量化交易需要哪些(量化投資都需要哪些數(shù)學(xué))

1.量化投資都需要哪些數(shù)學(xué)基礎(chǔ)知識(shí)

既然說到用數(shù)學(xué)模型，那數(shù)學(xué)和統(tǒng)計(jì)學(xué)的知識(shí)是必不可少的。由于國(guó)內(nèi)金融市場(chǎng)尚不完備，一些衍生品交易受到限制，所以相較國(guó)外市場(chǎng)，能用到的數(shù)學(xué)/統(tǒng)計(jì)學(xué)知識(shí)也要少一些。對(duì)于非理工背景的投資者，需要補(bǔ)充基礎(chǔ)的高等數(shù)學(xué)，線性代數(shù)，概率論，統(tǒng)計(jì)學(xué)，最優(yōu)化理論等等學(xué)科的知識(shí)，這些內(nèi)容可以在高校教科書中找到。對(duì)于一些新興的利用機(jī)器學(xué)習(xí)的交易策略，還需要了解一些數(shù)據(jù)挖掘的知識(shí)。但既然是入門，這部分自然不是必要的。

另外，計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用尤其廣泛。進(jìn)行策略研究時(shí)經(jīng)常要面對(duì)大量的時(shí)間序列、面板數(shù)據(jù)。雖然在實(shí)踐過程中更加注重策略結(jié)果，只要能賺錢的策略就是好策略，但在嚴(yán)謹(jǐn)?shù)挠?jì)量理論的支持下，回歸結(jié)果更準(zhǔn)確，能更好的刻畫數(shù)據(jù)背后的關(guān)系，故往往更容易得到與預(yù)期相近的結(jié)果。其中，時(shí)間序列回歸與截面、面板回歸的邏輯與假設(shè)均有較大區(qū)別，且廣泛用于刻畫及預(yù)測(cè)金融資產(chǎn)的收益，波動(dòng)。計(jì)量經(jīng)濟(jì)學(xué)的書籍推薦伍德里奇的《計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論：現(xiàn)代觀點(diǎn)》；時(shí)間序列推薦布魯克斯的《金融計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論》。

想學(xué)量化交易？做好這五點(diǎn)準(zhǔn)備 /main/viewthread.php?tid=346169

2.量化交易如何入門

很好入門，多學(xué)多看。

學(xué)習(xí)量化交易，一定要理解它的風(fēng)險(xiǎn)性從何而來。

首先是一二級(jí)市場(chǎng)“級(jí)差”風(fēng)險(xiǎn)，其次是交易員操作風(fēng)險(xiǎn)，最后是系統(tǒng)軟件的風(fēng)險(xiǎn)。

第二種風(fēng)險(xiǎn)是交易員操作失誤。這同時(shí)也牽扯到第三種風(fēng)險(xiǎn)，系統(tǒng)軟件風(fēng)險(xiǎn)，每個(gè)交易員在系統(tǒng)中都有相應(yīng)的交易權(quán)限，包括數(shù)量、金額。

有個(gè)業(yè)內(nèi)資深人士帶路會(huì)事半功倍，尤其對(duì)金融愛好者而言，一些理解上的細(xì)微偏差，都可能導(dǎo)致整體概念上的錯(cuò)誤認(rèn)識(shí)。

比如我就是通過資深人士帶著入門的。除了學(xué)習(xí)量化收益，還學(xué)了很多投資理財(cái)方面的知識(shí)，有各種理財(cái)偏好，每個(gè)群體對(duì)應(yīng)了不同的投資類型……推敲過后，我選擇了無界財(cái)富，因?yàn)樗麄冿L(fēng)控模式可以看出，比如國(guó)有金融機(jī)構(gòu)風(fēng)控、銀行存管這些，比較穩(wěn)健的方式。

所以說，他不僅是學(xué)我習(xí)量化交易的前輩，還是我理財(cái)?shù)娜腴T引導(dǎo)人，他多次提醒我們不要盲目跟風(fēng)，以自己的風(fēng)險(xiǎn)承擔(dān)能力來選擇。如果偏好穩(wěn)健的方式，同樣可以選擇無界財(cái)富這類穩(wěn)健平臺(tái)作為入門。

3.如果從零基礎(chǔ)開始學(xué)量化投資,需要學(xué)哪些

首先，對(duì)于這個(gè)行業(yè)要有所了解，當(dāng)然必備的K線知識(shí)是絕對(duì)不能少的里面的內(nèi)容能很形象的講述K線形態(tài)的特性，在不同的市場(chǎng)情況以及技術(shù)面基本面情況下，K線的基本形態(tài)以及組合形態(tài)都能給與不同程度提示。

然后，結(jié)合K線基礎(chǔ)通過一些實(shí)例來具體將該技術(shù)進(jìn)行應(yīng)用，這樣在后面實(shí)際的操作實(shí)戰(zhàn)中則會(huì)有很好的作用，當(dāng)然我剛才說的情況是在具體實(shí)戰(zhàn)應(yīng)用中的，結(jié)合該書會(huì)有事半功倍的效果。

第三，在以上有基礎(chǔ)有實(shí)例的情況下大概學(xué)習(xí)3-6個(gè)月逐漸的適應(yīng)該應(yīng)用機(jī)制，那么后期做單則會(huì)更為穩(wěn)重，注重理論與實(shí)踐結(jié)合的效果。

第四，在形成自己的投資風(fēng)格與投資理論前應(yīng)該有相應(yīng)的專業(yè)語(yǔ)言來進(jìn)行支持，這樣計(jì)劃有助于給和相關(guān)理論工具給具體投資以相應(yīng)準(zhǔn)確的指導(dǎo)。

第五，當(dāng)做這個(gè)大約有9個(gè)月時(shí)，通過相應(yīng)的書籍形成自己的投資風(fēng)格與投資理論，后期會(huì)逐步職業(yè)化與專業(yè)化，當(dāng)然這是我個(gè)人的看法，這個(gè)過程中有相應(yīng)的具體的工具理論與知識(shí)。

4.量化投資入門需要掌握的基礎(chǔ)金融量化模型有哪些

由于國(guó)內(nèi)金融市場(chǎng)尚不完備，一些衍生品交易受到限制，所以相較國(guó)外市場(chǎng)，能用到的數(shù)學(xué)/統(tǒng)計(jì)學(xué)知識(shí)也要少一些。對(duì)于非理工背景的投資者，需要補(bǔ)充基礎(chǔ)的高等數(shù)學(xué)，線性代數(shù)，概率論，統(tǒng)計(jì)學(xué)，最優(yōu)化理論等等學(xué)科的知識(shí)，這些內(nèi)容可以在高校教科書中找到。對(duì)于一些新興的利用機(jī)器學(xué)習(xí)的交易策略，還需要了解一些數(shù)據(jù)挖掘的知識(shí)。但既然是入門，這部分自然不是必要的。

感受資產(chǎn)累積的愉悅，體驗(yàn)深謀遠(yuǎn)慮的滿足。游俠股市，智慧與謀略的虛擬股市，讓您的智慧不再寂寞。

5.做好量化交易需要具備什么

心態(tài)、內(nèi)功非常重要，最重要的是工具和策略原學(xué)?；弁顿Y法（又名原學(xué)道行投資法）原學(xué)博大精深，原學(xué)不僅是出世的學(xué)問，也是入世的學(xué)問！原學(xué)不僅研究“道”，也研bai究“術(shù)”！不僅研究“體”，也研究“用”。

原學(xué)是“體”與“用”結(jié)合最好的世間學(xué)問！du原學(xué)無用無不用！原學(xué)用于投資，獨(dú)創(chuàng)原學(xué)福慧投資法（原學(xué)道行投資法），就是“體”與“用”充分結(jié)合的最好例證！俗話說：“zhi小隱隱于野，大隱隱于市”。我們?cè)瓕W(xué)還要加一句：“超隱隱于投資”！投資市場(chǎng)（股票、期貨、期權(quán)等）存于世間幾百年時(shí)間，不乏很多有效的方法，但是成功者卻寥寥無幾，乏善可陳。

其根本原因不在于投資方法的是dao否有效，而在于投資者的“心”！在于投資者在投資過程中如何有效地控制住“本我”，做到投資過程中不起心不動(dòng)念！這比學(xué)習(xí)證券投資方法要難上千倍！原學(xué)福慧投資法（原學(xué)道行投資法）不僅教大家最有效的證券投資“術(shù)”，還要花更多的時(shí)間教大家證券投資“道”，教大家“內(nèi)投資禪”，提高投資者的道行，在物欲橫流的投資中禪定，在禪定中投資！容保證投資者在投資賺錢的過程中還能“明心見性”！最終還能將投資利潤(rùn)回饋社會(huì)，兼濟(jì)天下，天下為公。

6.學(xué)習(xí)量化投資和程序化交易都要學(xué)習(xí)那方面的內(nèi)容

計(jì)算機(jī)、數(shù)學(xué)、金融， 這三種知識(shí) 是必須的，其中計(jì)算機(jī)主要的是編程技術(shù)，數(shù)學(xué)涵蓋的比較多，有統(tǒng)計(jì)、數(shù)學(xué)建模等，金融方面需要有最基礎(chǔ)的金融知識(shí)（證券交易方面）。

再者就是找一個(gè)好的量化平臺(tái)了，以前的都是程序員，也是寬客，自己寫代碼，寫軟件編寫平臺(tái)，接入交易所進(jìn)行量化交易，但是這樣需要有比較高的編程技術(shù)。由于底層協(xié)議比較復(fù)雜，往往很費(fèi)力費(fèi)時(shí)。

不過現(xiàn)在有了很多 客戶端的軟件，網(wǎng)絡(luò)的平臺(tái)比如 BotVS 量化平臺(tái)，這些都把底層很好的封裝，有統(tǒng)一的操作接口，量化學(xué)習(xí)者只用把精力放在 量化策略、模型、數(shù)據(jù)分析上了。大概就是這樣。