量化交易也稱為演算法交易，是嚴格按照計算機演算法程式給出的買賣決策進行的證券交易。簡單的來講就是用把自己的投資想法用數理模型和計算機手段數量化的實現。

大家容易把量化交易與技術分析混淆，實際上量化交易的內容豐富的多。許多量化交易系統在進行建模和運算的時候會用到基本面資料，比如估值、市值、現金流等，還有的演算法將新聞作為變數進行計算。而技術分析基本只需要用到交易標的的量價資料。

一般投資者，在接觸交易時，一般採用主觀交易模式，根據個人對於盤面或者基本面的判斷來進行下單，容易受到客戶情緒因素影響，在接觸交易一段時間後，多數投資者會選擇指標來指導自己進行交易，然而由於這種模式下單仍然要經過投資者主觀過濾，如果操作不當，仍然會效果不理想。在經歷了主觀交易和指標交易的各種缺點後，轉型為專業投資者都會選擇量化投資，資料回測與系統紀律性讓投資者走向成功的路上事半功倍。

投資者在進行量化交易時，工具的選擇是多元化的，如圖2所示，基礎偏弱可以選擇通達信、博易大師等交易軟體，利用量化指標進行半自動交易，傾向於全自動交易者可以考慮運用文華財經、博易大師和交易開拓者等軟體進行模型的建立與最佳化，而要求更高的投資者可以運用基礎程式語言C++、MATLAB等構建具有個人特色的交易平臺。

量化交易是將市場中的歷史資料透過構建因子，透過選出“具有超額收益”的標的來賺錢的交易策略。離不開最新的數學和計算機理論的支援。

如果應用於股票市場的話，一般包括量化選股和量化擇時兩點。

選股模型主要包括：多因子模型、風格輪動模型、行業輪動模型、資金流模型、動量反轉模型、一致預期模型、趨勢跟蹤模型和籌碼選股模型。

擇時包括：趨勢擇時、市場情緒擇時、時變夏普率模型、牛熊線模型、Hurst指數模型、SVM模型、SWARCH模型和異常指標擇時等等。

量化投資的優點在於紀律性、系統性、及時性、準確性和分散化。

啥叫量化交易？量化交易，洋氣點叫Quantitative Trading。顧名思義，分兩個部分。量化，Quantitative。交易，Trading。量化是啥？量，就是數量，就是數的意思。化，就是變化，就是變的意思。那，量化就啥，量化就是把人感知到東西“變”成“數”，換句話說，就是用資料來描述現象和現象的規律。所以，量化從概念上沒啥複雜的，就是數學。數學是什麼，數學就是一套人定義世界發現規律的工具體系，人看到太陽，畫了個圓，量了下長度就有了直徑，看到了很多圓，發現了圓周率，有了幾何學，發現算起來太麻煩，畫了個象限圖，每點給一個座標，所謂解析幾何，發現不規則圖形也能這麼算，於是搞了微積分，甚至搞出了基於球面的非歐幾何，都是數學。交易是啥？交就是物件，易就是換，所謂trade，就是買賣。交易賺的，就是買賣之間的價差。能夠靠價差賺錢，首先這個東西要有人買有人賣，玩家多了，而且各個玩家心理價格不一樣，這樣才能夠一個價格從A那裡買，另一個價格到B那裡賣。玩家多到一定程度，就可以搞公開市場集合競價，大家一起報單，市場負責給你找對手，於是變成一個價格從市場買，一個價格到市場賣。還是一樣的，低買高賣就賺錢，高買低賣就虧錢。量化交易，就是用數學方法來指導買賣。數學指導買賣的核心就是算價格，儘可能算出價格的規律，儘可能準確預測價格變化，然後儘可能實現低買高賣。量化交易本身並不神秘，就像是看到太陽畫了一個圓，看到了測量出直徑一樣，也是數學一樣。運用量化手段本身門檻並不高，難的是，在什麼樣的市場上，運用什麼樣的方法，可以持續算出價格的規律，而且能夠在理想的價格上成交。所以，要實現有效的量化交易，要符合這麼三個條件：一、存在公開交易市場，對於所有交易者一視同仁，提供公允的價格；二、具有連續的價格，有穩定的可追溯的歷史資料；三、流動性好，可以實現有效交易。因此，量化交易比較適合運用在股票、期貨甚至數字貨幣這些有交易所的，流動性好的，歷史資料時間長，參與者門檻低的公開市場標準化合約的交易，在國債、遠期、REITS、ABS、收益憑證等參與者少，價格不透明的市場，用數學工具做做定價模型可以，做量化交易還是算了。

程式化交易員路過，量化交易是這樣的，比如常見的kdj金叉並kd值在20以下，才做交易，那電腦程式設計是這麼寫，當持倉=0 and kdj金叉 and k和d值小於20 然後買入多少數量。這個過程不是人去判斷，是電腦判斷。當kd值有時21，人可能根據市場情緒也會買入，但電腦它不幹。嚴格尊守。

量化交易，也有自動化交易，程式化交易，EA， 高頻交易，演算法交易等等，大致意思差不多，不同的領域可以叫法不一樣，譬如外匯市場大多叫EA。主要是把自己的交易系統透過計算機語言（Python ，matlab等等，很多）程式編寫實現出來，把這個程式和資料資訊（量價資訊，基本面，金融政策資訊等等）介面接上，透過在計算機或伺服器（現在大部分都是租一個雲伺服器）上執行，實時執行各種分析，選股，擇時，買，賣，加倉，減倉，止損止盈等等。這樣可以省去一些人力成本（人力分析慢，3000只股票得需要很對人天天），省去不必要的盯盤時間，一定程度規避情緒心理因素影響。一個完整的量化交易包括很多東西：1、資金管理或投資組合管理；2，選股，基於資料面的技術分析（均線，macd等等，太多了），基於基本面的分析（市盈率，財務報表等），基於經濟面的分析（財政及貨幣政策，經濟週期，行業週期輪動等），基於情緒面的分析；3，擇時也即建倉的時機，止損止盈，加倉減倉平倉等；4，交易記錄總結改進。當然還有別的很多內容。也有辦自動化的，譬如只採用分析做選股。這個東西老美搞了30多年了，國內搞了十幾年。可以瞭解一下大神西蒙斯和文藝復興基金。國內這幾年也出現很多平臺，還不是特別成熟，入聚寬，掘金量化等等，也有幾十個，可以關注一下。

量化交易（quantitative Trading）是利用數學、統計、計算機的模型和方法來指導在金融市場的交易，可以自動下單業可以半自動下單，這個不是核心，核心在於是不是系統化交易（systematic trading）。

比如主觀交易會看K線交易，量化交易業會，但區別在於量化交易可以在歷史資料上回測各種交易規則，找到表現好的，然後才用來交易。這或許會有過度擬合的風險，但也有一些方法克服。

如果交易規則太多，量化交易會想辦法組合起來，比如把它們濃縮成因子，然後用線性模型、非線性模型等組合起來，然後再進行交易。

如果創造因子的工作太困難，那麼量化交易可以藉助遺傳規模、決策樹、神經網路等自動生成大量因子，節省了人工生成因子的工作量，效率更高。

在克服過度擬合方便，傳統機器學習和統計學也提供了很多方法，比如交叉驗證、正則化、稀疏性、緩慢學習、滾動最佳化等等，一般都能比較好的克服。

數量金融也與金融工程領域重疊。後者側重於應用和建模，通常藉助於隨機資產模型，而前者除了分析外，還側重於構建模型的實施工具。總的來說，有兩個獨立的金融分支需要先進的定量技術：一方面是衍生品定價，另一方面是風險和投資組合管理。

量化交易簡單來說就是將自己的金融操作方式，用很明確的方式去定義和描述，透過程式去回測驗證，評估後確認方法具有交易優勢後，讓程式依照所設定的規則去執行交易。

量化交易開始於1980年代初，大型投資機構利用程式設計的方式將交易規則明確的以程式語言定義，將交易流程系統化，至今有大多數的對沖基金（hedge fund）用到量化交易。 在華爾街，傳統的主觀操盤手，將面臨淘汰的壓力，已經很少對沖基金利用基本面來選股了。

量化交易，不知道你聽過這個詞沒有，這是一個金融與計算機相結合的產物，是金融專家大顯身手的一種金融創新。有的人靠這個年入過億，也有人因為這個破產倒閉。今天，我們就一起來看一下，這個“量化交易”的通俗解釋是什麼?

1. 什麼是量化交易?

量化交易，是透過編寫軟體程式，實時監測市場交易情況，並且設定一些條件，一旦當市場交易情況滿足這些條件時就自動執行一些操作，比如買入、賣出等。

2. 量化交易的可能性

在早先的時候，都是交易員自己盯盤，根據市場動向來進行買入、賣出。但是人的精力是有限的，隨著金融市場的發展，股票也越來越多，一個交易員很難再靠自己去盯住這麼多股票的交易資訊。後來，隨著計算機技術的突破與發展，聰明的投行家們就想到了利用計算機來進行金融操作，只要設定好相應的規則，編寫好相應的程式，依靠計算機強大的資料處理能力，就可以輕鬆地進行市場操作了。

有了計算機還不夠，投行家們還需要研究出更好的交易規則才能實現輕鬆盈利，這些交易規則就是比如“當股票漲了1%，是該買入還是賣出”之類的。在有計算機之前，這項工作挺難的，因為需要進行大量的資料分析和計算;但當有了計算機之後，大量的資料分析和計算就可以由計算機去完成，於是這些金融專家就可以進行大量的資料試驗和分析，研究出更好更準確的金融模型，制定出更加有效的交易規則。

可以說，正是由於計算機技術的發展和金融理論的進步，量化交易才成為可能。

3. 量化交易和人工交易的區別是什麼?

現在，我們已經瞭解了什麼是量化交易和量化交易的產生，那麼很多人不禁就會有疑問：量化交易和人工交易的區別是什麼?

量化交易是根據歷史資料進行分析，總結出合適的買入賣出策略，然後利用計算機去進行操作，它肯定比人工買賣效率要高很多，而且能夠克服一些人性的弱點，嚴格按照事先訂好的規則執行，不會像人一樣害怕割肉損失，也不會太貪捨不得賣出。

但是，量化交易雖然看上去很好，但是也存在著很大的風險。

首先，量化交易因為是計算機自動執行，所以相關的軟體程式必須經過嚴格、細緻、完全的測試才能正式使用，否則一旦軟體出現問題，就很可能給使用者帶來意想不到的損失。

2013年的光大“烏龍指”事件，就是其中的一個典型例子。2013年8月16日，光大證券的投資策略部的量化交易自動套利系統出現問題，導致重複下單，買入了72.3億的股票，如此大的買單導致股價大漲，觸發了很多量化交易的條件，一下子又導致了300多億的資金入場，幾分鐘之內上證指數就拉昇了100多點，59支權重股瞬間漲停。這個事件不僅給整個金融市場帶來了風險，給光大證券也帶來了巨大的風險，因為光大當時並沒有那麼多的流動性資金來支付那麼多股票的買入，如果不能及時籌措到資金，光大證券面臨的將是生死存亡的問題。最後，光大證券雖然透過做空鎖定了風險，但被證監會認定為內幕交易，處以鉅額罰款，多個負責人被免職並終身禁止進入證券市場，而光大證券的股價也大幅下跌。

其次，量化交易把金融市場當作一個穩態結構，然後從歷史資料中挖掘規律，利用高槓杆賺取利潤。但是金融市場歸根到底是人的市場，而人性是不可預測的，黑天鵝事件是有可能發生的。歷史上曾經有一家非常厲害的公司叫長期資本管理公司，它旗下包括兩位諾貝爾獎得主和一個美聯儲的副主席，被譽為量化交易屆的一面旗幟。1998年，俄羅斯盧布大幅貶值，大家在市場上紛紛拋售俄羅斯債券，但長期資本管理公司的模型假設裡認為俄羅斯這樣的大國是不可能賴賬的，依據量化交易策略，他們不但不拋售，反而大量買入俄羅斯債券，等著市場反彈大賺一筆。結果1998年8月17日，俄羅斯發表宣告不再償還任何債務，長期資本管理公司一天就虧掉幾億美金，一個月之後就被迫清盤了。

由此我們可總結出：一方面，量化交易在資料探勘和科學決策方面有有優勢;但另一方面，量化交易也有自身的侷限，尤其是在應對突然的規律變化時，會面臨更大的風險。量化交易和人工干預相結合，也許才是更好的選擇。

量化交易就是程式化交易，就是機器人根據設定好的買賣點自動進行交易，沒有任何情緒化的影響。

隨著各行各業自動化的發展，炒股也進入了一個機器人自動交易的情景，這個新事物看似有點突然但其實仔細一想，這是也是具有時代的必然性的，但是鑑於股票交易這個特殊行業，其到底適合不適合還需要實踐的檢驗。隨著計算機程式的發展，電腦進行自動化交易只需要程式設計師編寫一個程式，當然這對於程式設計師來說是一個挑戰，但是以目前的文化水平完全可以做到。

股票市場有其特殊性，他不是簡單的玩輸贏的遊戲，他的發展是能左右公司發展和社會經濟發展的，因此，對於炒股不能做簡單的格式化程式。股價的設計是能反映公司發展的現狀和前景的，不是簡單的去做買賣差去賺錢的。因此，有些事情不能簡單的去做，而應該讓其保持股市發展的初衷和本色。

舉個粟子：

粟子1：普通表述：趨勢向上做多

粟子1：量化：均線a位於均線b上方做多

粟子2：普通表述：跌破支撐就賣出

粟子2：量化：跌破n期最低點就賣出

粟子3：普通表述：漲得太高了就賣出

粟子3：量化：漲到xxx價格就賣出

計算機只認識1或0，不認識可能、大概、感覺這些模糊的概念，所謂量化就是用數學的方法把條件清晰地表述出來，計算機再根據這些條件執行相應的操作