说实话，在我看来，国内的所谓量化交易只是散户玩玩的把戏而已。 写几个因子，跑个AI模型真算不上量化交易，所有用历史数据反推出来的模型在金融市场里都是垃圾（但是用历史数据验证模型的有效性是有价值的）。一个金融市场里有盈利能力的模型最首要的就是模型的制作者能说明白利润来源在哪里，我这个模型/策略到底是利用了市场上哪几个pricing inefficiency赚钱？   简单说个例子，境外最常见的涡轮与现货价差交易，模型十分的稳定，不需要用历史数据来反推，利润的来源就是：股票价格的跳动时在日间交易的角度看是一个梯形变化的直线，而涡轮的价格在这个维度看依然是一个平滑的曲线，曲线和梯形直线间的落差就是p

“为什么这么操作？” “不为什么，盘感。” 据说盘感是交易修到某个较高阶段才能悟出的一种操盘感觉，无法言表，精妙高深。 但我一直不认同这个词，因为它的主观、模糊、不确定，这些都是交易要去消除、解决的问题，是交易的漏洞。 盘感的本质是一种无能，是一种没有能力将交易具体化、规则化、量化的无能，而不是一种能力，将其贴标成一种高手才拥有的玄幻奢侈品，只不过是用来掩饰内在的虚空和无力罢了。 观察过一些交易者，他们一直努力精进，而当他们终于到达一个天花板，再也无力突破时，不少人会将自己无法通过量化去真正掌握的东西归结于两个字——盘感。 凡是扯上盘感的人，交易路上一般就很难再进步了。 交易中的经验不应沉淀为

本文探讨了量化投资新手在执行回测和建立量化模型时应时刻注意的七个“大坑”。其中，有些误区可能很常见，但其影响力却往往被人忽略，有些误区可能在学术界和实践者的研究中司空见惯，通常我们也把他们视为理所当然。 1、幸存者偏差(Survivorship bias) 幸存者偏差是投资者面对的最普遍问题之一，而且很多人都知道幸存者偏差的存在，但很少人重视它所产生的效果。我们在回测的时候倾向于只使用当前尚存在的公司，这就意味我们剔除了那些因为破产、重组而退市的公司的所产生的影响。 在对历史数据进行调整时，一些破产、退市、表现不佳的股票定期都会被剔除。而这些被剔除的股票没有出现在你策略的股票池里，也就是说对过

近期，EBC金融推出了聚焦量化分析和机器学习的系列文章，有不少好学的投资者前来探讨哪种交易分析模式能更好地对市场行为作出反应？也有好奇这两者又有什么本质的区别呢？ 今天，我们就来聊聊这个话题。 技术交易 技术交易是大家最为熟知的，几乎所有的交易者都会接触到。技术交易的标志是基于图表模式的交易，通常涉及到各种指标的叠加。该领域的交易者会讨论头肩形态、支撑和阻力位、斐波那契回撤，可能使用各种技术指标，如MACD或RSI。 根据图表中的模式和指标的汇合，交易者将会对市场或其首选交易品种有一定的预测、目标价位、趋势走向。 技术分析如同一门视觉学科。交易者阅读图表以提取模式并进行交易，从某种层面来说，这

量化交易是以自动（或半自动）方式实施投资策略的一种方法。这种方法很适合于（1）使用大量算法计算下单逻辑（2）高效程序化的执行，补充人性弱点 大多数人将量化交易与高级博士和高级尖端数学联系起来。高级数学往往不的核心驱动力; 许多最有效的量化策略实际上很容易理解。提出获胜假设的关键是了解金融中最有效的方案。一些高利润高回报的例子： （a）跨境监管套利。例如：美国监管机构要求公司每季度报告一次。在台湾交易所上市的公司需要每月报销。交易者可以每月在台湾上市的半导体公司销售，并在美国等待季度信息的投资者面前部署这些信号。他们还可以利用这些信息为指数表现和交易期权创造更好的估计， ETF更有效。 （b）时

今日，感谢大家更多的关注我的1号交易策略，除此外有圈内朋友零星的会咨询我的2号交易策略，再此给大家做个浅谈笔录。 4.24日入金开始交易 9459美金，11个交易日盈利2353美金，收益率24.8%！ 肤浅的看收益率确实是心动的。 我们回看下图2: 11个交易日其中一个交易日最大浮亏1265美金，约本金的13%附近，当个小时内盈清仓；三个交易日最大浮亏300-400美金；7个交易日浮亏在100美金内。 我是一个职业交易员，更喜欢客观的对待问题，以上客观的数据如实讲我个人也比较心动，能否做到数据更好吗？能！！降低收益率自然就会更小的降低风险！这是多么肤浅的意识！但不是我追求的这个策略的意义，个人

1万-2万美元美元交易账户，杠杆200倍，以下每一个交易战法都是量化交易。 　一，数据战法： 　　每天平均2单，每一单操作2手，止损20点（含点差），盈利大于40点，交易时间：数据公布时间提前一分钟操作，买对方向盈利又大于40点的，在数据公布后一个小时平仓。 　二，英镑战法 　　每天平均1单，每一单操作1手，止损25点（含点差），盈利不限，交易时间：美盘20:00开单，第二天早上9点平仓。 　　三，原油战法 　　每天平均1单，每一单操作1手，止损25点（含点差），盈利不限，交易时间：美盘20:00开单，第二天早上9点平仓。 　　四，特殊战法 　　每月平均5单，每一单操作3手，止损25点（含点差

随着大数据、云计算技术的发展，量化投资近几年有大行其道之势。 量化投资到底有多神秘？ 最近七八年，量化投资的概念在中国已经处在腾飞的前夜，人工智能、自动化等概念已经开始深入人心，阿尔法狗也给大家起了示范作用，这都有利于量化投资的崛起。 量化投资早在上世纪八九十年代就兴起与华尔街，主要原因是当时有人把投资经理的行为经过理论统计后发现，一个投资经理很难在很长时间内跑赢市场，除了股神巴菲特这样的人。 统计发现，投资经理的投资风格是有漂移，很多时候会受情绪的影响，后来随着计算机技术的发展，数学模型奠定了对资本市场的投资规律的挖掘，于是量化投资就兴起了。 量化投资主要有三大优势： 第一，是"宽度"。国内

量化交易靠不靠谱关键不在于是个人还是机构，更多的是要看实力和能力的强弱。 金融市场瞬息万变，看似是没有规律的随机现象，其实都是有迹可循的，想要抓住致富的尾巴，仅仅依靠人脑是不够的，需要量化交易的。 先科普下量化交易是什么 量化交易是指以科学的数学模型取代人为的主观判断，以数学统计学为基础，把每一个因素及随机事件现象用数字量化，通过对数据的分析，形成结果表达观点，从而找出金融市场中随机现象的规律。 通过机器给交易中的每一项赋值打分，根据数据化的结果客观理性的做分析，从海量数据中筛选能够带来收益的多种“大概率”事件，并制定策略，降低了投资者因情绪波动而对市场做出的过于乐观或消极的的非理智判断，在很

交易策略一旦被转化成机械化的代码，就进入量化交易的范畴，如果信号和订单被自动执行，就是自动化交易。与量化交易相对的是主观交易，交易员在没有客观规则指导的情况下按照主观意愿执行买卖决策。并非所有策略都可以机械化，如蜡烛图形态（头肩顶）或波浪理论等，这些形态的识别过于依赖主观判断，与RSI等技术指标有根本性区别。   在外汇交易中，自动化交易策略是简单的。MT4提供了自动交易机器人（Expert Advisor/EA）的功能，交易员用MQL语言编写程序，自动执行信号生成和订单管理的过程。当然，自动化交易策略和开发有效的交易模型是两码事。   量化交易最大的优点之一是规避情绪波动。价格波动会显著影响

交易胜率高达77%，该策略的核心就在于对基于交易量的趋势做充分分析，并加以利用。下面就让我们一起来看看这篇有关“交易量交易策略”的文章。   在外汇市场，因为是场外交易，所以不存在一个集中的交易总量。如果我们看一下像TradingView这样的交易平台，其图表上都显示成交量。但是，由于我们没有一个集中的交易所，所以该交易量主要来自于使用TradingView的成交量。每个零售外汇经纪商也都有自己的总交易量数据。     我们可以看到外汇市场的交易量是细分的，这就是为什么我们需要使用交易量指标。该策略用来解读外汇市场交易量的交易量指标名为蔡金资金流量（Chaikin Money Flow,CM

1、阿隆指标简介 在技术分析中阿隆（Aroon）是一个很独特的技术指标，“Aroon”一词来自梵文，寓意为“黎明曙光”。它不像MA、MACD、KDJ那样广为人所熟悉，它推出的时间更晚，直到1995年才被图莎尔·钱德（Tushar Chande）发明出来，作者还发明了钱德动量摆动指标（CMO）和日内动量指数（IMI）。如果说一个技术指标知道的人越多，使用的人也越多，那么其赚钱能力也越低，那么相对新颖的阿隆指标则恰恰相反，站在这个角度看这是一个不错的选择。 2、图表中的阿隆指标 阿隆指标通过计算当前K线距离前最高价和最低价之间的K线数量，来帮助交易者预测价格走势与趋势区域的相对位置关系变化。它有两

量化策略问世有30余年，在西方已经不算新生事物。但是在国内，量化投资还是一块尚待开垦的价值荒地。价值投资的旗手巴菲特在2008年的股东大会上，再次对数学模型应用于金融投资表示了不同的看法。 　　但是西蒙斯亮眼的业绩不容抹煞：1988年到2005年，西蒙斯的复兴科技公司旗下的奖章基金，年化收益达到34%，超过了著名的对冲投资者索罗斯(同期22%)和巴菲特本人(同期20%);1989到2006年的平均年收益率高达38.5%;次贷危机爆发的2007年，奖章基金的回报是惊人的85%;2008年，西蒙斯则坐上对冲基金经理薪酬冠军宝座。奖章基金目前规模200亿美元，收取5%固定管理费和44%的浮动业绩费，