量化交易入门保姆级手册
其他 ·
量化交易入门保姆级手册
来自：
生财有术
2024年04月17日08:02
这个主题，我在生财搜索了一下，没有任何一个人分享过。但众所周知，用钱生钱是最快速的一种生财方法。作为一个谈钱的社群，怎么就没有一个人分享量化投资呢？那就让我来开这个先河。需要声明一下，不是看完本文就能学会量化，而是给到你一个最简路径，去学习量化。
什么是量化投资？普通人投资凭感觉，但是，全球大部分的基金，都已经是量化基金了。通过数据分析、回测，能够做出更有效的投资策略，跑赢大部分人。
以下是百度百科的定义：量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。从全球市场的参与主体来看，按照管理资产的规模，全球排名前四以及前六位中的五家资管机构，都是依靠计算机技术来开展投资决策，由量化及程序化交易所管理的资金规模在不断扩大。
量化投资难不难？我觉得如果你数理逻辑好，其实是比较容易上手的。做量化，需要2条腿走路，1条腿是写代码的能力，我学习了3个月左右，但我会把量化常用的一些代码模块告诉你们，精简之后，也许学习2周-1个月就能入门了；而另1条腿，是策略，优秀的策略大家都敝帚自珍，我会分享一些常用策略，而更优秀的策略，需要你自己来打磨。
一、代码的入门
我使用的是python，也是最容易学的语言。我是看《Python编程——从入门到实践（第2版）》这本书自学的。书中需要学习的部分，我给大家圈出来了，其余部分在量化交易上没什么用。
第1-8章全部内容：共139页，基础知识，必须学。
第9章使用的情况很少，快速看一下知道干嘛的即可。第10章全部内容：共22页
第15章15.1-15.2.3：共5页，用来画图表的，快速过一下即可，如果你不需要画图来直观看收益，也可以不看。第16章16.1：共14页，这个需要学一下。
第17章17.1：共7页，API必学。
附录A、附录B：共9页，必看。
所以444页的书，你总共需要学的也就196页，连一半都不到。
二、数据获取
如果是做A股，数据可以在JoinQuant获取：https://www.joinquant.com/default/index/sdk非常简单，三行代码即可获取，可以申请免费试用。
如果是美股、虚拟币，每个平台都有api文档，举两个例子。
老虎证券：https://quant.itigerup.com/openapi/zh/python/overview/introduction.html
OKX：https://www.okx.com/docs-v5/zh/#overview
仔细观察上图数据可以发现，最重要的7个字段：time、open、close、high、low、volume、money，分别对应了K线开盘时间、开盘价、收盘价、最高价、最低价、成交量、成交金额，基本上有了这7个数据，我们就可以做任何分析了。
三、数据处理
1、首先我们需要计算指标，我们经常会用到的库叫talib，这个库不能在线安装，需要自行搜索talib的whl文件，然后pipinstall本地文件路径进行安装。
安装好后，几行代码就能轻松计算指标，比如macd，我给个示例。
如果是一些talib不支持的指标，那么需要自己手动计算，比如日本K线图，我也给个示例。
2、很重要的一点，其实我们无论是回测，还是交易，其实都是在对一张表格进行处理，在python里，用的是pandas库，表格被称为dataframe。上文推荐的学python的书，没有讲到这一块，所以需要补充学一下这个。可以参考这篇文章：https://blog.csdn.net/suiyingy/article/details/119768140另外，我使用dataframe，经常要用到的功能如下，可以自行搜索使用方法，其实写代码就是这样，我也是遇到不会的或者忘记的，就去搜索一下对应的方法怎么使用，而并不是一步登天，全部都学会，或者都记在脑子里：
varnothingloc()函数和iloc()函数：用来取表格里的数值，或者修改表格里的数值，这两个是有区别的，一定要搞清。
varnothingset_index()函数和resetindex()函数：用来设置表的索引，以及重置表的索引，非常重要，因为没有索引就无法定位到表格内数据具体的位置。
varnothingnumpy.where()函数：需要引入numpy库，用来对符合条件的特定值，进行修改。
varnothingastype()函数：用来修改数据的格式，改成int、float、str等等。
varnothingdrop()函数：舍弃某行或某列。
varnothingsort_index()函数和sortvalues()函数：根据索引或者内容来排序。
varnothingrename()函数：重新命名行或列。
varnothingread_csv()函数和to_csv()函数：从csv文件载入数据，将数据保存为csv文件。
varnothingmerge()函数和concat()函数：都是将2张表拼接，不同的是merge是根据某一字段来拼接，concat是直接拼起来。
varnothingcopy()函数：复制一张表。
varnothingdropduplicates()函数：去重。
varnothingpct_change()函数：计算百分比变化。
varnothinggroup()函数：分组。
四、策略回测
什么是回测，回测就是拿历史数据，来验证你的策略，看历史数据跑出来，你策略收益情况如何，只有回测数据好，
才有进行实盘的必要。
但回测要注意很多地方，以下这几条非常重要，要反复读反复看背出来：
1、历史数据只代表历史，不一定代表未来，一定要明白这件事。我们只是通过数据分析，在做一件大概率的事情。
2、策略的容量是多少，假如你回测的标的整体市值很小，单位时间的交易金额也很小，当你投入大资金的时候，直接会影响它的价格波动，这时候策略会失效。同样的，一个策略，用的人多了，也会失效。
3、如果一个策略回测结果很完美，大概率是你过拟合了。我估计每个做量化的人都犯过这样的错，就是通过调整各种参数，会出来很完美的回测曲线。但上了实盘就会被吊打。
4、回测的时候，要把手续费考虑进去，很多策略没手续费一飞冲天，算上手续费就是垃圾。
5、回测的时候，要把爆仓风险考虑进去，很可能2根K线收盘价-收盘价还是盈利的，但是按最低价会爆仓，如果不加以考虑，那么实盘会死很惨。
6、回测周期要足够长，并且每一段的表现是相对稳定的，否则不能证明策略有效性，也无法穿越牛熊。
7、不要迷信单一的数据，比如说胜率很高，但是每次盈利金额很小，每次亏损金额却很大，那么一旦实盘你无法保证这个胜率，很可能死得很惨；比如说胜率很低，每次盈利金额很高，每次亏损金额很小哦，那么一旦实盘你盈利的时候吃不到那么多利润，也会死得很惨。一定要综合去看所有的情况。
8、通常，回测要看以下数据，胜率、平均每次盈利百分比、平均每次亏损百分比、总的平均盈亏百分比、连续盈利次数、连续亏损次数、夏普比率、最大盈利百分比、最大亏损百分比、年化收益率、年化收益/最大亏损百分比。
9、不要开天眼用到未来函数，比如某个指标，是根据500条K线算出来的，假如你先算指标，再用for循环一行一行去运行，那么运行到第400行的时候，他是依赖过去的400行+未来的100行算出来的，等于已经开了天眼。开了天眼，回测结果当然很好了。
10、再说一遍，不要迷信回测结果，它只代表历史，历史会重演，但如何重演不一定。
下面贴一段我回测的代码，仅供你参考，不构成任何投资建议，不保证盈利。
五、实盘操作
实盘的时候，美股、虚拟币都有API，可以直接交易。如果你要交易A股，需要下载电脑版的类似按键精灵的软件，让代码控制按键精灵去交易，就是模拟鼠标的点击行为去买卖。
实盘的时候要注意以下事项：
1、实盘和回测是不同的，要处理好各种报错的情况。如果容错不行，会死很惨。
2、如果有模拟盘，可以先操作模拟盘，再操作实盘。
3、小资金测试，稳定了再上大资金。尤其是有些策略无法回测的，更要先用小资金。
4、注意API的限速，不要过度请求了。
5、高频的量化和中低频的量化是2个领域，刚入门别碰高频，非常依赖硬件、网络，需要优化到ms级别，可能也不适合用python来交易，这一块具体我也不懂。
6、不要迷信别人的策略，外面有很多租策略的，但他不会告诉你策略的原理，有些策略过拟合，有些策略用到了未来函数。即使这样的情况都没有，策略对你来说也是黑盒，也可能有黑天鹅的情况发生。我自己也中过招，一开始一直写不出好策略，就去租别人策略，然后爆仓了。
7、控制好杠杠倍数，这太他妈重要了，在生活中，一件事我觉得有80%把握就行了，100%是浪费资源，但是，投资你要做到120%安全，爆仓就归零了。而且，举个例子，虚拟币平台，比如你开100倍杠杠，并不是跌1%你就爆仓，他为了防止穿仓风险，是提前强平的，他要预留一部分保证金，而且这个保证金他是没收的。在这种情况下，你开的杠杠越高，爆仓风险不是匀速递增的，而是加速递增的，开100倍杠杠，跌.0.5%就会爆仓。
8、有些平台是能分多账户运行的，比如虚拟币平台，那么如果你跑多币种、多策略，建议分账号运行，会大大降低策略的难度。尤其是不要作死，在一个py文件下，写多个策略，难度几何级上升。在一个文件下，写多币种策略，也把我搞得半死不活。
9、一定要做好止盈止损，见过太多人，入场时机选得很好，但会做止盈不会做止损，或者会做止损不会做止盈，不会止盈止损，你永远无法盈利。
下面贴一段我实盘的代码，仅供你参考，不构成任何投资建议，不保证盈利。
六、策略介绍
这里我介绍一些常见的策略，只是做个科普，并不保证盈利。
1、定投策略：定投顾名思义，就是固定每天/每周/每月对一个标的进行投资，其实定投手工也能完成，为什么需要量化呢？因为量化可以对定投做优化，比如当价格低于近N天均价时，我们加大定投金额；当价格高于近N天均价时，我们降低定投金额。
2、择时策略：其实大部分的策略，都是择时策略，我们选择在某个指标发出信号的时候买入做多（比如macd金叉），在某个指标发出信号的时候卖出（比如macd死叉），这用代码是很容易完成的。
3、套利策略：比如期现套利、跨期套利，利用期货和现货、不同期的期货之间的价格差，进行套利，因为期货和现货的价格是不同的，但随着期货临近交割日，他会越来越接近现货价格，这中间就有套利空间；比如三角套利，外汇使用得比较多，假如美元兑人民币、人民币兑英镑、英镑兑美元之间，有价格差，就有套利空间，这种空间稍纵即逝，几乎不可能人工取操作。
4、网格策略：选定开仓的价格为网格0点，往上涨比如1%就是一格网格，将价格切成若干个网格，可以做顺势网格，往上涨就加仓，往下跌就减仓；也可以做逆势网格，往上涨就减仓，往下带就加仓。利用价格的反复震荡来获利。
5、对冲策略：同时开多仓和空仓，当涨的时候加仓多，跌的时候加仓空，发生震荡行情，那么多空会对锁，降低你的损失，出现单边行情，则盈利离场。6、中性策略：做多你看好的股票，做空大盘。这是基于这样一个假设，你选中的股票，会跑赢市场，那么当大盘涨，你选的股票涨得比大盘多，你赚钱；当大盘跌，你选的股票会比大盘跌得少，你同样赚钱。7、选股策略：代码可以帮你从几千只股票里面，选出盈利情况良好，但市盈率偏低的股票。你也可以整合任何指标，
做出你自己的选股策略。
七、常用的库
我们写代码，并不是每一功能都要自己写，这是不现实的，使用别人封装好的库，能提高你的效率，下面我给大家介绍一些量化常用的库。
varnothingpandas、numpy、talib：上文已经介绍过了。
varnothingrequest：爬虫、API都需要用到。
varnothingschedule：定时函数，需要定期执行的交易需要用到。
varnothingdatetime：获取时间需要用到。
varnothingtime：一般是用来程序休眠几秒用到的。
varnothingjson：处理json格式的数据。
varnothingos：处理系统文件的路径，和本地文件交互需要用到。
varnothinghmac、base64：账户签名加密解密需要用到。
八、量化常用的一些网站、资料
1、发明者量化：https://www.fmz.com/一个综合性的平台，如果不想自己学python，也可以使用发明者的实盘交易功能，他也有社区功能。
2、TrandingView：https://cn.tradingview.com/这个实在太强了，是量化最强的工具。他的很多指标、策略都能看到源码，不过他使用的是pine语言需要简单学习，也可以用chatgpt翻译成python。
3、TVCBOT：https://www.tvcbot.com/一个交易机器人，可以接受TrandingView的策略信号进行交易。
4、缠论：https://github.com/waditu/czsc不知道你们有没有听过缠论，比较有名的一个交易理论，有大神把他的指标啥的写出来了。
九、畅想
回测是量化交易中很重要的一步，而很多人由于没有代码能力，要么手工去回测，极度耗费时间，要么凭感觉去交易。如果一个没有代码能力的人，也能够快速回测，验证自己的策略是否靠谱，那该有多好。
我在想，gpts开放后，有没有可能封装一个插件，让普通交易者，通过自然语言就能回测他的策略，如果可以，将会有巨大的赚钱机会。
再次声明，量化只是一种方法，可以提高你的盈利概率，但别觉得看了本文，你就能赚钱了，仅供你参考，不构成任何投资建议，不保证盈利。
以上是我自己做了一年半量化的一些分享，有想要交流策略的朋友，非常欢迎。