一、三大交易概念

　　關于程序化交易、算法交易以及高頻交易，國際上學術界與產(chǎn)業(yè)界并沒有統(tǒng)一的權威定義，并且這些概念及理解也是隨著市場與交易技術的發(fā)展與時俱進的，目前國際市場上對這三者的通常理解如下：

　　1.程序化交易

　　根據(jù)紐約證券交易所(NYSE)的定義，程序化交易是指包含15只股票以上、成交額在100萬美元以上的一籃子交易。在后來的市場實踐中，程序化交易的對象通常包括在紐約證券交易所上市的股票、在芝加哥期權交易所(CBOE)和美國證券交易所(AMEX)交易的與這些股票或股票價格指數(shù)相對應的期權，以及在芝加哥商業(yè)交易所(CME)交易的標準普爾500股指期貨合約等，這種交易方式完全是基于這些投資品種(標的資產(chǎn)以及相應的期貨期權等衍生品)之間的相互定價關系。在交易執(zhí)行方面，程序化交易是指從交易者的電腦下單指令直接進入市場的電腦系統(tǒng)并自動執(zhí)行，主要被機構投資者用于大宗交易。

　　2.算法交易

　　算法交易是指使用計算機來確定訂單較佳的執(zhí)行路徑、執(zhí)行時間、執(zhí)行價格及執(zhí)行數(shù)量的交易方法。算法交易已在金融市場上得到廣泛運用，養(yǎng)老基金、共同基金、對沖基金等機構投資者通常使用算法交易對大單指令進行分拆，尋找較佳路由和最有利的執(zhí)行價格，以降低市場的沖擊成本，提高執(zhí)行效率和訂單執(zhí)行的隱蔽性。算法交易可運用于任何投資策略之中，如做市、場內價差交易、套利及趨勢跟隨交易等等。

　　3.高頻交易

　　高頻交易(HFT)是一類特殊的算法交易，它是利用超級計算機以極快的速度處理市場上最新出現(xiàn)的快速傳遞的信息流(包括行情信息、公布經(jīng)濟數(shù)據(jù)、政策發(fā)布等)，并進行買賣交易。

　　

　　二、程序化交易、算法交易在國際市場上的運用

　　程序化交易、算法交易在歐美發(fā)達國家的金融市場上運用較為廣泛，在日本、中國香港、韓國等亞洲發(fā)達市場次之，在發(fā)展中國家的市場上使用則更少一些。

　　從2004年1月至2010年6月，紐約證券交易所中程序化交易在總成交量中的百分比：在這段時間內，程序化交易占總成交量百分比最大為48.8%，最小16.2%，平均28.6%。截至2010年6月11日，當周程序化交易成交量占比26.9%，用于指數(shù)套利的程序化交易占比僅為0.81%，非指數(shù)套利占比24.75%。最大的程序化交易者包括高盛、摩根士丹利、德意志銀行、巴克萊資本、韋德布什·摩根、法興美國、摩根大通、加拿大皇家銀行資本等。

　　算法交易在交易中的作用主要體現(xiàn)在交易的執(zhí)行方面，具體包括智能路由、降低沖擊成本、提高執(zhí)行效率、減少人力成本和增加投資組合收益等方面。國際市場上通常有四種主要類型的交易算法：一是時間表驅動算法，它遵循時間表，有固定的開始與結束時間，如VWAP、TWAP等;二是動態(tài)市場驅動算法，它實時監(jiān)控市場波動并做出反應，如Implementation Shortfall、Price in line、Volume in line等;三是高自由度Alpha算法，如Float、Hidden、AtOpen、AtClose等;四是主動的流動性搜索捕捉算法，它可以智能地訪問多個明池和暗池，如TAP等。截至2009年，高頻交易公司的成交量占美國股票市場總交易量的73%。從事金融服務行業(yè)研究的TABB集團于2009年8月公布了一份報告，估計在2008年進行快速算法交易的300家證券公司和對沖基金共從中獲利210億美元左右。

　　在美國，總共大約有2萬家交易商，其中采用高頻交易的約占2.0%，也就是400家左右，但這2.0%的高頻交易商在所有股票成交量中卻占到了73.0%。從事高頻交易的公司包括：少數(shù)大投行(如高盛、美林等)的自營席位、數(shù)百家最神秘的自營集團(如豹熊公司W(wǎng)olverine、文藝復興科技公司Renaissance Technologies、IMC公司和Getco公司)、不到100家最復雜的對沖基金等等。根據(jù)行業(yè)規(guī)則，他們往往傾向于秘密化、隱身化、智能化。

　　

　　高頻交易的特點是資金流動性很高，持倉時間極短，計算機不斷地根據(jù)市場行情的變化做出極快的反應。典型的高頻交易通常是每天都完成很多筆交易，每筆交易獲取小額收益，極少情況下可能會有少量隔夜持倉。隔夜持倉對于高頻交易者來說通常是不予考慮的，因為在如今高波動率的市場上，這樣做的風險特別高，此外，隔夜持倉所占用的保證金還需支付利息，這會降低交易的收益率。高頻交易策略的構成要素包括：

　　1.低延時

　　高頻交易策略高度依賴于超低延時性。為了實現(xiàn)執(zhí)行這些策略所帶來的好處，高頻交易公司必須擁有實時、與交易所同位的高頻交易平臺，通過這個平臺來接受市場行情、生成交易指令、選擇路由并執(zhí)行指令，所有這些都是在不到1毫秒的時間內完成的。

　　2.多種資產(chǎn)類別和多個交易所

　　由于許多高頻交易策略需要在一種以上的資產(chǎn)類別以及多個交易所之間進行交易，因此，需要配備適當?shù)幕A設施，以便在不同的數(shù)據(jù)中心之間進行遠程連接。

　　3.有限的有效期

　　一個高頻交易策略的競爭優(yōu)勢會隨著時間的推移而削弱。盡管對于交易商而言，其高水平的交易策略可能會隨著時間的推移保持前后一致的穩(wěn)定性，但在微觀層面上這些策略仍在動態(tài)調整，這樣做有兩個重要理由：第一，由于高頻交易依賴于極其精確的市場互動以及證券之間的相關性，交易者需要時常調整算法的程序代碼，以反映動態(tài)市場的微妙變化。第二，他們的交易策略信息可能被交易對手探測出來，這樣容易受到對方反制，令他們最有利可圖的想法成為最大的風險所在。

　　三、程序化交易、算法交易在國際市場上遇到的問題

　　程序化交易最引發(fā)爭議的一個問題是，很多人認為程序化交易加劇了市場價格波動。由于機構投資者是程序化交易的主要市場參與者，因此，有人認為程序化交易更多地損害了中小投資者的利益。對于這種觀點，諸多歐美金融經(jīng)濟學家進行了大量的理論和實證研究，經(jīng)濟學家的研究結果表明：程序化交易與市場價格波動之間沒有必然的聯(lián)系，同樣，也沒有證據(jù)顯示指數(shù)套利加劇了市場價格的波動。

　　另外，美國證券交易委員會(SEC)曾對1997年10月27—28日美國股市經(jīng)歷的大動蕩進行了調查，結果發(fā)現(xiàn)，包括指數(shù)套利、動態(tài)對沖以及指數(shù)期貨等程序化交易在這兩日內的交易行為均屬正常，沒有對市場振蕩和價格巨幅下挫產(chǎn)生負面影響。

　　最近一兩年，高頻交易越來越受到歐美金融市場監(jiān)管層的關注。在某些經(jīng)紀商看來，有些高頻交易方式例如閃電指令，屬于“有毒”的下單方式。正是閃電指令這種有毒的交易方式，導致成交量激增，尤其是在紐約證券交易所上市的股票，同時報價變化也相應出現(xiàn)激增，短期的波動率劇烈上升。如今，紐約證券交易所的專業(yè)交易員所進行的交易只占總成交量的大約25%，這個數(shù)字在過去曾經(jīng)是80%。有些高頻交易者(如高盛)利用市場下單指令流的內幕信息來交易，從市場的其他參與者處提取數(shù)以十億計的美元。鑒于所謂的閃電指令技術給予使用閃電般迅速的計算機的高頻交易者不公平的優(yōu)勢，納斯達克市場從2009年9月1日開始終止使用閃電指令。

　　

　　四、程序化交易、算法交易在國際市場上的監(jiān)管

　　紐約證券交易所對程序化交易所做的限制性規(guī)定包括Rule 80A和Rule 80B。Rule 80A主要包括三個方面的內容：(1)關于Collars的規(guī)定。紐約證券交易所于1988年2月規(guī)定了50個點位的Collars，即當?shù)拉偹构I(yè)平均股價指數(shù)(DJIA)點位比上一個交易日收盤點位上漲或者下跌50點以上，S&P500指數(shù)成份股的套利交易就要受到限制。1998年10月5日，NYSE對Collars的上述規(guī)定進行了修改，取消了50個點位和25個點位的規(guī)定，代之使用DJIA的收盤點位的2%和1%為Collars的標準，每個季度對Collars進行重新計算，計算方法是以DJIA上一個季度最后一個月的平均收盤點位的2%和1%來取值。(2)關于Sidecar的規(guī)定。

早在1990年紐約證券交易所就規(guī)定，當S&P500指數(shù)期貨合約的收盤價格比上一個交易日的收盤點位下跌12個點位以上，并且是在下午3∶25以前發(fā)生的，則有關S&P500指數(shù)成份股的程序化交易指令，包括限價指令、停止交易指令等都要受到限制。但該項規(guī)定已于1999年2月16日被取消。(3)關于熔斷的規(guī)定。紐約證券交易所規(guī)則規(guī)定，當日DJIA點位比上一個交易日收盤點位上漲或者下跌160點以上，S&P500指數(shù)成份股的套利交易就要受到限制;如果DJIA點位比上一個交易日收盤點位上漲或者下跌80點以上，上述限制則取消;當DJIA點位再一次比上一個交易日收盤點位上漲或者下跌160點以上，則S&P500指數(shù)成份股的套利交易也要再一次受到限制。

　　Rule 80B規(guī)定了三個階段的暫停交易情況：第一階段，當日DJIA點位比上一個交易日收盤點位下跌800點時，則有三種暫停交易的情況：一是若點位下跌發(fā)生在下午2∶00以前，暫停交易1個小時;二是若點位下跌發(fā)生在下午2∶00—2∶30，暫停交易30分鐘;三是若點位下跌發(fā)生在下午2∶30以后，除非進入第二階段的暫停交易，否則交易繼續(xù)進行。第二階段，當日DJIA點位比上一個交易日收盤點位下跌1650點時，則暫停交易也分為三種情況：一是若點位下跌發(fā)生在下午1∶00以前，暫停交易2個小時;二是若點位下跌發(fā)生在下午1∶00—2∶00，則暫停交易1個小時;三是若點位下跌發(fā)生在2∶00以后，則暫停交易直至閉市。第三階段，當日DJIA點位比上一個交易日收盤點位下跌2450點時，則立即暫停交易直至閉市。

　　

　　五、程序化交易、算法交易在國內期貨市場運用的可行性

　　首先，隨著以股指期貨為代表的金融衍生品的上市，國內金融市場將出現(xiàn)越來越多的對沖、期現(xiàn)套利、統(tǒng)計套利等較為復雜的交易策略，而這些策略的運用和實施對程序化交易、算法交易提出了更多的需求和更高的要求。

　　其次，程序化交易、算法交易的運用，與金融市場的微觀結構密切相關。在國際市場上，隨著交易電子化的迅猛發(fā)展，主要的成交量也是在交易所以外的電子盤上完成的。因為包括這些電子盤的交易場所非常多，所以才會需要智能路由等算法，也正是由于交易場所太多，市場受到一些輕微的擾動就可能出現(xiàn)大的波動。例如，2010年5月6日美國主要股票市場盤中大跌，監(jiān)管部門至今仍在尋找明確的引發(fā)原因。而國內的證券和期貨交易都是在指定的幾個交易所內進行，因此，國際市場上的有些交易方式在國內市場并無多大的用武之地，因為國內交易場所比較少，整個市場系統(tǒng)的穩(wěn)定性也相對較好。

　　再次，在監(jiān)管方面，國內市場對程序化交易等交易方式非常重視，因此出現(xiàn)問題的可能性比較小，即使出現(xiàn)問題也能比較及時地發(fā)現(xiàn)并快速解決。例如，《中國金融期貨交易所交易細則》中規(guī)定：“會員、客戶使用或者會員向客戶提供可以通過計算機程序實現(xiàn)自動批量下單或者快速下單等功能的交易軟件的，會員應當事先報交易所備案。會員、客戶采取可能影響交易所系統(tǒng)安全或者正常交易程序的方式下達交易指令的，交易所可以采取相關措施。”

　　程序化交易在國際市場上已有近40年的發(fā)展歷史，具備了應用于不同市場和商品交易的可能性。與國際期貨市場相比，國內的程序化交易起步較晚，但發(fā)展速度和勢頭非常迅猛。程序化交易較早由國內證券市場起步，近兩年在期貨市場開始被越來越多的投資者接受，特別是軟件商推出程序化交易功能，為短線交易者提供了快捷的下單方式。此外，期貨市場的程序化交易模型也正逐步由投資者編制自用，演變?yōu)橛幸欢ㄒ?guī)模的投資咨詢顧問組成的專業(yè)團隊參與。

　　目前，單兵作戰(zhàn)的個人投資者和有一定規(guī)模的專業(yè)團隊構成了國內程序化交易模型的供給主體，其中個人投資者占了七成左右。從相關資料來看，目前程序化交易模型已經(jīng)覆蓋了日內交易、波段交易和長線交易的國內商品期貨的所有品種。其中，日內交易模型占50%左右，波段交易占了模型的40%左右，適合機構操作的長線交易模型并不多見，而且目前絕大部分的期貨交易模型基本上只針對國內的商品期貨，應用于外盤的交易模型極少。

　　目前的程序化交易模型的供給可謂五花八門，特別是在某些期貨論壇上幾乎每天都有大量的新模型在展示，這些模型以個人編寫為主，并且基本上都會把相應的測試結果公布出來。有一定規(guī)模的團隊也會參與其中，但通常會建立獨立的網(wǎng)站或博客每日公布系統(tǒng)的狀況。綜合來看，程序化交易供給主體雖然存在著無序、雜亂、缺乏組織的現(xiàn)象，但整體規(guī)模不可小視。隨著專業(yè)化程序編制團隊的加盟，這種局面將會改變，未來專業(yè)化的期貨程序化交易公司或將出現(xiàn)。

　　隨著期貨市場的發(fā)展壯大，市場流動性將大大提高。在這種背景下，中國的程序化交易可能會出現(xiàn)絕對回報程序化交易、金融產(chǎn)品定價程序化交易與做市商程序化交易三種類型同時發(fā)展的現(xiàn)象。趨勢上來講，程序化交易會在中國得到更豐富的詮釋，可見，程序化交易的大規(guī)模發(fā)展是建立于成熟的期貨市場基礎上的。不過，如果不能建立相關市場監(jiān)管機制和配套措施，則程序化交易也可能產(chǎn)生負面效果。在制定相關政策之前，需要充分考慮當前的市場環(huán)境以及未來市場可能的發(fā)展前景，同時需要考慮恰當?shù)募夹g手段，以及市場投資者組成。

　　六、程序化交易需要配套的市場機制

　　一個成熟的期貨市場包括諸多方面，市場參與結構的成熟、相關制度建設的成熟、品種設計的成熟和監(jiān)管措施的成熟等等。對于程序化交易而言，能夠最大程度有效發(fā)揮程序化交易效率的前提是擁有一個相對成熟健康的期貨市場，因此，需要在成熟市場建設方面配套相關措施。

　　首先，建立完善的自上而下的監(jiān)控措施。目前，我國實行的監(jiān)控措施包含多個層次：監(jiān)管當局從政府層面，通過頒布各項法律法規(guī)來規(guī)范投資者行為，規(guī)范經(jīng)紀商行為，從法律上杜絕違法違規(guī)行為的出現(xiàn)。行業(yè)協(xié)會從自律角度來規(guī)范市場參與各方的行為，達到監(jiān)控目的。經(jīng)紀商從風控角度來對投資者的交易行為進行一定程度的監(jiān)控，一旦發(fā)現(xiàn)問題則及時提示風險，并積極采取應對措施。此外，還有市場參與的其他層面，比如期貨保證金監(jiān)控中心等。只要每個市場參與方都努力通過行為規(guī)范來參與和建立市場整體的監(jiān)控體系，這些措施又盡可能地不要阻礙市場的健康平穩(wěn)運行，那么，程序化交易就會在一個相對健康、公平的市場環(huán)境中發(fā)揮最大效率。

　　其次，提倡交易指令和報價系統(tǒng)的創(chuàng)新，積極推出有利于程序化交易的新機制。目前，我國的交易指令比較單一，投資者大多數(shù)情況下只能選擇套保或者投機兩種交易策略，雖然已有鄭商所和大商所推出的跨期套利交易指令和跨品種套利交易指令，但依然缺乏與程序化交易相對應的更多交易指令。而在國外成熟市場，幾乎都有專門用于程序化交易的指令，比如NASDAQ Level系列報價系統(tǒng)。國內期市整體步伐顯然落后，這對于程序化交易的推廣不利。

　　此外，由于程序化交易對于交易成本和交易時間都有較高要求，可以考慮在保證金單邊收取、交易跑道的暢通等方面做出努力。

　　

　　七、程序化交易需要大量機構投資者參與

　　在國際成熟期貨市場，機構投資者是程序化交易的主體。目前，我國期貨市場投資者結構不盡合理，個人占了絕大多數(shù)，法人機構和企業(yè)參與量較少，專業(yè)從事程序化交易的法人機構更是十分缺乏。在這樣的情況下，市場整體的交易效率發(fā)揮存在一定障礙。程序化交易對于市場環(huán)境要求較高，越是成熟的市場，其發(fā)揮的效率越大。因此，引導和建立合理的投資者結構是當務之急，可以考慮通過立法等方式，讓期貨基金合法化，考慮在期貨市場引入QFII等，大力培養(yǎng)合格機構投資者，使國內期貨市場投資者結構趨于合理。反過來說，大力發(fā)展程序化交易可以培養(yǎng)期貨市場機構投資者。兩者相輔相成，可以令市場更快走向成熟。

　　八、技術創(chuàng)新和加大投入是程序化交易成功的前提

　　技術是程序化交易發(fā)展之本。加大技術創(chuàng)新和投入，不僅可以提高市場整體的效率，而且可以令程序化交易效率提高更快。而目前國內普遍存在的狀況是，期貨公司受成本投入限制，在技術方面投入不夠，國內在程序化交易方面的技術創(chuàng)新步伐仍有待提高。不過，隨著股指期貨的推出，國內期貨行業(yè)重新洗牌，預計今后在技術投入和創(chuàng)新方面會有更多的動作。從管理層角度講，也應該積極鼓勵期貨公司技術創(chuàng)新，并在全行業(yè)推廣先進的技術手段和管理經(jīng)驗。

　　九、強化協(xié)會自律管理職能

　　程序化交易需要相關的市場配套機制，而在監(jiān)管層面，行業(yè)協(xié)會的自律管理是非常重要的一部分。自律不僅包括監(jiān)管的目的，還應該包含在未來的方向指引和法律法規(guī)的頒布中。比如，在國外培育CTA是非常普遍的現(xiàn)象。所謂CTA，最初代指交易商品期貨的投資顧問和商品投資基金，而今在期貨投資領域，已經(jīng)全面代指交易商品或交易金融衍生產(chǎn)品的投資顧問，以及以商品期貨或金融衍生產(chǎn)品為投資對象的期貨投資基金，即管理型期貨。他們實際上屬于期貨基金范疇，通過管理一定規(guī)模的資產(chǎn)來進行專業(yè)理財，交易方式絕大多數(shù)采用程序化交易方式，并通過計算機的程序化運作來達到自律監(jiān)管的目的。

　　在我國，CTA的功能已經(jīng)為市場所熟知，但關于CTA制度的建設卻一直沒有太大進展。大力培育中國的CTA隊伍對于程序化交易效率的發(fā)揮也將帶來積極有效的作用。我們可以通過建立合理有效的法律法規(guī)制度來規(guī)范CTA的行為，然后通過CTA來引導投資者理性投資，進而達到市場效率充分發(fā)揮的目的。

　　我們認為，程序化交易對于發(fā)揮期貨市場的效率是非常有效的，盡管其中也存在一些問題，但只要在制度建設以及市場機制建設等方面做好充分準備，避免人為因素的出現(xiàn)，程序化交易的負面影響就可以降低。從全球期貨市場發(fā)展規(guī)律來看，程序化交易必將成為未來投資的主流。

AQF：量化金融分析師（簡稱AQF ，Analyst of Quantitative Finance）由量化金融標準委員會（Standard Committee of Quantitative Finance，SCQF）主考并頒證，是代表量化金融領域的專業(yè)水平證書。>>>點擊咨詢AQF含金量

（點擊上圖了解課程詳情）

AQF量化金融分析師實訓項目學習大綱 >>>點擊咨詢AQF考試

　　1.1.1. 第一部分：前導及課程介紹

1.AQF核心課程

2.量化策略的Python實現(xiàn)和回測

3.整體代碼介紹

　　1.1.2. 第二部分：量化投資基礎

1.量化投資背景及決策流程

2.量化擇時

3.動量及反轉策略

4.基金結構套利

5.行業(yè)輪動與相對價值

6.市場中性和多因子

7.事件驅動

8.CTA_1（TD模型）

9.統(tǒng)計套利_低風險套利

10.大數(shù)據(jù)和輿情分析

11.機器學習

12.高頻交易和期權交易

13.其他策略和策略注意點

　　1.1.3. 第三部分：Python編程知識

Python語言環(huán)境搭建	1.Python語言環(huán)境搭建
Python編程基礎	1.python數(shù)字運算和Jupyter notebook介紹
	2.字符串
	3.Python運算符
	4.Tuple和List
	5.字典
	6.字符串格式化
	7.控制結構_1.For循環(huán)
	8.函數(shù)
	9.全局和局部變量
	10.模塊
	11.Python當中的重要函數(shù)
Python編程進階	1.Numpy數(shù)據(jù)分析精講
	2.Pandas數(shù)據(jù)分析詳解
數(shù)據(jù)可視化	1.Pandas內置數(shù)據(jù)可視化
	2.Matplotlib基礎
	3.Seaborn
金融數(shù)據(jù)處理實戰(zhàn)	1.數(shù)據(jù)獲取_1.本地數(shù)據(jù)讀取
	1.數(shù)據(jù)獲取_2.網(wǎng)絡數(shù)據(jù)讀取_1
	1.數(shù)據(jù)獲取_2.網(wǎng)絡數(shù)據(jù)讀取_2.tushare
	1.數(shù)據(jù)獲取_2_網(wǎng)絡數(shù)據(jù)讀取_3.文件存儲
	2.金融數(shù)據(jù)處理_1.同時獲取多只股票
	2.金融數(shù)據(jù)處理_2.金融計算
	2.金融數(shù)據(jù)處理_3.檢驗分布和相關性
	3.金融時間序列分析_1.Python下的時間處理
	3.金融時間序列分析_2.Pandas時間格式
	3.金融時間序列分析_3.金融數(shù)據(jù)頻率的轉換
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例1
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_1
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標條件選股分析_2

　　1.1.4. 第四部分：量化交易策略模塊

三大經(jīng)典策略	1.三大經(jīng)典策略_1.SMA
	1.三大經(jīng)典策略_2.動量Momentum
	1.三大經(jīng)典策略_3.均值回歸
配對交易策略	2.配對交易
技術分析相關策略	3.量化投資與技術分析_1.技術分析理論
	3.量化投資與技術分析_2.CCI策略的Python實現(xiàn)
	3.量化投資與技術分析_3.布林帶策略的Python實現(xiàn)_1
	3.量化投資與技術分析_4.SMA和CCI雙指標交易系統(tǒng)
	3.量化投資與技術分析_5.形態(tài)識別和移動止損策略
大數(shù)據(jù)輿情分析策略	4.大數(shù)據(jù)輿情分析策略_基于谷歌搜索的大數(shù)據(jù)輿情分析
CTA交易策略	5.CTA交易策略_Aberration趨勢跟蹤系統(tǒng)
量化投資與機器學習	6.量化投資與機器學習_1_機器學習算法原理_2_邏輯回歸原理
	6.量化投資與機器學習_1_機器學習算法原理_3_SVM算法原理
	6.量化投資與機器學習_1_機器學習算法原理_4_決策樹算法原理
	6.量化投資與機器學習_1_機器學習算法原理_5_KNN算法原理
	6.量化投資與機器學習_1_機器學習算法原理_6_神經(jīng)網(wǎng)絡算法了解
	6.量化投資與機器學習_1_機器學習算法原理_7_K-means算法原理和算法總結
	6.量化投資與機器學習_2_機器學習算法實現(xiàn)_1_數(shù)據(jù)集生成原理
	6.量化投資與機器學習_2_機器學習算法實現(xiàn)_2_數(shù)據(jù)集可視化
	6.量化投資與機器學習_2_機器學習算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn)
	6.量化投資與機器學習_2_機器學習算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn)
	6.量化投資與機器學習_2_機器學習算法實現(xiàn)_5_SVM算法的python實現(xiàn)
	6.量化投資與機器學習_3_機器學習算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預測

　　1.1.5. 第五部分：面向對象和實盤交易

1.模塊內容整體介紹

2.面向對象、類、實例、屬性和方法

3.創(chuàng)建類、實例、方法

4._init_初始化方法

5.面向對象程序實例

6.繼承的概念及代碼實現(xiàn)

7.面向對象繼承的實戰(zhàn)案例

8.多繼承和量化交易平臺的面向對象開發(fā)思路

9.用面向對象方法實現(xiàn)股債平衡策略

　　1.1.6. 第六部分 實盤模擬交易

基于優(yōu)礦平臺的面向對象策略	1.優(yōu)礦平臺介紹
	2.優(yōu)礦平臺回測框架介紹
	3.優(yōu)礦框架之context對象、account和position對象
	4.優(yōu)礦其它重要操作
	5.優(yōu)礦之小市值因子策略
	6.優(yōu)礦之雙均線策略
	7.優(yōu)礦之均值回歸策略
	8.優(yōu)礦之單因子策略模板
	9.優(yōu)礦之多因子策略模板
	10.優(yōu)礦之因子數(shù)據(jù)處理：去極值和標準化
面向對象實盤交易之Oanda	1.Oanda平臺介紹和賬戶配置
	2.Oanda賬戶密碼配置和交易框架原理
	3.Oanda鏈接賬戶并查看信息
	4.Oanda API獲取歷史數(shù)據(jù)
	5.Oanda市價單和交易狀態(tài)查詢
	6.Oanda高級交易訂單
	7. Oanda其它高級功能
	8. Oanda實戰(zhàn)ADX策略全講解：策略邏輯、數(shù)據(jù)讀取、歷史數(shù)據(jù)處理、可視化、實時數(shù)據(jù)和實時交易
	9. Oanda通過實時數(shù)據(jù)API調取實時數(shù)據(jù)、resample
面向對象實盤交易之IB	1.IB實戰(zhàn)平臺介紹及API安裝調試
	2.IB實戰(zhàn)平臺請求和響應遠離、線程控制
	3.IB響應函數(shù)wrapper講解
	4.IB請求函數(shù)及合約定義
	5.IB程序化下單、倉位及賬戶查詢
	6.IB三均線交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結構總覽、響應函數(shù)、交易信號、策略展示等全講解。

　　1.1.7. 第七部分：基于優(yōu)礦的進階學習

1.1回測與策略框架

1.2評價指標

1.3.1量化策略設計流程簡介

1.3.2擇時策略舉例（雙均線）

1.3.3量化投資模板1.0選股和擇時

2.1基于技術分析的量化投資

2.2.1技術指標簡介

2.2.2 MACD擇時策略

2.2.3 WVAD擇時策略

2.2.4 RSI擇時策略

2.2.5 MFI擇時策略

2.2.6 CCI擇時策略

2.2.7技術指標總結

2.3通道技術

3.1.1日期效應

3.1.2動量效應

3.2.1格雷厄姆成長投資

3.2.2積極投資策略

3.2.3價值投資策略

3.2.4小型價值股投資策略

3.3.1交易系統(tǒng)設計的一般原理

3.3.2均線排列系統(tǒng)

3.3.3金肯納特交易系統(tǒng)

3.3.4海龜交易法系統(tǒng)

金程推薦： AQF培訓 AQF培訓機構 AQF是什么意思

熱線電話：400-700-9596

AQF考友群：760229148

　　金融寬客交流群：801860357

　　微信公眾號：量化金融分析師

　　>>>返回首頁