量化投資策略股票alpha
❶ 量化交易中。D-Alpha 是什麼意思希望說的詳細點
D-Alpha對沖交易系統
在D-Alpha系統中，一個有效的策略從開始到最後實際交易，需要經過四個步驟：歷史數據統計後驗、歷史高頻數據後驗、實時高頻數據模擬交易和實盤交易，具體流程見圖18-2。
歷史數據統計後驗
歷史數據統計一般以收盤價或者日均價作為買入賣出的交易價格，交易成本的考慮一般是事先設定一個固定的數值，比如千分之三。然後根據設定的交易價格計算出在某一段時間內的收益率、超額收益、夏普率等結果。
歷史數據統計後驗的優勢是效率高、簡單方便，一般十年左右的數據後驗，幾十分鍾就可以程序跑完。缺點是不夠精確，尤其不能考慮資金量對市場的影響。因為有的策略和市場容量之間有很大的關系，例如高頻交易策略，在資金量大的情況下，很多有效的策略就會失效，因為其沖擊成本會吃掉所有的收益率。
因此歷史數據統計後驗只能作為篩選策略的初步方法，更加精細的方法需要歷史高頻數據後驗實現
歷史高頻交易數據後驗
歷史高頻交易數據後驗的核心在於根據歷史高交易頻數據進行模擬撮合，撮合演算法主要是判斷在某個時段的成交量的成交比例。例如某個股票在歷史上5.0-5.1價位之間成交了10000股，其中的掛單量為50000股。那麼在後驗的時候，可以設定成交股的A%和掛單量的B%中最小值，為模擬撮合的成交量。
如果想嚴格一些，將A和B的值設的小一些即可，如果寬松一些，將A和B的值設大一些。在本量化投資系統中，A和B的值一般取為10%和30%。
高頻數據實時模擬
策略後驗可以解決一個策略在樣本內的效果問題，但是無法檢驗其在樣本外的效果。解決這個問題的方法是進行高頻數據的實時模擬交易。
實時模擬交易也有全自動化和手工兩種方式，全自動化是將策略寫成一個DLL，放在模擬平台上自動運行，手工就是利用機會監控的消息提示，進行人工交易。
高頻數據實時模擬和實盤交易已經非常接近，對沖擊成本的考慮，市場容量的考慮基本上和實盤已經一致，唯一不能解決的就是對市場的影響，因為模擬交易不能影響市場價格，這個就只有在實盤交易中實現。
實盤實時交易
前面三個步驟的目的都是為了最後進行實盤交易，實盤交易對市場的影響會體現出來，只有通過了實盤實時交易，一個策略才能被證明是有效的。
❷ 什麼是α，β收益，量化投資的策略創建與分析
α收益：一攬子可以自定義低估、同質化並且有波動的股票，不斷買入更便宜的，賣出更貴的，從而獲得的收益。
例如：幾個跟著滬深300的ETF，你發現手中持有的滬深300ETF溢價2%了，而市場上同時存在一個折價1%的ETF，那麼就賣出溢價高的滬深300ETF，去買折價的，這樣雖然始終持有滬深300ETF，但獲得了超越滬深300指數本身的收益，就是α收益。
解釋一下同質化：明顯所有的滬深300ETF是同質化的，也可以認為最小市值20個股票是同質化的，所有銀行股是同質化的，分級A是同質化的。下文中有解釋自定義低估。
β收益：基本面本身上漲是β收益。
例如，自定義最小市值的10個股票為一個指數，這些最小市值從5億漲到20億，這就是β收益。自定義最低股價10個為一個指數，從牛市的5元跌到2元，那麼β收益就是負的
量化策略創建三個步驟：
策略的理論基礎
歷史回測
找到策略黑天鵝。
（一）策略的理論基礎：（大致分為三類）：
基本面理論
按基本面又可以分為：1.價值型；2.成長型；3.品質型；按中國特色A股基本面又可以添加；4.小市值型；5.股價型
技術面理論
按技術面又可以分為：1.趨勢型，2.趨勢反轉型，3.縮量反彈，4.指數輪動，5.擇時
風險套利
風險套利（或者稱輪動）：不斷買入更便宜的，賣出更貴的。
注意：
有些理論基礎並不牢固，並且不能很好解釋（這也導致了各種投資流派互相不服）
有些量化跳過了理論基礎，直接根據歷史統計進行量化（本文不討論），例如，統計兩會前後漲跌，一季度歷史表現最好板塊
對策略理論的解釋：
基本面策略可以定義什麼是低估，比如低PE是低估，低市值是低估，低股價是低估，高ROE是低估，高成長是低估；也可以自定義低估，PB*PE是低估，總市值*流通市值小是低估
基本面理論提供了一攬子同質化並且有波動的股票。有些基本面策略的股票間波動較小，例如最低PE股，一段時期內總是那麼幾個銀行股；有些波動較大，比如小市值型
技術面理論有些很難定義什麼是低估，比如趨勢型；有些則看似可以定義低估，例如，BIAS最小，20日跌幅最大，其實也不是
能自定義低估的策略是風險套利，不能自定義低估的策略是統計
基本面本身能上漲，就獲得了β收益
我得出的結論是：風險套利策略的核心是對自定義低估的輪動，即不斷獲得α收益！！
如何獲得α收益：大部分基本面策略的收益是因為風險套利獲得的；也就是不斷買入更低估的，賣出更貴的；也就是因為調倉周期內因不同股票的波動而產生收益，因此適當縮短周期有利於提高收益；所以在一年內交易次數越多，alpha收益越大（投資大師說的減少交易次數，並不適用於套利）
理論本身獲得的β收益並不多，甚至為負（價值型由於近幾年市場估值不斷降低，不調倉的話，收益是負的）
我們應當尋找的是：基本面理論本身能上漲，且能提供同質化，波動較大的策略（即獲得α，又獲得β）
統計策略其內在邏輯說服力小，是過去的概率來預測未來
（二）歷史回測：回測中最重要一點是：不要欺騙自己
歷史回測中要用到一個哲學思想，叫做奧卡姆剃刀:較簡單的理論比復雜的理論更好，因為它們更加可檢驗
改變測試起始時間。調倉周期超過2天的策略，應該試遍每個起始時間，取平均收益，這才最接近策略真實歷史回測，因為理論上起始時間變化一兩天對策略收益影響是不大的，如果變化很大就說明過度優化。
不要創建靜態股票池。歷史上每個階段都有大牛股，完全可以收集大牛股作為股票池，算好調倉周期，每個階段買最牛的，收益可以美到不敢想像
不要用PE.PB等指標精確逃頂抄底，最多用來確定一個大致范圍。每次大頂點位都是不同的，這樣的擇時毫無意義。
先用25個以上股票測試，確定策略有效性，再減少數量做策略，如果25個測試無效，那麼一兩個即使收益很好，也該放棄。
改變條件權重。如果稍微改變權重，收益變化很大，那麼就降低策略未來預期收益，別指望策略以後會表現這么好。
盡量從07年開始測試。除非你能確定每個時間市場的風格，顯然這是不可能的。
同一套擇時系統，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定會選擇策略2，如果策略1和2本質上是差不多的策略，別太高興，在未來，策略1和2表現誰好誰壞也是難說的
（三）找到黑天鵝：每個策略都有黑天鵝
價值型，成長型，品質型策略，黑天鵝是過一個季度，可能財務數據完全變了，因此持倉個數不能太少，行業要分開
小市值，低價，低交易額策略，黑天鵝是出現仙股
統計類，技術類策略，黑天鵝是理論本身就不完美
❸ 什麼是量化交易以及量化的主要策略 什麼是阿爾法策略
股指期貨與個股對沖博取正阿爾法策略、商品期貨與現貨對沖策略、跨期對沖策略、跨市場對沖、跨品種對沖、統計套利、股票與期權對沖套利、可轉債與正股對沖套利、期權跨式對沖套利、事件驅動型對沖套利、ETF與成分股對沖套利，國債期貨與國債主力品種現貨的套利對沖等等，以後隨著中國金融產品的豐富，會有越來越多的包括利率、外匯產品在內的量化追蹤套利模式。
❹ 如何構建量化投資策略
，第一層級是包含所有中國對沖基金的綜合指數，第二層級為四個分策略指數，包括相對價值策略、趨勢性策略、事件驅動策略和多策略指數，第三層級為第二層級的子策略，目前包括權益類套利、股票市場中性策略指數（相對價值策略）、CTA、股票動態對沖、宏觀對沖等子策略指數。
❺ 什麼是量化投資
量化投資指的是一種投資方法，它是指通過數量化方式或計算機程序化發出買賣指令，以得到穩定收益為目標的交易方式。量化投資是一種定性思想的量化應用，它對大量的指標數據進行分析，得出一些有說服力的數據結論，然後通過計算機技術進行數學建模，並進行量化分析，從而得出一個比較契合實際的投資策略。
量化投資是指通過數量化方式及計算機程序化發出買賣指令，以獲取穩定收益為目的的交易方式。在海外的發展已有30多年的歷史，其投資業績穩定，市場規模和份額不斷擴大、得到了越來越多投資者認可。從全球市場的參與主體來看，按照管理資產的規模，全球排名前四以及前六位中的五家資管機構，都是依靠計算機技術來開展投資決策，由量化及程序化交易所管理的資金規模在不斷擴大。
❻ 什麼是量化投資交易策略
一文看懂量化投資策略
閑話基
量化投資在近些年受到越來越多的關注，包括規模、策略、業績。量化投資，是指通過藉助統計學、數學方法，運用計算機從海量歷史數據中，尋找能夠帶來超額收益的多種「大概率」策略，按照策略構建的數量模型嚴格執行投資，力求獲得長期穩定可持續高於平均的超額回報。
跨市場策略涉及外匯兌換、國際期貨交易對沖，交易實現難度大，國內用得少。
由於期貨具有杠桿屬性，這類策略持倉的市值往往很大，有時候甚至超過產品資產總值，導致收益率的波動率是所有量化策略中最大的。在市場出現連續震盪行情時，這樣策略由於杠桿屬性會出現較大的回撤。另外一個對這類策略的一個限制是，目前市場上活躍交易的期貨品種不多，高頻交易很大程度倚重於品種成交量，開平倉時間間隔較短，使得策略容量不大。
❼ 如何實現超額收益alpha
《量化投資策略:如何實現超額收益Alpha》中歸納了七個投資維度：盈利性、估值、現金流、成長性、資產配置、價格動量以及危險信號，並告訴讀者如何有效結合單個投資因子或組件因子，如何構建多因子策略，從而構建更全面的選股模型。最後，作者還介紹了如何將書中提出的策略有效地整合到你的投資過程中，以創造優秀的選股模型，構建自己的量化模型和投資組合，並實現超越市場的收益。《量化投資策略:如何實現超額收益Alpha》中概括出的量化方法可以為定性投資者提供一個被證實的設計投資策略的方法，同時也可作為提高投資績效的准則。
通過提高稅收和社會保障體系，收入差距在一定范圍內控制，以防止兩極分化，實現公平，合理分配各階層的利益和堅實的群眾的各個方面，尤其是保障低收入的基本生活收入者
簡單，就是要提高低收入者水平，調節過高收入，取締非法收入，中等收入的擴大
❽ 國內股票的量化投資策略有哪些，特別是基本面量化
檸檬給你問題解決的暢快感覺！主要的量化對沖策略有：1、市場中性策略 主要追求的是通過各類對沖手段消除投資組合的大部分或全部系統風險，尋找市場中的相近資產的定價偏差，利用價值回歸理性的時間差，在市場中賺取細小的差價來獲得持續的收益。2、事件驅動套利策略 利用特殊事件造成的對資產價格的錯誤定價，從錯誤定價中謀利。3、相對價值策略 主要是利用證券資產間相對的價值偏差進行獲利。感覺暢快？別忘了點擊採納哦！
❾ 量化交易都有哪些主要的策略模型
研究量化投資模型的目的是找出那些具體盈利確定性的時空價格形態，其最重要手段的概率取勝，最重要的技術是概率統計，最主要的研究方向是市場行為心理。那麼我們在選擇用於研究的參數時，也應該用我們的經驗來確定是否把某技術參數放進去，因為一般來說定性投資比較好用的參數指標對量化投資同樣適用。
量化投資區別於傳統定性投資的主要特徵在於模型。我打個比方，我們看病，中醫與西醫的診療方法是不同，中醫是望、聞、問、切，最後判斷出的結果，很大程度上基於中醫的經驗，主觀定性程度大一些；西醫就不同了，先要病人去拍片子、化驗等，這些都要依託於醫學儀器，最後得出結論，對症下葯。中醫對醫生的經驗要求非常高，他們的主觀判斷往往決定了治療效果，而西醫則要從容得多，按事先規定好的程序走就行了。量化投資就是股票投資中的西醫，它可以比較有效地矯正理智與情緒的不兼容現象。
量化投資的一般思路：選定某些技術指標（我們稱之為參數，往往幾個組成一組），並將每一個參數的數據范圍進行分割，成幾等份。然後，用計算機編程寫出一段能對這些參數組對股票價格造成的影響進行數據統計的程序，連接至大型資料庫進行統計計算，自動選擇能夠達到較高收益水平的參數組合。但是選出這些參數組後還不能馬上應用，因為這里涉及到一個概率陷阱的問題，比如說，有1到100這一百個數字放在那裡，現在讓你選擇，請問你選到100的可能性是多大？是的，就是1/100，如果較幸運你選到了100並不能說明你比別人聰明，而是概率的必然。所以，在進行統計時要特別關注統計的頻率與選出的結果組數量之間的關系。在選出符合要求的參數組後我們還應留出至少三年的原始市場數據進行驗證，只有驗證合格後才能試用。
量化投資原始數據策略：我們選用96年後的市場數據，因為96年股市有過一次交易政策改革（你可以自己查詢了解一下），為了不影響研究結果我們不採納96年以前的數據進資料庫。 量化投資研究的硬設備：高計算性能電腦，家用電腦也可以，不過運算時間會很長，我曾經用家用電腦計算了三個月時間才得到想要的數據。
統計方法：可以選用遺傳演算法，但我在這里陪大家做的是比較簡單的模型，所以採用普通統計方法就可以了。
用於量化研究的軟體：我採用的是免費的大型資料庫MYSQL，ASP網路編程語言，以及可以設置成網路伺服器的旗艦版WIN7操作系統。