用MATLAB求股票模擬交易回測

A. 如何系統地學習量化交易

首先，我對這個問題是完全不知道怎麼回答，為此，我專門去請教了我的老師。

• 我理解很難有一個定量交易的所謂的系統學習過程，定量的只是手段，交易邏輯是多樣的，你可以通過形態描述，追蹤市場方法，如不合理的降價，也可以把天體物理、小波分析、神經網路等復雜模型應用其中，你可以做的是K線結構上的策略，也可以做日線或每500毫秒數據進行決策的策略。所有的一切目的就是為了獲利，所謂量化和程序化只是實現這一目的的手段。

  

• 一個strategist需要思考策略的思維框架，實現方式，而developer則是側重了前後端介面，輸入輸出，界面設置，風控機制，平台拼接等等很多很多方面。其實很不相同吧。

B. 做量化交易選擇什麼語言好呢

量化交易，就是把人能夠識別的信息變成數字，輸入給計算機程序處理，輔助或者代替人類的思考和交易決策。

初學者碰到的第一個問題就是工具的選擇。首先大部分交易員本來不會寫程序，選擇任何一個語言進行策略開發，都有不小的學習成本。更重要的是，選擇了一門語言，接下來開發環境、人員招聘、數據介面與平台、甚至同類人群之間的交流、遇到問題後的支持，都跟著被「套牢」。所以從一開始就必須慎重對待。

先給出答案：對於還沒有確定一套固定量化環境的，建議用Python。

量化交易員面臨的大致選擇有：C/C++/java/C#/R/Matlab/excel等。我們從以下幾個方面考慮簡單做個對比。

注意：這里假設你團隊規模在50人以下。

1 學習成本和應用的廣泛性

C、C++的特點是速度最快，但要想用好，必須對計算機底層架構、編譯器等等有較好的理解，這是非計算機專業的人很難做到的，對於做量化交易來說更是沒有必要。

Java本來是SUN的商業產品，有學習成本和體系的限制，也不適合。

Excel面對GB級別的數據無能為力，這里直接排除。

Python、R和Matlab學起來都簡單，上手也快，可以說是「一周學會編程」。但R和Matlab一般只用來做數據處理，而Python作為一門強大的語言，可以做任何事，比如隨時寫個爬蟲爬點數據，隨時寫個網頁什麼的，更何況還要面對處理實時行情的復雜情況。

2 開始做量化分析後，哪個用起來碰到問題最少，最方便省事?

用歷史數據的回測舉例。假設我們有2014年所有股票的全年日線，現在我們想看看600001的全年前10個最高股價出現在什麼時候。python世界有個強大的pandas庫，所以一句話就解決問題：

dailybar[dailybar [『code』]==『600001』].sort_values([『close』].head(10)

R/Mathlab等科學語言也可以做到。

C/C++沒有完備的第三方庫。如果為了做大量的計算，要自己實現、維護、優化相應的底層演算法，是一件多麼頭疼的事。

Python從一開始就是開源的，有各種第三方的庫可以現成使用。這些底層功能庫讓程序員省去了「造輪子」的時間，讓我們可以集中精力做真正的策略開發工作。

3 現在我們更進一步，要做實時行情分析和決策

以A股的入門級L1數據為例，每3秒要確保處理完3000條快照數據，並完成相應的計算甚至下單。這樣的場景，C和C++倒是夠快了。所以行情軟體比如大智慧、同花順等客戶端都是使用高效率的語言做的，但像客戶端那樣的開發量，絕大部分量化交易機構沒能力也沒必要去做吧。

python的速度足夠對付一般的實時行情分析了。其底層是C實現的，加上很多第三方的C也是C實現，盡管其計算速度比不上原生C程序，但對我們來說是足夠啦。

4 quant離職了，他的研究成果怎麼辦

Python是使用人群最多、社區最活躍的語言之一，也是最受quant歡迎的語言之一。如果你是老闆，你能更容易地招聘到優秀人材，享受到python社區帶來的便利。

附幾個量化中常用的python庫：

- Pandas：

天生為處理金融數據而開發的庫。幾乎所有的主流數據介面都支持Pandas。Python量化必備。

- Numpy：

科學計算包，向量和矩陣處理超級方便

- SciPy：

開源演算法和數學工具包，與Matlab和Scilab等類似

- Matplotlib：

Python的數據畫圖包，用來繪制出各類豐富的圖形和報表。

PS: Python也是機器學習領域被使用最多的語言之一。像tensorflow、scikit-learn、Theano等等對python都有極好的支持。

C. 如何利用matlab對交易策略進行回測

這個很簡單啊，我現在就在用matlab做期貨量化的回測呢
關鍵的構成：
一是：形成自己策略的思想和流程圖
二是：從TB或者其他軟體中導出需要的tick等級別的數據，根據自己的思想和流程圖編輯程序，最好多使用function函數句柄，是程序的可適性增強。
三是：繪制圖片，plot，mesh或者GUI，來觀測自己參數對策略的影響，進而進一步完善策略
四是：多用cell元胞數組，根據TB等回測報告形成自己的測試報告，比如空多盈虧，回撤等等。

D. 請問大家什麼軟體能夠用外部指標進行歷史回測

需要一些比較專業的統計軟體。第三方炒股軟體一般都做的不好，有些我拿更權威的統計軟體去計算，發現結果居然是錯的。這個是個人經驗（不過有點過時了，2012年嘗試的，估計那個軟體自己已經把錯誤更改了。）。

建議你做以下操作：

1. 自己收集外部指標，並隨時更新。如果可以的話，自己建個資料庫。MYSQL之類的，免費而且非常容易上手。
   

2. 選擇一款可以輕松將金融數據導出成標准格式的第三方炒股軟體。這個就是你自己的喜好了。大部分軟體，這方面做的還是不錯的，雖然要交費。

3. 用一款比較專業的統計軟體，將兩者數據導入，然後按自己的想法，自由自在的做分析。你可以隨便選一款你自己使用著習慣的統計軟體。EVIEWS之類的太簡單，包含的東西太少了。高度建議你選擇一些自帶金融計量分析工具的軟體。建議你用以下統計軟體：

1. MATLAB。這個上手超快，前提是你很好的學過線性代數，因為計算是以矩陣為基礎的。他自帶的financial econometrics tool box包含的東西非常廣，非常全。就算沒有，因為軟體自由度很高，所以可以輕松自己創造出一個。

2. STATA。這個上手比上面那個還快。而且，不需要很好的線性代數，因為編程理念不是以矩陣為基礎的。自帶的金融計量的東西很多很全。更新也很快。缺點是，沒上面那個自由度高。某些全新的演算法和公式，你想用的話，自己寫出來比較費勁，效率也容易低。特別是你想做蒙特卡羅模擬實驗的時候。

3. 其他的那些免費的統計軟體，比如R, OX之類的我並不建議。因為是免費的，所以用戶體驗做的並不好。
   

E. 怎麼獲取股票數據c++ api

基本都是自己封裝CTP介面，程序端實現多賬戶、多策略的行情信號接收和委託提交/回報處理。也可以用 QuantBox/QuantBox_XAPI · GitHub 這樣的封裝的比較好、多介面統一API的項目直接整合到程序化平台的項目中使用。

通過程序介面用證券、期貨賬號登錄後訂閱品種的行情，證券、商品期貨、股指期貨、期權（全真模擬，9號就有實盤行情）都可以接收交易所的快照數據（例如商
品、股指都是500ms一個快照，數據結構也比較完整）。然後交易平台可以把行情數據廣播給各個策略程序，程序根據量化策略的邏輯判斷是否下單？掛單的方
式如何？掛單失敗是否追單？如何追單？
策略程序判斷要下單，則提交指令到程序化交易平台，平台把各個帳號各個品種中策略的邏輯持倉匯總為實際持倉，然後通過介面提交委託，並且處理委託回報。
行情數據一方面廣播給策略程序，一方面自己存資料庫，存下來的數據通過完整性檢測後，可以自己合成低頻率的數據，如
1分鍾、30分鍾、1小時、日度等等，這些數據會被用於策略回測，也可以用於市場微觀結構的觀察和研究，例如可以通過優化掛單方式來降低交易滑點。
Matlab可以做一些回測，實盤可能是比較不易用的。一般可以用C++, Java, C#來利用CTP程序化交易介面實現實盤平台，策略研究推薦用R做數據分析、統計、處理、可視化、策略分析、自動報告，用Rcpp（R調用C++）或者直接C++實現高性能回測，用單機並行或集群實現批量回測。