量化投资模型如何开发的？

1. 量化投资模型如何开发的？

量化的模型开发大致分为以下几个环节：
①数据处理，看你用什么工具，R还是Matlab还是python，或者是c++，最好是工具本身的格式，这样速度会快的多，比如Rdata，或matlab的mat格式，或者python的npy格式，或者c++的二进制格式，还有就是你要用什么数据，分钟数据，切片数据，还是tick数据，根据你的需求不同进行处理。

②指标建立，这个工作可以看成问题的关键，如何建立指标，你的思想是什么，都来源于此，举个简单的均线指标，matlab，就是ma=movavg(data,length)
③模型回测，据我理解就是一个大循环:
if time>9. && timema(i) && p!=1
   buy
else 
   sell
if p==1 && 止损条件
  平仓
等等
④计算收益
然后根据收益，夏普比率等，改条件，重复上面的工作。

总结：
开发模型的步骤一般是：数据处理、寻找因子、回测验证、实盘模拟、风险归因。

备注：
数据处理：去极值、标准化、中性化；数据预处理。
寻找因子：寻找Alpha、寻找收益波动比因子、另外优矿上提供了近400个因子因子可以自己验证。

2. 如何搭建量化投资研究系统

参考：http://www.360doc.com/content/15/0712/15/14222116_484427742.shtml

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。

“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

3. 如何搭建量化投资研究系统

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。

“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

4. 如何搭建量化投资研究系统

一、量化投资，数据是基础

量化投资的理念现在越来越被人熟知，不论是在学校还是在职场，对量化投资感兴趣，想要一试身手，甚至是将Quant定为职业目标的人也越来越多。不过许多朋友现在还只是临时搜罗有限的数据，做一些零星的研究、测试和计算。与其这样没有明确目标地小打小闹，不如着手建立一个比较完善的“量化投资研究系统”，下面我将和朋友们分享一下我在这方面尝试的心得。
中国有句古话叫做“兵马未动，粮草先行”，对于量化投资研究而言应该改为“模型未动，数据先行”，高质量的数据是出色研究的基础。需求决定功能，我们要做哪方面的量化投资研究，决定了我们需要哪些数据。
我所理解的量化投资研究大致包括3块内容：
学术化的研究工作，例如金融时间序列分析，这一块研究主要集中在各种金融产品的交易数据上，例如股票、期货、期权的价格，基金净值等等；
构建交易策略或投资组合，这一块研究需要交易数据、宏观经济指标和公司财务数据等等；
策略回测，这一块研究需要大量历史交易数据，用来测试评估交易策略和投资组合。


“天下没有免费的午餐”，为了获得数据，要么付出金钱成本，购买数据终端（例如Wind终端）；要么付出时间成本，自己动手搭建维护一个金融数据库。如果没有机会摆弄万得、彭博，还是毛主席那句话——“自己动手，丰衣足食”。
信息时代，最大的数据源就是互联网，而且在绝大部分情况下，互联网可以提供公开免费的数据。所以我们要搭建的数据库实际上是依赖“网络爬虫”获取互联网上的数据。不过在讨论如何获取数据之前，为了确保将来的工作简单高效，先要“约法三章”：
尽量以下载文件，而不是抓取网页内容的方式获得数据；
尽量减少抓取网页的次数，换言之，一张网页上的数据要尽可能的多；
尽量抓取静态网页内容，而不是动态网页。（有一个简单的规则区别静态和动态网页，如果网页内容变化之后，地址栏里的URL链接跟着变化，就是静态网页，反之则是动态的。）

5. 如何建立量化交易模型

量化交易是指以数学模型替代人为的主观判断，利用计算机技术从历史数据中海选能带来收益的多种"大概率"事件以制定策略，减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

6. 如何简单理解量化投资？

一分钟了解量化投资

7. 量化投资,如何量化呢

　　量化投资技术几乎覆盖了投资的全过程，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、算法交易，资产配置，风险控制等。
　　1·量化选股

　　量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类
　　2·量化择时

　　股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。
　　3·股指期货

　　股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为,股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
　　4·商品期货

　　商品期货套利盈利的逻辑原理是基于以下几个方面 ：
　　（1）相关商品在不同地点、不同时间对应都有一个合理的价格差价。
　　（2）由于价格的波动性，价格差价经常出现不合理。
　　（3）不合理必然要回到合理。
　　（4）不合理回到合理的这部分价格区间就是盈利区间。
　　5·统计套利

　　有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha 收益，我们称之为β中性策略；另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
　　6·期权套利

　　期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样，是多种相关期权交易的组合，具体包括：水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。
　　7·算法交易

　　算法交易又被称为自动交易、黑盒交易或者机器交易，它指的是通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。
　　8·资产配置

　　资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。
　　它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。

8. 如何看待量化投资?

量化投资是许多种方法的集合，包括在投资品种的选择、投资时机的选择、商品期货套利、外汇套利、算法交易和统计套利等方面都能够获得广泛应用。今天我们就要一起来看一下专业的量化投资人士是如何看待量化投资的。
量化工具可以称得上是新时代的一种技术工具。当然目前种类繁多的工具也并非是一朝一夕就完成的。简单的技术分析最后高度趋同无法带来理想收益，目前量化工具有这样的趋势。
在以前，技术工具的实现也需要开发者手动完成，而并非如今的在行情软件中点两下就会出现。在那个时期因为发现了一个信号而最终发家致富的人并不少。很多个人交易者认为量化投资之所以逐渐成为主流，主要的原因还是交易所技术的升级而带来了市场结构的整体性变化。

如果要用一个简单的例子来说明的话，交易所的套利对交易所行情发送和订单介入都有要求，交易所如果不升级的话那可能会面临无利可套的境地。
有的人讲技术工具比作占星术，其实这种说法是相对极端了，技术工具从思路上来讲与量化工具颇有相似，特别是我们可以看到一些后期的复杂技术工具上已经明显有了量化工具的影子。
如果非要究其一二，那么无非是传统的技术工具已经没有办法去满足复杂的处理，所以大家开辟了一门新手艺。