如何利用股票市值做量化投資

A. 你知道股票技術選股和量化投資的區別嗎

1. 使用人群: 技術分析散戶（多）, 量化投資機構用戶為主（少）。
2. 選股指標: 技術分析以量價指標為主。量化投資除了量價指標，還需要使用財務指標、公司事件等。
3. 交易模型: 技術分析沒有完整的交易模型。重視股票買入條件，不重視個股倉位和賣出條件。量化投資有完整的交易模型。模型對股票的買入條件、賣出條件、個股倉位、調倉時點和風險控制都有明確的規定。
4. 策略驗證: 技術分析使用基於經驗和書本總結出來的規則。沒有在歷史數據里測試過有效性。量化投資選股策略基於個人研究， 在歷史數據里測試其有效性。可以根據回測結果對策略進行調優。 重視風險收益量化指標。
5. 分析方法: 技術分析有很多主觀成分，不同人對同一圖表有不同結論。 「大師」輩出。量化投資依賴客觀數據統計。
6. 收益來源:技術分析著重於單個股的波段操作。量化投資是多股票之間的輪動。重視多種投資標的之間的配置和輪動。講究風險對沖。
7. 分析工具:技術分析使用同花順、大智慧金融終端。 量化投資你要使用量加，進行科學的選股。
什麼是量化投資呢?其實，就如同中醫和西醫的區別，中醫靠經驗，講究「望、聞、問、切、聽」，西醫靠指標，通過一系列的檢查數據綜合判斷病情。量化投資無非就是用指標和公式驅動投資和交易。

B. A股到底能不能做股票量化投資

你放心，量化交易始於美國，最近幾年傳入中國，最初的量化交易成本很高。現在量化交易相對比較簡單和便宜。量化投資有一定好處，避免情緒化交易

C. 股票市場中什麼 是量化投資!

微量網：量化投資在海外的發展已有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。
量化投資區別於定性投資的鮮明特徵就是模型，對於量化投資中模型與人的關系，大家也比較關心。我打個比方來說明這種關系，我們先看一看醫生治病，中醫與西醫的診療方法不同，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，定性程度上大一些；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。
醫生治療病人的疾病，投資者治療市場的疾病，市場的疾病是什麼？就是錯誤定價和估值，沒病或病得比較輕，市場是有效或弱有效的；病得越嚴重，市場越無效。投資者用資金投資於低估的證券，直到把它的價格抬升到合理的價格水平上。
但是，定性投資和定量投資的具體做法有些差異，這些差異如同中醫和西醫的差異，定性投資更像中醫，更多地依靠經驗和感覺判斷病在哪裡；定量投資更像是西醫，依靠模型判斷，模型對於定量投資基金經理的作用就像CT機對於醫生的作用。在每一天的投資運作之前，我會先用模型對整個市場進行一次全面的檢查和掃描，然後根據檢查和掃描結果做出投資決策。
量化投資技術幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、演算法交易，資產配置，風險控制等。

D. 股票市值怎麼算

股票的市值就是按市場價格計算出來的股票總價值。如某一投資組合的總市值，就是按某一時刻的價格計算出來的所有股票的市值總和。如投資組合(A、B、C、D，1、1、1、5)，現股票A、B、C、D的價格分別為1．5元、3元、6元和2元，則這個投資組合的市值為:1.5×1＋3×1＋6×1＋2×5＝20．5(元)

一個股市的總市值，就是按某一日的收盤價格計算出來的所有股票的市值之和。為了以後表述的方便，現約定將一個投資組合在t時的市值表達成函數的形式Ft(A、B、C、D…，N1、N2、N3、N4…)，其中A、B、C、D等是股票的名稱，N1、N2、N3、N4等是所選股票的權數。

(4)如何利用股票市值做量化投資擴展閱讀

股票市值亦稱「股票市價」，股票在市場上的交易價格。股票市值是在股票市場上通過買賣雙方的競爭買賣形成的，是買賣雙方均認可的成交價格。決定和影響股票市值高低的因素較多，主要有股票面值、凈值、真值和市場供求關系等。

一般講，股票市值是以面值為參考起點，以股票凈值和真值為依據，在市場供求關系的變動之中形成的。其中，股票值、真值與股票市值是同方向變化的，凈值、真值上升的股票，其市值必然會提高; 而市場供求關系主要是指資金的供求和股票本身的供求狀況。

比如市場上資金供給比較充足，買進股票的資金力量強，股票市值就會上升; 反之，若股票市場上資金供給緊張，資金需求增大，買進股票的資金力量變弱而賣出股票的人增多，股票的市值則會下跌。

E. 如何做市值和行業中性處理 量化

因子值對行業啞變數和市值對數回歸 把殘差作為新因子值

F. 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。

G. python的量化代碼怎麼用到股市中

2010 ~ 2017 滬深A股各行業量化分析

在開始各行業的量化分析之前，我們需要先弄清楚兩個問題：

• 第一，A股市場上都有哪些行業；

• 第二，各行業自2010年以來的營收、凈利潤增速表現如何？

第一個問題
很好回答，我們使用JQData提供的獲取行業成分股的方法，輸入get_instries(name='sw_l1')
得到申萬一級行業分類結果如下：它們分別是：【農林牧漁、採掘、化工、鋼鐵、有色金屬、電子、家用電器、食品飲料、紡織服裝、輕工製造、醫葯生物、公用事業、交通運輸、房地產、商業貿易、休閑服務、綜合、建築材料、建築裝飾、電器設備、國防軍工、計算機、傳媒、通信、銀行、非銀金融、汽車、機械設備】共計28個行業。

第二個問題
要知道各行業自2010年以來的營收、凈利潤增速表現，我們首先需要知道各行業在各個年度都有哪些成分股，然後加總該行業在該年度各成分股的總營收和凈利潤，就能得到整個行業在該年度的總營收和總利潤了。這部分數據JQData也為我們提供了方便的介面：通過調用get_instry_stocks(instry_code=『行業編碼』, date=『統計日期』)，獲取申萬一級行業指定日期下的行業成分股列表，然後再調用查詢財務的數據介面：get_fundamentals(query_object=『query_object』, statDate=year)來獲取各個成分股在對應年度的總營收和凈利潤，最後通過加總得到整個行業的總營收和總利潤。這里為了避免非經常性損益的影響，我們對凈利潤指標最終選取的扣除非經常性損益的凈利潤數據。

我們已經獲取到想要的行業數據了。接下來，我們需要進一步分析，這些行業都有什麼樣的增長特徵。

我們發現，在28個申萬一級行業中，有18個行業自2010年以來在總營收方面保持了持續穩定的增長。它們分別是：【農林牧漁，電子，食品飲料，紡織服裝，輕工製造，醫葯生物，公用事業，交通運輸，房地產，休閑服務，建築裝飾，電氣設備，國防軍工，計算機，傳媒，通信，銀行，汽車】；其他行業在該時間范圍內出現了不同程度的負增長。

那麼，自2010年以來凈利潤保持持續增長的行業又會是哪些呢？結果是只有5個行業保持了基業長青，他們分別是醫葯生物，建築裝飾，電氣設備，銀行和汽車。（註：由於申萬行業在2014年發生過一次大的調整，建築裝飾，電氣設備，銀行和汽車實際從2014年才開始統計。）

從上面的分析結果可以看到，真正能夠保持持續穩定增長的行業並不多，如果以扣非凈利潤為標准，那麼只有醫葯生物，建築裝飾，電氣設備，銀行和汽車這五個行業可以稱之為優質行業，實際投資中，就可以只從這幾個行業中去投資。這樣做的目的是，一方面，能夠從行業大格局層面避免行業下行的風險，繞開一個可能出現負增長的的行業，從而降低投資的風險；另一方面，也大大縮短了我們的投資范圍，讓投資者能夠專注於從真正好的行業去挑選公司進行投資。

「2010-2017」投資於優質行業龍頭的收益表現

選好行業之後，下面進入選公司環節。我們知道，即便是一個好的行業也仍然存在表現不好的公司，那麼什麼是好的公司呢，本文試圖從營業收入規模和利潤規模和來考察以上五個基業長青的行業，從它們中去篩選公司作為投資標的。

3.1按營業收入規模構建的行業龍頭投資組合

首先，我們按照營業收入規模，篩選出以上5個行業【醫葯生物，建築裝飾，電氣設備，銀行和汽車】從2010年至今的行業龍頭如下表所示：

結論

通過以上行業分析和投資組合的歷史回測可以看到：

• 先選行業，再選公司，即使是從2015年股災期間開始投資，至2018年5月1號，仍然能夠獲得相對理想的收益，可以說，紅杉資本的賽道投資法則對於一般投資者還是比較靠譜的。

• 在構建行業龍頭投資組合時，凈利潤指標顯著優於營業收入指標，獲得的投資收益能夠更大的跑贏全市場收益率

• 市場是不斷波動的，如果一個投資者從股災期間開始投資，那麼即使他買入了上述優質行業的龍頭組合，在近3年也只能獲得12%左右的累計收益；而如果從2016年5月3日開始投資，那麼至2018年5月2日，2年時間就能獲得超過50%以上的收益了。所以，在投資過程中選擇時機也非常重要。

出自：JoinQuant 聚寬數據 JQData

H. 如何選取過去每個月股票的市值 python

類似，可以修改一下
股票漲跌幅數據是量化投資學習的基本數據資料之一，下面以python代碼編程為工具，獲得所需要的歷史數據。主要步驟有：
（1） #按照市值從小到大的順序活得N支股票的代碼；
（2） #分別對這一百隻股票進行100支股票操作；
（3） #獲取從2016.05.01到2016.11.17的漲跌幅數據；
（4） #選取記錄大於40個的數據，去除次新股；
（5） #將文件名名為「股票代碼.csv」。
具體代碼如下：
# -*- coding: utf-8 -*-
"""
Created on Thu Nov 17 23:04:33 2016
獲取股票的歷史漲跌幅，並分別存為csv格式
@author: yehxqq151376026
"""

import numpy as np
import pandas as pd

#按照市值從小到大的順序活得100支股票的代碼
df = get_fundamentals(
query(fundamentals.eod_derivative_indicator.market_cap)
.order_by(fundamentals.eod_derivative_indicator.market_cap.asc())
.limit(100),'2016-11-17', '1y'
)

#分別對這一百隻股票進行100支股票操作
#獲取從2016.05.01到2016.11.17的漲跌幅數據
#選取記錄大於40個的數據，去除次新股
#將文件名名為「股票代碼.csv」
for stock in range(100):
priceChangeRate = get_price_change_rate(df['market_cap'].columns[stock], '20160501', '20161117')
if priceChangeRate is None:
openDays = 0
else:
openDays = len(priceChangeRate)
if openDays > 40:
tempPrice = priceChangeRate[39:(openDays - 1)]
for rate in range(len(tempPrice)):
tempPrice[rate] = "%.3f" %tempPrice[rate]
fileName = ''
fileName = fileName.join(df['market_cap'].columns[i].split('.')) + '.csv'
fileName
tempPrice.to_csv(fileName)