机制，得有底仓才能变相完成T+0交易，所以这类套利并不那么流行。</p> <p>在国内期指是可以T+0交易的，很多人会通过期指做类似的套利。比如跨期套利，近月的期指合约价格比远月的高，两者的差价经常保持在一定范围内波动，如果发现差价偏大，就可以同时近月开空、远月开多，做空差价，期待差价收敛，反之差价偏小，就同时近月开多、远月开空。</p> <p>你们听我这么讲，觉得赚钱是不是好容易？其实也不是那么好做的，跨期这个我就做过，经常是一段时间持续赚小钱，收益不错，但不知道什么时候就出了个意外，比如合约到期前，差价没有收敛，弄不好就要亏一笔大的。所以做量化一样内卷，要不断优化策略、提高交易速度，才能有钱赚。</p> <p>高频量化对市场是双刃剑，好处是活跃成交，给市场提供了流动性，坏处是容易造成市场波动，有金融风险。这几年在全球都是监管的重点，因为这类策略容易引发市场大波动。</p> <p>比如当市场因为某些利空大跌一下，就可能触发到某些量化策略的平仓或开空判据，因为很多策略都同质化，就会造成策略之间的连环踩踏。这时候，平常活跃的其他策略监测到市场异常，就会暂停交易，又造成市场成交量锐减。只有抛单，无人接盘，就会导致市场闪崩。近年来国外市场也多闪崩，量化盛行就是个重要原因。</p> <p>第三类就其他类吧，比如做期权的，做CTA也就是商品期货的量化。</p> <p>我之前也做过CTA量化，主要做的是趋势类的模型，就是监测商品价格，价格上涨突破某个判据就开仓，期待趋势持续，然后等价格从高点回撤一定幅度，就平仓。商品也是多空双向，反之也可以做空。</p> <p>这个也一样，看着好像很容易赚钱，但实际做起来也会有很多困难。趋势策略是很依赖于市场行情的，有趋势的时候赚钱赚到手抖，市场震荡没趋势的时候，不断耗损亏到手抽筋。遇到震荡市，没有办法只能熬，熬着熬着就会担心自己弄错了，质疑自己模型的有效性，担心之前的回测是不是做了过度的数据挖掘。是暂时的困难，还是模型错误，这点总是无法搞清。</p> <p>大致就这么几类吧，还有量化多策略，就是同时使用上面的这些策略，进一步分散策略风险。</p> <p>哦对这两年还有个新流派，就是机器学习。以前做量化，都是根据历史数据，回测总结出策略，再让计算机按照策略来执行。机器学习就是下围棋那个alphaGO的方法，让机器根据数据数据不断训练，找出能赚钱的策略并不断优化，相比传统方法，有机会突破一些人认知的局限，但同时也就可能引起更多的未知风险。</p> <p>那量化这么厉害，会不会收割散户呢？</p> <p>要是在量化擅长的领域去跟它拼，当然会被收割。</p> <p>比如经常想做T赚钱，量化擅长的就是这个啊，拼交易速度、拼统计规律，人肯定拼不过机器的，从概率上来说咱们就处于劣势。</p> <p>再比如做技术分析，想靠历史量价图形推测未来，过去可能还管点用，现在机器学习都入场了，技术图形有什么规律它找的又快又全。围棋人类下不过AI，搞技术分析一样很难搞过。</p> <p>那怎么才能不被收割呢？我们可以避免在它擅长的领域和它交手。比如最简单的，采取长持策略，咱只做投资，不做交易，那量化再厉害，也对我们无从下手。再比如现在选股，量化策略现在还没有证明能比基金经理好，就是因为选股并不仅仅是数量化的分析，还包括对行业、公司、管理层的各种认知。</p> <p>扬长避短，不要在对方主场拿棍棒战机枪，就好了。</p> <p>2021年9月6日，A股整体估值分位45.10%。</p></body></html>","htmlText":"<html><head></head><body><p>昨天写最近股市成交量大，有读者问是不是量化交易的原因。</p> <p>最近几年，全球的量化成交量占比是在提升，像欧美股市已经达到了50%，我们国内据估计可能占比在20%-30%左右，量化的活跃，确实增加了市场的成交量。但6月以来持续破万亿的这波放量，主因不会是量化，因为量化成交的增长是逐步增加的，没有理由到6月集中开始放量。</p> <p>后来我琢磨，大伙关心量化交易，可能还是觉得这个东西比较神秘，一听就很高端、很会割韭菜的样子。正好我以前做过一段时间量化，今就跟大家说说量化的几类主流策略。</p> <p>量化其实就是按照一定的规则，让计算机自动完成交易。</p> <p>第一大类，是量化选股类，最经典的就是多因子选股。先通过历史数据，分析出和股价上涨关联性高的因子，比如低估值因子、小市值因子、成长因子、动量因子，然后选出自己想要的因子，赋予不同的权重，给股票来打分，分高的股票入选，之后按得分轮动。</p> <p>选股类的量化策略，根据想暴露的风险不同，又可以分为三种。</p> <p>1. 市场中性：在选股的基础上，同时做空期指，来对冲大盘波动。只希望赚选股的alpha收益，而不想承担大盘波动的风险。</p> <p>这类策略在2015年以前表现特别好，原因是那段时间期指升水，也就是期指的价格比指数高，做空期指还能赚到升水的收益。但2015年之后，期指就变为贴水了，这类策略的表现也就相应下降。</p> <p>我的读者里有不少今年都在做滚IC吃贴水策略，之前有人问，为什么期指会持续贴水。从量化的角度就可以理解这件事，贴水实际上就是想做空的人付出的做空费。如果市场中性策略能赚大钱，那就会有更多的人跑来做，增加做空期指的需求，期指贴水就会扩大。直到这个策略不再暴利，那贴水就稳定下来，形成了市场的平衡。我们吃贴水赚的钱，就可以理解为是因为提供了做空功能，市场中性策略分享给我们的收益。</p> <p>2. 指数增强：</p> <p>这类大家应该熟悉了，公募基金里就有很多指数增强基金，是在复制指数成分股的基础上，通过部分量化选股，争取超额收益，赚的是beta+alpha的钱。</p> <p>3. 股票多头：</p> <p>这类在公募基金里也很流行，就是个主动管理的股票型或者混合型基金，但是选股是按照量化的方法来的。</p> <p>第二大类是套利，就包括大伙关心的高频类量化策略。虽然这类策略的资金量没有量化选股多，但交易频繁，贡献了量化主要的成交量。</p> <p>套利就是去抓市场中各种稍纵即逝的机会，不断积累小利，方法很多，我举几个例子。</p> <p>最简单的套利其实就是做市，做市商在买一和卖一价位同时挂单，给市场提供流动性，同时也赚取买一和卖一之间的差价。现在A股里，很多ETF为了增加成交量，就都引入了做市商机制。</p> <p>还有更复杂的方法，都是针对这种短期价格变化，依靠快速下单成交来获利的，国外市场做得比较多。但A股因为有T+1机制，得有底仓才能变相完成T+0交易，所以这类套利并不那么流行。</p> <p>在国内期指是可以T+0交易的，很多人会通过期指做类似的套利。比如跨期套利，近月的期指合约价格比远月的高，两者的差价经常保持在一定范围内波动，如果发现差价偏大，就可以同时近月开空、远月开多，做空差价，期待差价收敛，反之差价偏小，就同时近月开多、远月开空。</p> <p>你们听我这么讲，觉得赚钱是不是好容易？其实也不是那么好做的，跨期这个我就做过，经常是一段时间持续赚小钱，收益不错，但不知道什么时候就出了个意外，比如合约到期前，差价没有收敛，弄不好就要亏一笔大的。所以做量化一样内卷，要不断优化策略、提高交易速度，才能有钱赚。</p> <p>高频量化对市场是双刃剑，好处是活跃成交，给市场提供了流动性，坏处是容易造成市场波动，有金融风险。这几年在全球都是监管的重点，因为这类策略容易引发市场大波动。</p> <p>比如当市场因为某些利空大跌一下，就可能触发到某些量化策略的平仓或开空判据，因为很多策略都同质化，就会造成策略之间的连环踩踏。这时候，平常活跃的其他策略监测到市场异常，就会暂停交易，又造成市场成交量锐减。只有抛单，无人接盘，就会导致市场闪崩。近年来国外市场也多闪崩，量化盛行就是个重要原因。</p> <p>第三类就其他类吧，比如做期权的，做CTA也就是商品期货的量化。</p> <p>我之前也做过CTA量化，主要做的是趋势类的模型，就是监测商品价格，价格上涨突破某个判据就开仓，期待趋势持续，然后等价格从高点回撤一定幅度，就平仓。商品也是多空双向，反之也可以做空。</p> <p>这个也一样，看着好像很容易赚钱，但实际做起来也会有很多困难。趋势策略是很依赖于市场行情的，有趋势的时候赚钱赚到手抖，市场震荡没趋势的时候，不断耗损亏到手抽筋。遇到震荡市，没有办法只能熬，熬着熬着就会担心自己弄错了，质疑自己模型的有效性，担心之前的回测是不是做了过度的数据挖掘。是暂时的困难，还是模型错误，这点总是无法搞清。</p> <p>大致就这么几类吧，还有量化多策略，就是同时使用上面的这些策略，进一步分散策略风险。</p> <p>哦对这两年还有个新流派，就是机器学习。以前做量化，都是根据历史数据，回测总结出策略，再让计算机按照策略来执行。机器学习就是下围棋那个alphaGO的方法，让机器根据数据数据不断训练，找出能赚钱的策略并不断优化，相比传统方法，有机会突破一些人认知的局限，但同时也就可能引起更多的未知风险。</p> <p>那量化这么厉害，会不会收割散户呢？</p> <p>要是在量化擅长的领域去跟它拼，当然会被收割。</p> <p>比如经常想做T赚钱，量化擅长的就是这个啊，拼交易速度、拼统计规律，人肯定拼不过机器的，从概率上来说咱们就处于劣势。</p> <p>再比如做技术分析，想靠历史量价图形推测未来，过去可能还管点用，现在机器学习都入场了，技术图形有什么规律它找的又快又全。围棋人类下不过AI，搞技术分析一样很难搞过。</p> <p>那怎么才能不被收割呢？我们可以避免在它擅长的领域和它交手。比如最简单的，采取长持策略，咱只做投资，不做交易，那量化再厉害，也对我们无从下手。再比如现在选股，量化策略现在还没有证明能比基金经理好，就是因为选股并不仅仅是数量化的分析，还包括对行业、公司、管理层的各种认知。</p> <p>扬长避短，不要在对方主场拿棍棒战机枪，就好了。</p> <p>2021年9月6日，A股整体估值分位45.10%。</p></body></html>","text":"昨天写最近股市成交量大，有读者问是不是量化交易的原因。 最近几年，全球的量化成交量占比是在提升，像欧美股市已经达到了50%，我们国内据估计可能占比在20%-30%左右，量化的活跃，确实增加了市场的成交量。但6月以来持续破万亿的这波放量，主因不会是量化，因为量化成交的增长是逐步增加的，没有理由到6月集中开始放量。 后来我琢磨，大伙关心量化交易，可能还是觉得这个东西比较神秘，一听就很高端、很会割韭菜的样子。正好我以前做过一段时间量化，今就跟大家说说量化的几类主流策略。 量化其实就是按照一定的规则，让计算机自动完成交易。 第一大类，是量化选股类，最经典的就是多因子选股。先通过历史数据，分析出和股价上涨关联性高的因子，比如低估值因子、小市值因子、成长因子、动量因子，然后选出自己想要的因子，赋予不同的权重，给股票来打分，分高的股票入选，之后按得分轮动。 选股类的量化策略，根据想暴露的风险不同，又可以分为三种。 1. 市场中性：在选股的基础上，同时做空期指，来对冲大盘波动。只希望赚选股的alpha收益，而不想承担大盘波动的风险。 这类策略在2015年以前表现特别好，原因是那段时间期指升水，也就是期指的价格比指数高，做空期指还能赚到升水的收益。但2015年之后，期指就变为贴水了，这类策略的表现也就相应下降。 我的读者里有不少今年都在做滚IC吃贴水策略，之前有人问，为什么期指会持续贴水。从量化的角度就可以理解这件事，贴水实际上就是想做空的人付出的做空费。如果市场中性策略能赚大钱，那就会有更多的人跑来做，增加做空期指的需求，期指贴水就会扩大。直到这个策略不再暴利，那贴水就稳定下来，形成了市场的平衡。我们吃贴水赚的钱，就可以理解为是因为提供了做空功能，市场中性策略分享给我们的收益。 2. 指数增强： 这类大家应该熟悉了，公募基金里就有很多指数增强基金，是在复制指数成分股的基础上，通过部分量化选股，争取超额收益，赚的是beta+alpha的钱。 3. 股票多头： 这类在公募基金里也很流行，就是个主动管理的股票型或者混合型基金，但是选股是按照量化的方法来的。 第二大类是套利，就包括大伙关心的高频类量化策略。虽然这类策略的资金量没有量化选股多，但交易频繁，贡献了量化主要的成交量。 套利就是去抓市场中各种稍纵即逝的机会，不断积累小利，方法很多，我举几个例子。 最简单的套利其实就是做市，做市商在买一和卖一价位同时挂单，给市场提供流动性，同时也赚取买一和卖一之间的差价。现在A股里，很多ETF为了增加成交量，就都引入了做市商机制。 还有更复杂的方法，都是针对这种短期价格变化，依靠快速下单成交来获利的，国外市场做得比较多。但A股因为有T+1机制，得有底仓才能变相完成T+0交易，所以这类套利并不那么流行。 在国内期指是可以T+0交易的，很多人会通过期指做类似的套利。比如跨期套利，近月的期指合约价格比远月的高，两者的差价经常保持在一定范围内波动，如果发现差价偏大，就可以同时近月开空、远月开多，做空差价，期待差价收敛，反之差价偏小，就同时近月开多、远月开空。 你们听我这么讲，觉得赚钱是不是好容易？其实也不是那么好做的，跨期这个我就做过，经常是一段时间持续赚小钱，收益不错，但不知道什么时候就出了个意外，比如合约到期前，差价没有收敛，弄不好就要亏一笔大的。所以做量化一样内卷，要不断优化策略、提高交易速度，才能有钱赚。 高频量化对市场是双刃剑，好处是活跃成交，给市场提供了流动性，坏处是容易造成市场波动，有金融风险。这几年在全球都是监管的重点，因为这类策略容易引发市场大波动。 比如当市场因为某些利空大跌一下，就可能触发到某些量化策略的平仓或开空判据，因为很多策略都同质化，就会造成策略之间的连环踩踏。这时候，平常活跃的其他策略监测到市场异常，就会暂停交易，又造成市场成交量锐减。只有抛单，无人接盘，就会导致市场闪崩。近年来国外市场也多闪崩，量化盛行就是个重要原因。 第三类就其他类吧，比如做期权的，做CTA也就是商品期货的量化。 我之前也做过CTA量化，主要做的是趋势类的模型，就是监测商品价格，价格上涨突破某个判据就开仓，期待趋势持续，然后等价格从高点回撤一定幅度，就平仓。商品也是多空双向，反之也可以做空。 这个也一样，看着好像很容易赚钱，但实际做起来也会有很多困难。趋势策略是很依赖于市场行情的，有趋势的时候赚钱赚到手抖，市场震荡没趋势的时候，不断耗损亏到手抽筋。遇到震荡市，没有办法只能熬，熬着熬着就会担心自己弄错了，质疑自己模型的有效性，担心之前的回测是不是做了过度的数据挖掘。是暂时的困难，还是模型错误，这点总是无法搞清。 大致就这么几类吧，还有量化多策略，就是同时使用上面的这些策略，进一步分散策略风险。 哦对这两年还有个新流派，就是机器学习。以前做量化，都是根据历史数据，回测总结出策略，再让计算机按照策略来执行。机器学习就是下围棋那个alphaGO的方法，让机器根据数据数据不断训练，找出能赚钱的策略并不断优化，相比传统方法，有机会突破一些人认知的局限，但同时也就可能引起更多的未知风险。 那量化这么厉害，会不会收割散户呢？ 要是在量化擅长的领域去跟它拼，当然会被收割。 比如经常想做T赚钱，量化擅长的就是这个啊，拼交易速度、拼统计规律，人肯定拼不过机器的，从概率上来说咱们就处于劣势。 再比如做技术分析，想靠历史量价图形推测未来，过去可能还管点用，现在机器学习都入场了，技术图形有什么规律它找的又快又全。围棋人类下不过AI，搞技术分析一样很难搞过。 那怎么才能不被收割呢？我们可以避免在它擅长的领域和它交手。比如最简单的，采取长持策略，咱只做投资，不做交易，那量化再厉害，也对我们无从下手。再比如现在选股，量化策略现在还没有证明能比基金经理好，就是因为选股并不仅仅是数量化的分析，还包括对行业、公司、管理层的各种认知。 扬长避短，不要在对方主场拿棍棒战机枪，就好了。 2021年9月6日，A股整体估值分位45.10%。","highlighted":1,"essential":1,"paper":2,"link":"https://laohu8.com/post/817644075","repostId":0,"isVote":1,"tweetType":1,"commentLimit":10,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":4562,"xxTargetLangEnum":"ZH_CN"},"isVote":1,"tweetType":1,"viewCount":1970,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":25,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/632029891"}