所謂“量化交易”產品，通常就是由基金管理人制定一個選股模型和交易策略，然後交給AI機器人執行該策略並自動進行操作的私募產品。各家的策略基本上大同小異，選股錨定“熱門高成長賽道+高成交量龍頭+技術趨勢向上”，每天盯著分時線買進賣出，執行“高拋低吸”賺取微小差價。這一萬億規模的私募產品，哪怕每天只有五分之一倉位進行交易，一買一賣都有4000億了。如果半倉滾動操作，“打出萬億成交量”也並非不可能。事實上，排名前10的個股，成交均突破了百億，而成交前20個股就消耗掉千億資金，這樣的個股成交額，絕非散戶和公募所為，主力都是量化私募。近期成交量明顯放大，因為“量化私募”產品發行開始加速了。以前的銀行理財使用者，本來都是去買公募基金的，但這半年，除了新能源等少數主題，絕大部分公募基金產品表現不佳，尤其是那些重倉醫藥大消費的，有的甚至虧損超過20%。這對風險厭惡型的固定理財使用者來說，是不能接受的。而量化私募產品的出現，恰恰滿足了這部分使用者的需求。量化產品，普遍執行穩健保守的“指數增強”交易策略，緊盯高成交量賽道龍頭，盤中看到機會就上去咬一口，止損止盈堅決迅速，稍有風吹草動就跑。因此回撤較小，在當前整體牛市趨勢的情況下，年收益率超過10%或者20%，也比較容易實現。尤其是今年這種賽道股行情，量化產品收益都很不錯，媒體報道稱某頭部量化私募的一款產品，今年收益率超過了40%。回撤較小+收益穩定”的特性，吸引固定理財使用者搶購；由於每天都交易，佣金可觀，券商營業部也樂於推薦給散戶購買；部分有實力的基民（百萬門檻），也開始贖回公募基金，轉投量化私募的懷抱。主流資金贖回白馬公募，搶購量化私募，是平安格力跌跌不休，以及賽道龍頭漲上天際的主因。量化策略，最講究順勢而為，是不會購買下降趨勢股票的（平安這種，視之為草芥）。而上升趨勢一旦形成，機器人就會沿著5日線10日線滾動出擊，比如特變電工，愛康科技和西藏礦業近期的K線圖形。量化基金的策略同質化很嚴重，帶來的結果就是趨勢被超級強化。

量化私募的火爆發行，近期有加速的趨勢，這也是成交量急劇放大背後的推手。因為對比公募產品，短期的賺錢效應更佳，而散戶歷來都是喜歡追漲殺跌的。但令人意外的是，這幾天有多家百億量化私募，曝出封盤拒客的訊息，旗下量化產品也不再接受申購。這些百億私募，是主動閉門謝客，還是受到了監管層的視窗指導？

中國式監管，向來是“穩定”優先，“防範系統性風險”優先的。成交量大是好事，有利於擴大直接融資。但凡事過猶不及，1.7萬億尚可接受，2萬億呢？若2萬億成為常態，肯定會有人坐不住了吧？機器人執行量化交易，已經被證明能強化向上趨勢，但向下呢？誰能說的清楚？

量化交易，一般來說都是指透過嚴謹而複雜的數學或統計學模型，藉助計算機輔助，透過對大量歷史資料進行分析，選擇大機率上具有超額收益的投資方法。

雖然量化交易在執行層面具有很強的客觀性，但本質上，其策略思想、投資邏輯、市場選擇，甚至何時啟動何時停止等，都是由投資者事先選定的，所以簡單來說，量化交易也是一種很強的主觀性策略。

最前沿的機器學習策略思想，有望改善這一點。

具體怎麼開發量化交易系統？分為以下三大步驟：

尋找成功的量化交易策略，是構建量化交易系統的基礎。

1、經典理論

技術分析的理論基礎、道氏理論、圖示簡介、趨勢的基本概念、主要反轉形態、持續形態、交易量和持倉興趣，長期圖示和商品指數、移動平均線、擺動指數和相反意見、日內點數圖、三點轉向和最佳化點數圖、艾略特波浪理論、時間週期等等。

2、邏輯推理

3、經驗總結

量化策略團隊和經驗交易者合作，將交易者豐富的實戰經驗以量化的思路發展到量化策略中，這類是目前市場的主流。

4、資料探勘

透過對高緯度的資料進行分析整理，把量化思路提升到一個應用層次，將一些隱藏在高緯度資料中的規律和資訊挖掘出來，最終形成量化交易系統。

挖掘模型：分類模型、關聯模型、順序模型、聚類模型等。

挖掘方法：神經網路、決策樹、聯機分析處理、資料視覺化等。

這個不適合一般人。。

5、機器學習

這是神仙級別，研究計算機怎樣模擬或實現人類等學習行為，以獲取新的知識或技能，重新組織已有的知識結構，使之不斷改善自身的效能。

資料庫所需資料主要包括：基本面/財務資料、交易資料、以及行業/板塊/市場相關的指標資料等。

1、收集資料：

確保資料的準確性和一致性。

2、資料庫架構的設計：

資料庫的廣度和深度決定了量化策略的豐富程度，也決定量化交易系統的可靠性。

3、演算法函式的整合

使用的函式包括：簡單通用函式、數值分析、統計、資料訪問等；還包括到端資料庫搭建整合等人工智慧類演算法：遺傳演算法、蟻群演算法、支援向量機演算法等。

至少需要四個模組：

1、資料輸入模組

負責引入外部的任何可以作為決策依據的資料，並按照投資分析和決策的需要，按照固定的格式組織起來，構建成可以支援投資決策的資料集合。

2、策略實現模組（量化交易的核心）

策略實現模組內部分為：策略思想的確立、交易模型的構建、交易模型的檢驗、交易模型效果的歷史回測與外延測試、交易模型的上線交易、交易模型一致性評估和效果評估等。

3、交易處理模組

負責交易的組織和交易結果的反饋

4、風險控制模組

負責全部量化交易過程中的監控和管理。

對交易量會有什麼影響？

成熟的量化交易團隊越多，交易量就越大；但如果大家主觀交易思路一致，會讓市場波動趨於平坦，套利機會越來越少。

量化交易的操作頻繁人為失誤，會出現多多的烏龍指事件。