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！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

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！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