量化的进阶

量化真的能赚钱吗？

有人问我：量化真的能赚钱吗？

我：……

做一个简单的举例

石油的现价低于期货价格，因为石油的存储需要成本。这个成本称为carry cost，它和期货到期后的递送成本（delivery cost）以及预期需求变化加在一起，组成了石油的期现价差。

但是石油的保存和递送成本是可以想办法降低的。

比如陆地上石油的储存和运输成本较高，所以在空船率高的时候，商品交易员会租下船只装满石油让他们在海上漂着，同时做空期货，到期后直接递送入港。这样大大节省了实际的储存和递送成本，形成和期限价差的套利。

70 年代，中国银行引进第一套理光-8 型（RICOH-8）主机系统，揭开了我国金融电子化发展的序幕。1991 年，人民银行卫星通信系统上电子联行正式运行，标志着我国银行信息系统进入了全面网络化阶段。随着数据应用和“网上银行”的崛起，中国金融行业在 21 世纪初期迈入了信息化阶段。互联网金融不断丰富的新形态、新服务与新模式，在潜移默化地改变人们生活方式的同时，也让我们看到了新技术赋能传统行业的魅力所在。

好像看起来没有任何关联的例子，那么什么是量化，如何在股市中应用？

量化的定义

量化，就是用数学模型（而非人脑），决定交易的品种、数量、方向、时机。不难理解，量化的一大核心就是用数学模型去替代人脑，让模型的理性替代人的感性，将我们的投资逻辑转化成数学语言，去严格执行模型中制定的交易规则，去决定交易中的买卖要素（品种、数量、方向、时机）。

量化交易赚钱，但不是每个做量化的都赚钱。

量化是我们交易的一种工具手段，将我们的投资思想用程序化，规则化，数量化表现出来，所以决定赚钱不赚钱的不是量化，而是你的思想。

有人说，资本市场，追名逐利，大家都是赌徒，不可否认。

主观投资是一种高投资深度、低投资广度的投资风格；

量化投资是一种低投资深度、高投资广度的投资风格。

主观投资者往往只关注少数几十只股票。由于他们往往必须对每家公司单独进行尽可能深入的调研和预测并形成判断，因此，主观投资者最感兴趣和重点分析的股票，甚至可能只有几个。主观投资的信徒，会时刻关注和分析任何有可能影响对目标公司未来收入预测的信息或事件。他们须了解公司的业务和盈利模式，分析公司近年来的财务状况，从而充分了解公司的现有情况。主观投资关注的是未来或者预期，容易受情绪影响。

量化交易就是技术炒股，它有自己的规律，历史不会重演，但是历史会相似。

如果你做不到低价买来高价卖给其他人，那么对不起，你就是那个等着被割韭菜的人了。

做手动交易的时候我们可能会被各种门槛限制，比如时间，精力，工作，夜晚，网速，计算……等等因素，让我们无法把自己的持仓成本变得更低。

有可能一个不注意就错过了我们的最佳建仓价格了。那么也就错过了盈利的机会了。

从过程上讲，必定会经历绕不开的康德哲学的三个阶段：先验、后验，超验

先验的意思，即在事件行为决定执行过程之前。我们大部分的知识都来源于「经验」，我们大部的量化模型的诞生的也来都来源于知识经验的先验。量化交易模型的架构实现，

在先验阶段，往往是采用观察窗口期，此时采用归纳法，发现并确定一个大概率出现的事件，利用这个事件的特性，寻找可操作表现的机会点。

后验，是与先验相对的，当发现了一规律之后，这规律是否恒定存在，是否为假是需要当事人亲身去尝试的，此时多采用演绎法。毕竟我们从小就听过：实践是检验真理的唯一标准。

超验环节，这里需要重点说一说，超验指的超出预计，实际与理论预期不符，在量化交易模型的架构实现过程中这个超验环节是常态化的存在的，造成超验环节频繁出现的原因多种多样，如股票期货等样本周期取样过小，更有可能是本身事件就不具备普适性（单个样本的特征，而不是群体特征）。你可以把这里的超验环节的常态化出现，理解为世事无常。

这个《Futures Truth Magazine》是美国著名权威的交易系统评选杂志之一，会定期通过不同维度对庞大的策略库进行跟踪评选。这些交易系统一般都被用于大宗商品、股票、外汇、股指期货等多个市场，我们平时经常听到的Aberration和R-Breaker等交易系统，就是这个榜单的常客。

量化交易赚钱，但不是每个做量化的都赚钱。

“人工智能技术其实是一个非常广泛的技术，它不仅涵盖了语音识别、图像识别、自然语言理解、用户画像，它其实越来越和大数据、云计算的界限在变得模糊。”李彦宏曾这样描述人工智能、大数据、云计算的关系。

量化是我们交易的一种工具手段，将我们的投资思想用程序化，规则化，数量化表现出来，所以决定赚钱不赚钱的不是量化，而是你的思想。

并且我们还会情绪化交易，行情暴涨的时候我们就无视市场潜在的下跌风险，就开始玩梭哈。然后，一场下跌就把自己的资金全部套牢了，最后落得个割肉离场。（所以天台总是人满为患）

但是量化交易不会，首先量化机器人是运行在云端服务器里面的，服务器是7X24小时不间断的运行着的，并且我们只要把量化机器人的策略设置好，那么量化机器人集会自动按照我们的策略自动的重复运行套利了。

大数据思维不是抽象的，而是有一整套方法让人们能够通过数据寻找相关性，最后解决各种各样的难题。每一个人，每一个企业接受大数据思维，改变做事情的方式之后，我们就有可能实现一些过去想都不敢想的梦想。

任何一次技术革命，最初受益的都是发展它的人，使用它的人，而远离它，拒绝接受它的人，在很长的时间里都将是迷茫的一代。

在智能革命到来之际，作为人和企业无疑应该拥抱它，让自己成为那2%的受益者，而作为国家，则需要未雨绸缪，争取不要像过去那样每一次重大的技术革命都伴随半个多世纪的动荡。

量化机器人不会追涨杀跌，不会情绪化交易，它只会根据我们设置好的策略，筛选股票标的、自动买卖、自带止盈止损位，自动管理仓位，智能打新等等，，，数据来进行量化交易。

我们手动交易的很多弊端在量化交易机器人面前完全不会出现，机器人不会贪婪，不会恐慌，只要我们设置的策略在合理的范围内，机器人就会持续做单循环交易。

做确定性是弱水三千，只取一瓢，而且这一瓢确定性还是相对的，这决定任何交易系统的行情适用范围都是严格设限的，胜算都是有限而脆弱的，不存在全能的交易系统。

每一个科学有效的正向交易系统，都必须严格在其行情适用范围内，严谨地执行，才有可能实现系统蕴含的高胜算。操作上随便一个疏忽、纰漏，往往就失之毫厘，差之千里，脆弱的高胜算就打了水漂。

这还是以你付出无数时间、精力和金钱为代价，成功创建了一个科学有效的正向交易系为前提的。系统没有效建立，谈不上执行，怎么操作都不可能出现可持续的、可复制的高胜算。

量化交易能否在保护好我们本金的同时为我们赚到利润就取决于我们的策略设置，机器人只是一个工具，我们可以把策略设置得非常激进，那么资金的使用肯定就会非常高，但是风险也肯定是相对的。

量化投资的优势在于在于它的纪律性、系统性、及时性、准确性和分散化。

正如在「量化的定义」中谈及的，大多数人会侧重在「数学模型」四个字上，而忽略了量化的另一个核心要义——交易。在整个量化策略的构建中，我们需要先将交易逻辑转换成数学语言，再通过编程语言等工具实现数学语言到程序的转化。

但是我们也可以把量化机器人的策略设置的保守些，那么资金使用的占比肯定就低些，但是本金又更安全些。

在这一发展进程中，有远见的巨头企业已经开始利用数据规模和技术优势深耕布局做好新一轮PK战准备。

有大规模处理数据的能力，有人工智能，以及很多领域的创新可以作为工具提供给社会，所有这些能力结合起来，其实在各个行业能够发挥出它非常独特作用。

由此可见，无论是云计算、大数据还是人工智能，都将会成为未来市场的主流。有这样一种说人工智能这台火箭，燃料为大数据，而云计算则是引擎。

随着科技的进步，时代的发展，无论是云计算、大数据、还是人工智能，都将成为新的发展机遇。我们必须弄清楚他们的本质，抓住机遇，跟上趋势，创新发展，才能在高科技的发展大潮中立于不败之地。

在国家和行业政策的推动下，金融科技已经上升为证券期货行业各机构的公司战略，成为证券期货经营机构的核心竞争力。大型综合类证券公司纷纷将金融科技作为战略性业务或核心竞争力纳入公司战略，金融科技的战略描述已成“标配”。部分中小规模证券公司也在积极寻找突破点，谋求利用金融科技弯道超车，实现差异化发展。未来证券期货市场机构之间将更加注重新兴金融科技业务的竞争，科技逐渐从后台走向前台，发挥前瞻性和牵引力的作用，引领业务体系的变革升级，推动证券期货业务模式、服务模式和工作模式的创新发展。

炒股要想获得远远强于大盘的盈利，最好的方法是波段操作，在起涨点买入，在相对高点抛出，需要投资者必须同时具备三个条件：（1），必须要有非常精通的技术（2），必须要有非常充足的分析研究的时间（3），还必须要有很理性的稳定平和的心态。而同时具备这三个条件的股民很少很少。所以极大多数人都做不到大盘指数涨幅的收益，很多人要么盲目的追涨杀跌，越炒越亏，要么越套越深。

如何彻底的解决上述长期困扰广大投资者的三个难题：时间、技术、心态

1）设计的成品AI万能智能量化模型，可自定义与去风险因子任意组合使用，选出股票的八个参数，可以把你最好的盈利模式直接设计成AI模型进行操作，回测出具有超高的历史数据统计年化收益率的AI模型，可以紧跟主力资金流向、精准的抓住上涨波段的起涨点，进行AI机器人全自动交易。

2）AI机器人会按照你的AI模型设定的条件，在4000多只股票里面自动搜索符合你设定的条件的标的，时间仅需几秒钟。

3）AI机器人会严格按照模型设定的买卖价位进行自动交易，不会随行情的起伏而波动，克服了人性的弱点、贪婪与恐惧。

所以，一定要总结的话，就是用无情的AI和有情的人结合起来。让理性压制所有的感性。

所谓量化，就是把经过抽样得到的瞬时值将其幅度离散，即用一组规定的电平，把瞬时抽样值用最接近的电平值来表示；或指把输入信号幅度连续变化的范围分为有限个不重叠的子区间（量化级），每个子区间用该区间内一个确定数值表示，落入其内的输入信号将以该值输出，从而将连续输入信号变为具有有限个离散值电平的近似信号 。量化可分为均匀量化和非均匀量化两类。前者的量化阶距相等，又称为线性量化，适用于信号幅度均匀分布的情况；后者量化阶距不等，又称为非线性量化，适用于幅度非均匀分布信号(如语音)的量化，即对小幅度信号采用小的量化阶距，以保证有较大的量化信噪比。对于非平稳随机信号，为适应其动态范围随时的变化，有效提高量化信噪比，可采用量化阶距自适应调整的自适应量化。

量化自己潜意识中的交易系统，能使得看清自己所有操作的依据，面对最真实的贪婪和恐惧的自己，面对所有的情绪，面对了才能更好的改进这个系统，从而达到理智、快速成长的目的。