为什么只有1的人能坚持做量化投资?

樊承谋 2019-12-21 23:37:00

推荐回答

需要懂一些数学模型,比如统计分析、人工智能算法之类的,他的本质是利用数学模型分析数据潜在的规律寻找交易机会,并利用计算机程序来搜寻交易时机以及完成自动化交易。并没有现成的软件可以做这个,因为它需要一个搭建一个专业的平台,这不是一个人可以完成的。国内有一些软件,比如大智慧提供数量分析,还有一些软件提供股票、期货的程序化交易。但是实际上这并不是真正意义上的量化交易。事实上,做一款纯粹的适合个人投资者的量化投资软件,难度是非常大的,因为量化策略并不想传统的基本面、技术面那样存在已有既定的必然规律。他需要跨越多学科,多领域去挖掘数据的规律,然后利用得出的规律进行交易。但是不同时间、空间的数据的潜在规律并不一致,所以对量化过程进行标准化是一件很难完成的事情。如果是计算机或者数学专业的人士,可以考虑使用C、C++、SQL等语言,其他的可以使用MATLAB/SAS等软件。不管是哪一种软件,要实现量化交易,肯定是需要一定的建模基础和编程基础的,其中最重要的东西是数学能力。
车巧怡2019-12-22 00:38:21

提示您:回答为网友贡献,仅供参考。

其他回答

  • 《量化投资:策略与技术修订版》是国内少有的有关量化投资策略的著作。首先,介绍了量化投资大师西蒙斯的传奇故事。然后,用60多个案例介绍了量化投资的各个方面的内容,主要分为策略篇与理论篇两部分。策略篇主要包括:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易和资产配置等。理论篇主要包括:人工智能、数据挖掘、小波分析、支持向量机、分形理论、随机过程及IT技术等。最后介绍了作者开发的D—Alpha量化对冲交易系统,该系统全球市场验证显示具有长期稳健的收益率。官方电话官方网站向TA提问。
    边厚敏2019-12-22 00:22:01
  • 这三个概念有个共同词,就是量化,而量化就是用计算机语言来实现数学和统计模型来解决金融问题,因此区分三个概念只需区分金融、投资和交易。金融包括投资和交易,而两者广义上类似,但如果要细分,投资关注长期财富增长,手段是买入并持有;而交易关注短期获益,手段是频繁的买入和卖出。但大家基本上就把量化投资和量化交易当做一个意思,指的在买方私募或对冲基金用计算机语言来实现数学和统计模型用来交易。
    龙平久2019-12-22 00:10:50
  • 强烈的兴趣想做好一件事情没有兴趣也只是三天打鱼两天晒网,最后不得而终,因此需要培养对投资形成强烈的兴趣,每根K线的波动能够刺激你的心脏随之不断跳动。学习能力量化交易是一门跨学科知识,必须有快速地问题解决能力和自学能力,懂得锲而不舍不断专研的试错法。研究生已经具备了较好的学习能力。编程编程很重要,现在Python是标配,matlab、R拿来做量化的人真的不多。虽然不是做开发,但是基本的简单编程知识还是要会。想学Python和Pandas,推荐 Python基础教程 和 《利用Python进行数据分析》,想学编程知识,推荐 《代码大全》 ,这本书没有什么代码,不要为名字所迷惑,不过如果想成为编程高手的话,看了绝不后悔。看书一定要经典,不经典的书简直就是浪费生命,这三本书如果不想买,网上电子版肯定是很多的,话不多说。量化知识很多程序员开始转量化,但是金融知识和量化知识不够。经典的重要性在此显得更为重要,编程的书籍不看经典的我也能进步,可能会慢点,但是量化金融知识不看经典的书,那么可能就会南辕北辙,甚至影响到投资的整个生涯,不对,走偏了的话,就无生涯可谈。投资的基础知识,比如股票债券基础知识,先来看看滋维博迪的 《投资学想知道公募基金大佬如何做股票?李腾翻译的大作奉上,主动投资组合管理创造高收益并控制风险的量化投资方法原书第2版想知道私募基金怎么搞交易的?交易中有哪些技巧?以及如何在量化中走弯路?推荐范撒普的 通向财务自由之路 ,这可不是一本关于财务分析、会计理论的书籍,真正理解了里面的思想,资金管理、风险控制你就不会纠结。现在中产压力这么大,那么多人有中年职业危机,想知道怎么把交易当做全职?推荐埃尔德 以交易为生,他可是将自己如何转行交易,并以交易作为自己的终身职业的心历路程和盘托出。英语你可以不说英语、听不懂英语,但最好是要看的懂英语,编程的原生环境是英语,quora、stackoverflow、github也是要求英语阅读能力,要是想用机器学习、深度学习做量化,那么多paper\article都是英语,读不懂怎么做的好?本来是谈量化入门,但好像谈到量化进阶了。交易没有途径,实战是最好的方法。确实不行,模拟交易也可以。量化交易以思想为本,工具为用,路子不能走偏。快速迭代类似于实验,都是需要成千上万反反复复的检查、测试。在此,讲到了实验的快速开发和迭代,那么就顺便给个传送门:BigQuant-人工智能量化投资平台 .,人生苦短,一定要快速迭代,缩短策略开发生命周期。因为你的想法上千个,可能只有几个有价值。
    黄石全2019-12-22 00:01:21

相关问答

在投资目标上,是追求每年超越大盘10%的相对收益,还是不管大盘涨跌每年有10%的绝对收益?近期由于大盘震荡,投资者的投资收益比较波动,大众证券报读者群里常有朋友这样感慨:“涨起来不容易,跌起来怎么那么快,这一个月赚的钱几天就又吐回来了?”于是关于绝对收益VS相对收益,更倾向哪一个的讨论又再次引起热议。两种收益目标的背后,对应的是不同的投资理念、交易策略、资产配置方案。在网友“无风的季节”看来,相对收益是指只要比大盘跑得好就可以了,牛市的时候多赚点,熊市的时候少亏点;但容易在市场大幅下跌的情况下,回吐不少利润。绝对收益是指,无论大盘涨跌,也要用各种办法实现正收益。好处是不怎么亏,但牛市的时候则有可能比较难过。目的是理财的话,一定是绝对收益了,毕竟落袋为安。能做到每年10%的绝对收益,已经远远跑赢通货膨胀了,当然也就达到了理财的目的。关键是哪里有这样的投资渠道?”网友“云飞扬”问到,追求每年超越大盘10%,是很多投资的期望,但是作为普通投资者,保证本金的安全才是最重要的,要想做到每年超越大盘的10%比每年有10%的绝对收益来说更难。市场所说在上涨但是每年的波动不一样,要想做到每年超越大盘的10%是很难办到的,但是要想做到每年有10%的收益来说,努力努力还是有点希望。绝对收益才是真钱。无视大盘,炒股每年平均15%就非常好了;我自己每年8-10%就非常满意了,其实超过5就胜过了银行很多理财产品了。网友“不吃草的兔纸”说。个人觉得,熊市主要采取绝对收益策略,牛市要采取相对收益策略。在网友“牛短熊长”理解的相对收益是随企业不断成长相对取得的收益和牛市高估卖出的收益组合。而绝对收益则是不论牛熊以追求绝对正收益为目的投资方式。鉴于两者的目的不一致,因而投资人选择的投资理念,交易策略均不相同。他自己更看重企业自身的盈利能力,成长能力,可持续发展的能力,希望投资的收益伴随企业发展而增加,所持股票跟随企业成长而增值。收益应该是动态的,两个收益应根据风险的偏好不同有不同的选择。网友“无心于事”觉得不看好后面市场的投资者,那么就应该追求绝对收益,绝对收益适合相对稳健,保守,无法接受太大浮亏的投资者。而看好后面市场,那么应该考虑相对收益,相对收益则适合追求高收益,追求超越市场收益的,同时又能接受较大亏损的投资者。就他个人而言,他追求相对收益,能跑赢沪深300就行。自己的闲钱投资,要更看重相对收益,因为只要时间足够长,肯定是赚的;用的不是闲钱或者有使用成本的钱,则必须要更看重绝对收益,绝对收益率必须能够稳定的覆盖资金成本,否则就赔啦。网友“不怕鬼敲门”总结得简单明了。记者李忠官方电话官方网站向TA提问。
Python是非常适合做quant类工作的语言,本身就是科学计算方面的统治级语言,现在加入了IPython,pandas等重量级神器,为Quant类工作量身定做,而且仍在飞速发展中,以后会越来越重要。关于其他语言,首先介绍一下我自己最喜欢的一个比较小众的组合,Mathematica+Java/Scala。Mathematica的优点在于:本身提供函数式的编程语言,表达能力非常强大,比如Map/Reduce是标配,很多时候不需要去做烦人的for循环或下标控制,排版经常可以直接照数学公式原样输入,即直观又不容易写错;代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅,甚至还可以直接生成动画,对于找直观理解非常有帮助。他们也可以快速学习掌握一种像C++,Java这样的语言,实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担,另一方面一旦涉及到性能敏感的情景,他们对计算机体系结构缺乏理解的缺点就容易暴露,比如说很可能他们没有计算复杂度,内存碎片,cachemiss,甚至多线程等概念,导致写出的程序存在相当大的隐患。即使是计算机功底扎实,如果每天的工作需要在C++,Python,R/Matlab,甚至一众脚本语言之前来回切换,思维负担也会非常重,人的精力是有限的,很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模,专心做生产环境开发,要么远离生产环境,专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。如果深入思考这个问题,相信不难得出结论,对于Quant来说,C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上,它比更面向机器的C已经友好了很多,但是在计算机技术飞速发展的今天,如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据,不论你是想分析价格走势,成交量分布,还是波动性,第一件要做的事一定是画出图来看看,有一个直观认识。如果你的工具是C++,肯定有很多时间花在编译,调试,再编译的过程上,好容易能解析文件了,接下来怎么算移动平均?怎么算波动性?全都要自己写代码。再然后怎么画图?这整个工作流简直惨不忍睹,这些问题浪费掉你大部分精力,而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯,在决定是否要投资到这项重量级技术上时需要慎重,即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择,即能很好的完成建模工作,也可以训练一定的编程技巧,使你在必要时也能胜任一些简单的C++工作。最后同意@袁浩瀚,不要拘泥于语言,不论学习那一种,对其他的语言还是要抱有开放的心态。另外世界变化很快,你会发现单一的语言分类方式其实是没有意义的,每一门语言在发展过程中都会逐渐吸收其他语言的特性,比如Python本身就既有C/C++/Java那样命令式的特点,也有函数式的特点,像pandas甚至还提供类似SQL的使用方式,在其他语言或系统里也都或多或少包含了不同的特点,可以在学习过程里慢慢体会。
二审赢的几率要看你是不是能提供对你有力的证据。如果二审法院认为确实审判不当,很有可能发回重审。因为法院审判案件,以事实为根据,以法律为准绳为原则,因此,胜诉与败诉的问题,关键是看双方的证据是否能证据事实和诉讼请求。而且在我国法院结构中,依法改判仅是针对最高法院以外的地方法院和专门法院的一审判决而言的。并且本文所称的二审改判也只是沿用通说概念,并不意味着其是真正意义上的改判,而是续判,其改判的案件并非真正意义上的错案。一审法院判决是否正确,是以二审法院的认识和判断为最后的依据的。但是我们应看到这样一个事实,那就是如果没有上诉审,未生效的一审判决于15日后就会成为生效判决。这也就是说一审判决生效后的变更就更难了。以下情况二审会进行改判:1、二审人民法院经过审理,认为行政机关认定的事实清楚,适用法律正确,而一审人民法院虽认定事实清楚,但适用法律错误,对此,二审人民法院可以直接改判,维持行政机关的行政处罚。2、二审人民法院经审理认为,一审判决事实不清,证据不足,因而裁定撤销一审判决,发回一审人民法院重审。或者二审人民法院在审理中查明事实后,判处撤销原行政行为,并直接判处行政机关查清事实后重新作出行政决定。比如,某厂在报纸上刊登了注册商标的广告,但实际上商标并没有注册。行政机关依据商标法关于冒充注册商标的条款对其罚款,该厂不服,起诉。一审人民法院经审理认为,行政机关所认定的事实清楚,但适用法律有错误,应当适用广告法。扩展资料:《民事诉讼法》第一百七十条第二审人民法院对上诉案件,经过审理,按照下列情形,分别处理:原判决遗漏当事人或者违法缺席判决等严重违反法定程序的,裁定撤销原判决,发回原审人民法院重审。原审人民法院对发回重审的案件作出判决后,当事人提起上诉的,第二审人民法院不得再次发回重审。中国政府网-民事诉讼法。