他山之石系列丨旨在將國外優(yōu)秀的量化文章資源，經(jīng)過翻譯和提煉后，通過文章介紹給大家。AQF量化交易入門指南~為了適應移動設備的應用場景，小編對部分內容進行了提煉，對原文感興趣的讀者可以在文章末尾找到原文鏈接。受限于翻譯和理解水平，如有紕漏，歡迎指正。祝大家閱讀愉快。
一、本文適合的讀者群體：
希望入職基金公司成為量化交易員的讀者
希望將量化技術應用于實戰(zhàn)的個人投資者
二、一個有效的量化交易系統(tǒng)的四要素：
策略識別：發(fā)現(xiàn)交易策略，發(fā)掘策略優(yōu)勢，決定交易頻率
策略回測：收集數(shù)據(jù)，分析策略表現(xiàn)，消除偏差影響
策略執(zhí)行系統(tǒng)：接入券商系統(tǒng)，實現(xiàn)交易自動化，最小化交易成本
風險管理：優(yōu)化資產(chǎn)配置(凱利公式)，交易心理管理
1、策略識別
三種常用策略思路來源：
學術論文：通常會刊登理論交易結果(一般不會剔除交易成本的影響)
量化博文：通常會包含策略細節(jié)
交易期刊：介紹基金公司使用的策略
讀者可能存疑的問題是，既然有效的交易策略，績效也會隨著其廣泛傳播而失效，為何公司或個人會愿意空開討論他們盈利的策略。原因在于他們通常不會討論真實使用的系統(tǒng)參數(shù)和調整方法。對這些參數(shù)的優(yōu)化，是一個平庸的策略和一個盈利的策略之間的關鍵區(qū)別。因此，構建個人策略的較好方式，是對相似的策略做獨特的優(yōu)化。
常用的策略思路來源：
Social Science Research Network
www.ssrn.com
arXiv Quantitative Finance
arxiv.org/archive/q-fin
Seeking Alpha
www.seekingalpha.com
Elite Trader
www.elitetrader.com
Nuclear Phynance
www.nuclearphynance.com
2、策略回測
回測過程的主要問題：
數(shù)據(jù)準確性問題
幸存者偏差：免費數(shù)據(jù)源常見問題，指數(shù)據(jù)源中不包括已經(jīng)停止交易的資產(chǎn)，比如退市或者破產(chǎn)的公司股票
復權處理
常用策略評價指標：
最大回撤：賬戶凈值從波峰到波谷的最大跌落幅度，通常使用一年的時間窗口，并以百分比表示結果
夏普比率 (Sharpe Ratio)：平均超額收益與超額收益標準差的比值，通常以指數(shù)的收益率或中期國債的收益率作為超額收益的參考值。
3、策略執(zhí)行系統(tǒng)
構建執(zhí)行系統(tǒng)的主要問題：
券商接口
降低交易成本(傭金、滑點、點差等)
實盤與回測中的績效差異
大基金中，策略執(zhí)行系統(tǒng)優(yōu)化通常不是量化交易員的職責，但是在小規(guī)模的高頻交易公司中，量化交易員通常也是執(zhí)行系統(tǒng)的開發(fā)者。對于想要應聘基金公司的求職者來說，編程能力和統(tǒng)計或計量經(jīng)濟學的能力同等重要。
4、風險管理
風險管理的主要問題：
優(yōu)化資產(chǎn)配置：通用的優(yōu)化配置指導是凱里公式，需要注意的是，凱利公式關于收益率分布的一些假設，并不完全適用于金融市場，因此投資者在使用凱利公式時傾向于保守。
交易心理問題
5、總結
基金公司的量化交易崗位，通常需要扎實的統(tǒng)計學或計量經(jīng)濟學基礎，同時有使用MATLAB, Python或R語言實現(xiàn)模型的能力。實現(xiàn)高頻策略，還要有Linux內核編譯，C/C++,匯編語言程序設計和網(wǎng)絡延時優(yōu)化的能力。
對于想要開發(fā)自己交易策略的讀者，建議首先掌握一門編程語言。>>>點擊咨詢Python編程課程
(5).jpg)
.jpg)
原文鏈接：
https://www.quantstart.com/articles/Beginners-Guide-to-Quantitative-Trading
往期精彩回顧：
摩根大通：不會編程就是文盲，資管經(jīng)理強制學習Python編程
2018年諾貝爾經(jīng)濟學獎得主還是一位 Python 編程語言的使用者
量化金融分析師AQF交流答疑群：737550026
聲明▎更多內容請關注微信號量化金融分析師。原創(chuàng)文章，歡迎分享，若需引用或轉載請保留此處信息。
