關於量化交易系統高不高明的問題，其實，也是個仁者見仁智者見智的問題。首先，交易頻率這一塊來說，現在國外最先進的交易系統，交易週期最小已經到了微秒級別 (一微秒等於百萬分之一秒)，超低的延遲和響應，基本和交易所資料同步。其次，交易策略這一塊用到了大量的數值計算、機率統計和深度學習。最後，交易次數。每天的交易總次數達到10萬次以上。因為從我們統計學角度來看，只有達到這個次數，每天賺錢的機率才能達到99.9%。大家可以參考一下美國騎士資本的案例，瞭解一下高頻交易的賺錢能力和潛在風險。
在投機市場，我們交易的級別越小，噪音就越多，我們對噪音處理和控制的能力，就需要越強。而且最核心的問題是用到的交易級別越小而資料量越多，那我們的系統穩定性就會變差。國內現在很多的高頻策略，基本上用到半年左右就會失效。說白了，高頻交易策略的同質化很嚴重。最後比拼的是交易成本、傳輸距離以及硬體。
量化投資涉及很多的數學、計算機和統計學方面的知識。總的來說，我們現在主流的量化方法包括人工智慧、資料探勘、支援向量機和隨機過程等。
舉例來說下人工智慧，人工智慧是研究使用計算機來模擬人的某些思維過程和智慧行為的學科，它類似於人腦的智慧計算機，讓計算機能實現更高層次的應用，涉及到科學，心理學，哲學，語言學的學科，可以說是自然科學和社會學科的所有學科。從思維觀點來看，人工智慧不僅限於邏輯思維，它還可以考慮影象思維，靈感思維等等。數學被認為基礎學科，因此人工智慧學科必須借用數學工具。數學不僅在標準邏輯、統計分析等方面發揮巨大作用，進入人工智慧科學以後，能促進其更快發展。
人工智慧在國內還處於深度學習階段，大家知道人工智慧是用資料來驅動的，人工智慧需要用到海量資料，這個資料量級可以說是百萬級別的。中國金融市場的電子化交易還不到30年，人工智慧研究能用到的資料量不多，並且交易所對資料的使用也是管制的。人工智慧應用於金融市場交易還待大家來共同開發。
目前筆者主攻演算法交易。祝投資順利!
關於量化交易系統高不高明的問題，其實，也是個仁者見仁智者見智的問題。首先，交易頻率這一塊來說，現在國外最先進的交易系統，交易週期最小已經到了微秒級別 (一微秒等於百萬分之一秒)，超低的延遲和響應，基本和交易所資料同步。其次，交易策略這一塊用到了大量的數值計算、機率統計和深度學習。最後，交易次數。每天的交易總次數達到10萬次以上。因為從我們統計學角度來看，只有達到這個次數，每天賺錢的機率才能達到99.9%。大家可以參考一下美國騎士資本的案例，瞭解一下高頻交易的賺錢能力和潛在風險。
在投機市場，我們交易的級別越小，噪音就越多，我們對噪音處理和控制的能力，就需要越強。而且最核心的問題是用到的交易級別越小而資料量越多，那我們的系統穩定性就會變差。國內現在很多的高頻策略，基本上用到半年左右就會失效。說白了，高頻交易策略的同質化很嚴重。最後比拼的是交易成本、傳輸距離以及硬體。
量化投資涉及很多的數學、計算機和統計學方面的知識。總的來說，我們現在主流的量化方法包括人工智慧、資料探勘、支援向量機和隨機過程等。
舉例來說下人工智慧，人工智慧是研究使用計算機來模擬人的某些思維過程和智慧行為的學科，它類似於人腦的智慧計算機，讓計算機能實現更高層次的應用，涉及到科學，心理學，哲學，語言學的學科，可以說是自然科學和社會學科的所有學科。從思維觀點來看，人工智慧不僅限於邏輯思維，它還可以考慮影象思維，靈感思維等等。數學被認為基礎學科，因此人工智慧學科必須借用數學工具。數學不僅在標準邏輯、統計分析等方面發揮巨大作用，進入人工智慧科學以後，能促進其更快發展。
人工智慧在國內還處於深度學習階段，大家知道人工智慧是用資料來驅動的，人工智慧需要用到海量資料，這個資料量級可以說是百萬級別的。中國金融市場的電子化交易還不到30年，人工智慧研究能用到的資料量不多，並且交易所對資料的使用也是管制的。人工智慧應用於金融市場交易還待大家來共同開發。
目前筆者主攻演算法交易。祝投資順利!