股票的量化分析模型

⑴ 股票里面的量化是什么意思

股票里面的量化指的是用先进的数学模型代替主观判断，然后从庞大的历史数据中海选能带来超额收益的情况以制定策略，随后用数量模型验证及固化这些规律和策略。此外，量化交易是指利用统计学，数学，计算机技术和现代的金融理论，来辅助投资者更好地盈利。
拓展资料
一、常见的十大量化投资策略
01、海龟交易策略
海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。
02、阿尔法策略
阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。
在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。
03、多因子选股
多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同时做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。
04、双均线策略
双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。
双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效。
05、行业轮动
行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。
06、跨品种套利
跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。
跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。
07、指数增强
增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。
08、网格交易
网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量，不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。
09、跨期套利
跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。
10、高频交易策略
高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。（该策略源码模板暂无）

⑵ 如何建立一个股票量化交易模型并仿真

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库MYSQL，ASP网络编程语言，以及可以设置成网络服务器的旗舰版WIN7操作系统。

⑶ 如何建立一个股票量化交易模型并仿真

用python：金融想法->数据处理->模型回测->模拟交易->业绩归因->模型修正。

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地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。

量化交易具有以下几个方面的特点：

1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。

3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

⑷ 量化模型是什么意思

量化模型，是把数理统计学应用于科学数据，以使数理统计学构造出来的模型得到经验上的支持，并获得数值结果。这种分析是基于理论与观察的并行发展，而理论与观测又通过适当的推断方法而得以联系。

一个完整的量化模型包括哪些？

近几年，量化投资在国内兴起，但在很多人眼里，量化投资仿佛是一个非常神秘的新事物。而实际上，量化投资的无非就是宽客通过计算机语言，将交易策略布置到一个量化系统中，然后进行回测和实战的过程。量化投资的本质还是投资者的智慧，只是实现过程中运用到计算机这一工具。

宽客们到底是如何系统的构建一个完整的量化模型的？可以肯定的是，宽客跟普通投资者一样，也在观察市场，产生一些普通投资者也会想到的想法，当宽客产生一些想法时，他们会通过计算机去验证他们的想法是否靠谱或者是能否带来收益。而作为普通投资者，实现想法往往是困难的，如同普通投资者在投资或炒股过程中，发现在15分钟K线图，上升趋势中股价跌破MA169后便会进入调整。普通投资者只是感觉，而宽客可以通过编写程序然后在市场的历史数据回测，验证这个想法是否靠谱。

一个简单的想法编写成简单的程序，这明显不能称作为量化模型，但这却是任何一个量化模型的来源，即人的想法。完整的量化模型应当包括：策略模型、风险模型、交易成本模型、投资组合构建模型、执行模型，如下图：

投资组合构建模型：投资组合构建模型在于构建一个能创造最大盈利的投资组合。主要分为：基于规则的投资组合构建模型和基于优化的投资组合构建模型。基于规则的投资组合构建模型主要分三类：相等头寸加权，相等风险加权，信号驱动型加权。其中前两类分别保证了投资组合的每个个股头寸相等和所承担的风险相等。第三类根据信号强度来加权，投资组合中个股与策略模型设定的条件越接近则赋予的权重越大，这是合理决定头寸规模的最佳途径。

执行模型：执行模型是实施量化模型的最后一个环节，如果没有执行模型，那么整个量化模型并没有存在的意义。执行模型中订单执行算法是最关键的，其主要目的是，以尽可能低的价格，尽可能完整地完成想要交易的订单。具体的执行算法包括：采用何种订单类型，采用进取订单还是被动订单，采用大订单还是小订单。对于资金量比较小的宽客，执行模型往往是比较简单的，一旦出现信号，其所需成交量的并不需要太大。而对于资金量较大的宽客来说，执行模型是比较复杂的，需要根据实际情况来选择合适的下单方式。

以上就是量化模型的整个系统框架，其中任何一个部分都发挥至关重要的作用，因此一个完整的能盈利的量化模型是非常有价值的。

⑸ 量化模型的八种基础

量化模型的八种基础
量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为。量化选股策略总的来说可以分为两类：第一类是基本面选股，第二类是市场行为选股。
基本面选股主要有多因子模型、风格轮动模型和行业轮动模型。市场行为选股主要有资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。
有关量化选股业绩评价要从两个方面来考虑，一个是收益率，一个是风险指数，只是收益率高的策略并不能成为最好的策略，应该综合考虑收益率和风险情况才能判断一个选股的策略的好坏。量化选股需要考虑的是在承担多大的风险情况下的收益率情况。
简单的说一下八种基本的量化模型，这个也是在网上经常被提到的模型。
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。
风格轮动模型是利用市场的风格特征进行投资，比如有时候市场偏好小盘股，有时候偏好大盘股，如果是风格转换的初期介入，则可以获得较大的超额收益。
行业轮动模型与风格轮动类似，由于经济周期的原因，总有一些行业先启动，有的行业跟随。在经济周期过程中，依次对这些轮动的行业进行配置，则比买入持有策略有更好的效果。
资金流选股模型的基本思想是利用资金的流向来判断股票的涨跌，如果资金流入，股票应该会上涨，如果资金流出，则股票应该下跌。所以将资金流入流出的情况编成指标，则可以利用该指标来判断在未来一段时间股票的涨跌情况了。
动量反转模型是指股票的的强弱变化情况，过去一段时间强的股票，在未来一段时间继续保持强势，过去一段时间弱的股票，在未来一段时间继续弱势，这叫做动量效应。过去一段时间强的股票在未来一段时间会走弱，过去一段时间弱势的股票在未来一段时间会走强，这叫做反转效应。如果判定动量效应会持续，则应该买入强势股，如果判断会出现反转效应，则应该买入弱势股。
一致预期模型是指市场上的投资者可能会对某些信息产生一致的看法，比如大多量加牛人看好某一只股票，可能这只股票在未来一段时间会上涨；如果大多数量加牛人看空某一只股票，可能这只股票在未来一段时间会下跌。一致预期策略就是利用大多数牛人（股票分析师）的看法来进行股票的买入卖出操作。
趋势追踪模型是属于图形交易的一种，就是当股价出现上涨趋势的时候，则追涨买入；如果出现下跌趋势的时候，则杀跌卖出，本质上是一种追涨杀跌策略。判断趋势的指标有很多种，包括MA，EMA，MACD等，其中最简单也是最有效的是均线策略。
筹码选股模型是另外一种市场行为策略，基本思想是，如果主力资金要拉升一只股票，会慢慢收集筹码，如果主力资金要卖出一只股票，则会慢慢分派筹码，所以根据筹码的分布和变动情况，就可以预测股票的未来是上涨还是下跌。

⑹ 量化选股策略是什么多因子模型是什么

量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为，研究表明，板块、行业轮动在机构投资者的交易中最为获利的盈利模式是基于行业层面进行周期性和防御性的轮动配置，这也是机构投资者最普遍采用的策略。此外，周期性股票在扩张性货币政策时期表现较好，而在紧缩环境下则支持非周期性行业。行业收益差在扩张性政策和紧缩性政策下具有显著的差异。
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。

⑺ 浠涔堟槸閲忓寲浜ゆ槗鐨凚arra澶氬洜瀛愭ā鍨嬶紵

娣卞叆瑙ｈ伙細Barra澶氬洜瀛愭ā鍨嬬殑濂ョ樹笌瀹炴垬搴旂敤

鍦ㄦ姇璧勯嗗煙锛孊arra澶氬洜瀛愭ā鍨嬪氨鍍忎竴鎶婄簿瀵嗙殑宸ュ叿锛屽府鍔╂垜浠鐞嗚В澶嶆潅鐨勫競鍦哄姩鎬併備絾瑕佺湡姝ｆ帉鎻″畠锛岀悊瑙ｅ叾鑳屽悗鐨勫師鐞嗗拰瀹為檯鏁堢敤鏄鍏抽敭銆傛湰鏂囧皢甯﹂嗕綘涓姝ユユ彮绀鸿繖涓妯″瀷鐨勮癁鐢熻儗鏅銆佽В鍐崇殑闂棰橈紝浠ュ強濡備綍閫氳繃鏈鍩虹鐨勬暟瀛︾煡璇嗗疄鎿嶄簬娌娣300鎸囨暟鐨勪笟缁╁綊鍥犮

棣栧厛锛屾垜浠鏉ユ帰璁˙arra妯″瀷鐨勮癁鐢熷師鍥犮傚湪璧勪骇缁勫悎鎶曡祫鐨勪笘鐣岄噷锛孧arkowitz鐨勫潎鍊-鏂瑰樊妯″瀷鏄缁忓吀涔嬩綔锛屽畠閫氳繃鍒嗘暎椋庨櫓瀵绘眰鏈浼樻敹鐩娿傜劧鑰岋紝闈㈠规捣閲忚偂绁ㄧ殑鍏宠仈鎬ц＄畻锛孧arkowitz妯″瀷鐨勫眬闄愭у氨鏄剧幇鍑烘潵锛氶渶瑕佽＄畻鏁颁互鍗冭＄殑鍗忔柟宸锛岃＄畻閲忓法澶с傝繖灏辨槸Barra妯″瀷鐨勮癁鐢熻儗鏅锛屽畠宸у欏湴灏嗚＄畻閲忎粠N*(N+1)/2娆￠檷浣庡埌n*(n+1)/2+n娆★紝浠呴渶鍏虫敞灏戞暟鍏抽敭鐨勫洜瀛愩

Barra鍩虹鐗堟ā鍨嬫帹瀵艰﹁В

Barra妯″瀷鐨勬牳蹇冨亣璁炬槸鑲＄エ鏀剁泭鐢卞叕鍏卞洜瀛愰┍鍔锛屾瘮濡備环鍊笺佹垚闀跨瓑銆傚叾鍩虹鐗堟ā鍨嬪彲浠ヨ〃绀轰负锛

鍏朵腑锛宺i鏄鑲＄エi鐨勬敹鐩婄巼锛孹ik鏄鍥犲瓙杞借嵎锛寀i鍒欐槸鐗瑰紓鎬ф敹鐩婏紝闅句互鐢ㄥ叕鍏卞洜瀛愯В閲娿備竴涓璧勪骇缁勫悎鐨勬敹鐩婄巼锛岀敱鎵鏈夎偂绁ㄧ殑鍥犲瓙鏆撮湶鍜岀壒寮傛ф敹鐩婂姞鏉冩眰鍜屻

缁忚繃涓绯诲垪鎺ㄥ硷紝Barra妯″瀷灏嗗嶆潅鐨勭粍鍚堟敹鐩婄巼鍒嗘瀽绠鍖栦负瀵筀涓鍥犲瓙鐨勬敹鐩-椋庨櫓鍒嗘瀽銆傝＄畻缁勫悎鏂瑰樊鏃讹紝Barra妯″瀷鍋囪惧洜瀛愭敹鐩婁笌鐗瑰紓鎬ф敹鐩婄嫭绔嬶紝杩欏ぇ澶у噺灏戜簡璁＄畻閲忋傚叿浣撳埌鏁板﹀叕寮忥紝鎴戜滑鍙浠ョ湅鍒帮紝閫氳繃鍥犲瓙鏀剁泭鐜囧悜閲忕殑鍗忔柟宸鐭╅樀锛屾垜浠瀹炵幇浜嗛庨櫓鐨勯檷缁村勭悊銆

Barra妯″瀷鐨勮础鐚鍦ㄤ簬瀹冨皢缁勫悎椋庨櫓鍒嗚В涓虹郴缁熸ч庨櫓鍜屼笉鍙鍒嗘暎椋庨櫓锛屼互鍙婂湪鏋勫缓妯″瀷鏃堕渶瑕佽冭檻鐨勫洜绱狅紝濡傚洜瀛愰夋嫨鐨勫畬鏁存т笌鍐椾綑鎬с傝繖浣垮緱鎶曡祫鑰呰兘澶熸洿鍔犵簿纭鍦拌瘎浼板拰绠＄悊鎶曡祫缁勫悎鐨勬尝鍔ㄦс

灏界℃湰鏂囬渶瑕佷竴瀹氱殑鏁板﹀熀纭锛屼絾鍙瑕佹湁澶у︽湡闂存帴瑙﹁繃鐨勭嚎鎬т唬鏁版垨澶氬厓闅忔満鍚戦噺鐭ヨ瘑锛屽嵆渚块仐蹇橈紝涔熻兘杞绘澗璺熶笂鐞嗚В鐨勬ヤ紣銆傜幇鍦锛岃╂垜浠鎼烘墜姝ュ叆Barra妯″瀷鐨勪笘鐣岋紝瀹炴搷浜庢勃娣300鎸囨暟锛岃В閿佹洿楂樻晥鐨勬姇璧勭瓥鐣ャ