股票交易量的原始模型

『壹』 如何建立量化交易模型

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

『贰』 网格交易法是什么

通过朋友介绍去点金世界的易之道社区看到网格交易法，并跟着系统化的学习，深刻理解的网格交易法的来由和秘密。

很久以前有个渔民，他总是习惯徒手捕鱼，但总是抓不到鱼，效率很低下。有一天一个老渔民告诉他，“你做个渔网不就容易抓到鱼了吗？”渔民想，确实是这个道理，撒个渔网下去，就可以多抓好多鱼！可是一段时间后，他发现用渔网捕鱼并没有按照预想的那样抓到好多鱼，他觉得很懊恼，就去问老渔民是怎么回事？老渔民默默笑了笑，说“没捞到鱼不能怪网不行，你还得会学会如何使用它，去捕鱼之前你要知道你的网是粗网还是细网，要捕的是什么鱼，如果是细网应该去河里捕小鱼，如果是粗网捕不到小鱼，应该去海里捕大鱼。你捕鱼的手法、方式，要符合鱼儿运动的规律。”所以，在交易过程中，我们除了拿到工具还不够，还需要知道如何使用工具，才能够捕到更多的鱼。

渔夫用渔网将所及范围的鱼一网打尽给了我们很大的启示，我们也可以按照这种方式，设定一张目标价格网，若股票价格随机波动时触及我们网内的价格，就买入一定数量的股票，价格上涨时就卖出一定数量的股票获利，价格回落时再买回一部分的股票，在网内不断的买卖，不断的获利。

经过多年探索，信息论之父——申农研究出了这样一个捕鱼法宝：网格交易法，下面给大家具体介绍一下申农的交易理论：在某一个价位上用账户资金的50%买入股票，当股票价格上涨一定幅度时就卖出一部分股票，股票价格下跌，就用剩余资金补回部分仓位，使账户剩余资金和持仓股票的市值维持在1:1的比例。

什么意思呢，我们用一个简单的案例进行说明，假如我的股票账户上有200元，用50%就是100元在1块钱的时候建起始仓位，剩下50%也就是100元不动，于是我的账户上有了100元的股票和100元的现金；当股票价格涨到2块钱的时候，之前市值100块的股票涨到了200元，我就卖掉50块钱的股票，这时我的账户上有值150块的股票和150块现金，账户资金和股票市值相等；股票跌回1块的时候，再拿多余现金买回股票，使股票市值与账户资金相等。股票价格从1块钱涨到2块钱再跌回1块钱的时候，股票市值变为75元，账户资金为150元，账户总资产为225元，比最开始的200元多出来了25元，即使股票价格没有上涨，我们也能赚到波动的钱。

申农的策略可以用两句话来总结：

1股价涨跌是不可预测的。

2股价上涨就不断卖出套现，股价下跌就不断买进股票。

这就是最基础的、最原始的网格交易模型。

申农十多年的网格交易生涯，充分验证了网格交易逻辑的有效性和实用性，也用29%年复利增长的成绩，充分验证了网格交易法的价值。点金世界交易团队从2016年开始探索并验证了网格交易法，并提炼出独创的网格交易法系统化课程，中轴交易法和波段111交易法，有兴趣可以上点金世界看看哦~

『叁』 那里能查到股票的成交数据和机构买卖席位

进入大智慧，输入要看的股票代码，按F5会出现K线图，然后用左右键或鼠标选择K线图，这时在屏幕左边就有成交量等很多信息。
股市成交量为股票买卖双方达成交易的数量，是单边的，例如，某只股票成交量为十万股，这是表示以买卖双方意愿达成的，在计算时成交量是十万股，即：买方买进了十万股，同时卖方卖出十万股。而计算交易量则双边计算，例如买方十万股加卖方十万股，计为二十万股。股市成交量反映成交的数量多少。一般可用成交股数和成交金额两项指标来衡量。目前深沪股市两项指标均能显示出来。
交易席位原指交易所大厅中的座位，座位上有电话等通讯设备，经纪人可以通过它传递交易与成交信息。证券商参与证券交易必须首先购买席位，席位购买后只能转让，不能撤消。
在我国，证券交易所专用席位是用于B股股票交易的席位。
席位分类如下：
第一，根据席位的报盘方式，有有形席位和无形席位之分。
有形席位，指设在交易所交易大厅内与撮合主机联网的电脑报盘终端。证券商通过有形席位进行证券交易，采用的是人工报盘方式，即由证券营业部里的柜台工作人员通过热线电话将投资者的委托口述给证券交易所交易大厅内的出市代表。出市代表用席位上的电脑报盘终端再将委托输入撮合主机，通过单向卫星接收实时行情和成交回报数据。
无形席位，指证券商利用现代通讯网络技术，将证券营业部里的电脑终端与交易所撮合主机直接联网，直接将交易委托传送到交易所撮合主机，并通过通讯网络接收实时行情和成交回报数据。无形席位采用的主要通讯方式是技术水平较高、传输速率较快、安全可靠性较好的双向卫星，以适应我国幅员辽阔、投资者分散的特点。
无形席位实际上是交易所为证券商提供的与撮合主机联网用的通讯端口。不再具有席位的原始形式。如果全部采用无形席位交易，在交易所交易大厅我们将看不到证券商出市代表。甚至连交易大厅也不需要。一个无形席位与证券商柜台电脑服务器相联后，可以连接几十台报盘终端，也就是说，一个无形席位的效率相当于几十个有形席位。
对于无形化交易市场来说，证券商的报盘终端可以与交易所撮合主机相联。因此，每个从证券营业网点通过电话委托、自助委托或柜台委托的投资者，都相当于场内的出市代表，投资者输入的委托直接进入交易所电脑主机进行撮合。证券商一般可以用少量的几个无形席位来代替有形市场的几十个有形席位，且无需在场内派驻出市代表，大大节约了经营成本，更重要的是省去了人工报盘的中间环节，从而减少了差错，提高了效率。无形席位具有有形席位无法比拟的优势。我国在这方面处于世界领先地位，深圳证券交易所已全部采用无形席位，上海证券交易所也已开始向无形席位转变。
第二，根据席位经营的证券种类，有A股席位、B股席位之分。
A股席位是经营A种股票、国债及其衍生品种买卖的席位；
B股席位是经营B种股票买卖的席位。
第三，根据席位使用的业务种类不同，可将证券交易席位分为代理席位和自营席位。
代理席位是证券公司专门接受投资者委托，为投资者代理证券买卖的席位。
自营席位是证券公司专用于自营证券业务的席位

『肆』 股票网格什么意思

网格交易是量化交易的一种，是一种稳定的、保险的、收益率不会大起大落的交易方式。
简单说就是分批买入，比如说股票跌了一部分 爱就投入70%左右 再跌再买，越跌越买，这样等于是把你的钱分批不断的投入进去，降低了风险，如果你一下子都投进去了，他又继续低呀 你就没有钱，再继续往里补了 这样做最大的好处就是抄底抄的相对来说呃稳定一些，不会出现 抄底抄的不深这种局面
我是从点金世界上学习到网格交易法，它是点金世界交易团队根据信息论之父——申农的捕鱼法宝演变而来的实操课程，下面给大家具体介绍一下申农的交易理论：在某一个价位上用账户资金的50%买入股票，当股票价格上涨一定幅度时就卖出一部分股票，股票价格下跌，就用剩余资金补回部分仓位，使账户剩余资金和持仓股票的市值维持在1:1的比例。
申农的策略可以用两句话来总结：
1股价涨跌是不可预测的。
2股价上涨就不断卖出套现，股价下跌就不断买进股票。
这就是最基础的、最原始的网格交易模型。
在行情不可预测的情况下，设置好网格区间，网格交易法的基础是资金管理，只要按照这个原理来控制风险，低买高卖，不断在震荡中获利。
币种选择上：
1， 总市值要大，交易量要多，换手率要高。
2，近期处于震荡，不会大涨大跌的币种。由于网格交易法追求的是不断的行情波动，行情波动越厉害，收益率越高。只在一定的区间内不停波动，网格法会获得很大的收益。按网格交易法的特性，K线波动越大的行情越适合网格法。
操作上，首先要确定价格区间，防止出现单边行情时，不设限地买入或卖出。价格区间的确定，跟这个币种近一段时间的振幅有关。
之后，确定网格密度。投资者需根据数字资产价格波动情况，把加密货币价格波动区间分为若干价位，程序将资金分配在各价位挂买单。在实际运作中，当数字资产价格下跌时，每成交一份买单，立刻在高一个价位挂一份卖单，即低价买单与高价卖单一一对应。当数字资产价格上涨时，每成交一份卖单，立刻在低一个价位挂一份买单。即低价买单被高价卖出后，立刻补单。
最后，设置好止盈止损价格。止盈是指，当单边行情来临时，比如币价连续上涨，一旦涨破一个支撑位，很有可能再继续上涨的时候，为了不错过行情，设置好止盈价，在这个止盈价时一把买入。止损是指，当单边行情来临时，比如币价连续下跌，一旦跌破一个支撑位，很有可能再继续下跌的时候，为了减小损失，设置好止损价，在止损价时一把卖出。
目前，有少数加密货币交易所推出了网格交易平台，其中包括Bibox、BitUniverse等

『伍』 比较分析股权价值评估股权现金流量股价模型股利折现股价模型......急！谢谢哥哥姐姐们

绝对估值法（折现方法）
1.DDM模型（Dividend discount model /股利折现模型)
2.DCF /Discount Cash Flow /折现现金流模型）
（1）FCFE （ Free cash flow for the equity equity /股权自由现金流模型)模型
（2）FCFF模型（ Free cash flow for the firm firm /公司自由现金流模型）
DDM模型
V代表普通股的内在价值， Dt为普通股第t期支付的股息或红利，r为贴现率
对股息增长率的不同假定，股息贴现模型可以分为
：零增长模型、不变增长模型（高顿增长模型）、二阶段股利增长模型（H模型）、三阶段股利增长模型和多元增长模型等形式。
最为基础的模型；红利折现是内在价值最严格的定义； DCF法大量借鉴了DDM的一些逻辑和计算方法（基于同样的假设/相同的限制）。
1. DDM DDM模型模型法（Dividend discount model / Dividend discount model / 股利折现模型股利折现模型)
DDM模型
2. DDM DDM模型的适用分红多且稳定的公司，非周期性行业；
3. DDM DDM模型的不适用分红很少或者不稳定公司，周期性行业；
DDM模型在大陆基本不适用；
大陆股市的行业结构及上市公司资金饥渴决定，分红比例不高，分红的比例与数量不具有稳定性，难以对股利增长率做出预测。
DCF 模型
2.DCF /Discount Cash Flow /折现现金流模型） DCF估值法为最严谨的对企业和股票估值的方法，原则上该模型适用于任何类型的公司。
自由现金流替代股利，更科学、不易受人为影响。
当全部股权自由现金流用于股息支付时， FCFE模型与DDM模型并无区别；但总体而言，股息不等同于股权自由现金流，时高时低，原因有四：
稳定性要求（不确定未来是否有能力支付高股息）；
未来投资的需要（预计未来资本支出/融资的不便与昂贵）；
税收因素（累进制的个人所得税较高时）；
信号特征（股息上升/前景看好；股息下降/前景看淡）
DCF模型的优缺点
优点：比其他常用的建议评价模型涵盖更完整的评价模型，框架最严谨但相对较复杂的评价模型。需要的信息量更多,角度更全面, 考虑公司发展的长期性。较为详细，预测时间较长，而且考虑较多的变数，如获利成长、资金成本等，能够提供适当思考的模型。
缺点：需要耗费较长的时间，须对公司的营运情形与产业特性有深入的了解。考量公司的未来获利、成长与风险的完整评价模型，但是其数据估算具有高度的主观性与不确定性。复杂的模型，可能因数据估算不易而无法采用，即使勉强进行估算，错误的数据套入完美的模型中，也无法得到正确的结果。小变化在输入上可能导致大变化在公司的价值上。该模型的准确性受输入值的影响很大（可作敏感性分析补救）。
FCFE /FCFF模型区别
股权自由现金流（Free cash flow for the equity equity ）：
企业产生的、在满足了再投资需求之后剩余的、不影响公司持续发展前提下的、可供股东股东分配的现金。
公司自由现金流（Free cash flow for the film film ）：
美国学者拉巴波特（Alfred Rappaport）20 世纪80 年代提出了自由现金流概念：企业产生的、在满足了再投资需求之后剩余的、不影响公司持续发展前提下的、可供企业资本供应者企业资本供应者/各种利益要求人（股东、债各种利益要求人（股东、债权人）权人）分配的现金。
FCFF 模型要点
1.基准年公司自由现金流量的确定：基准年公司自由现金流量的确定：
2.第一阶段增长率第一阶段增长率g的预估的预估：(又可分为两阶段）又可分为两阶段）
3.折现折现率的确定的确定：
折现：苹果树的投资分析/评估自己加权平均资金成本(WACC) 。
4 .第二阶段自然增长率的确定：
剩余残值复合成长率（CAGR），一般以长期的通货膨胀率（CPI）代替CAGR。
5 .第二阶段剩余残值的资本化利率的计算：
WACC减去长期的通货膨胀率（CPI）。
公司自由现金流量的计算
根据自由现金流的原始定义写出来的公式：
公司自由现金流量=（ 税后净利润 利息费用 非现金支出- 营运资本追加）- 资本性支出
大陆适用公式：
公司自由现金流量
= 经营活动产生的现金流量净额–资本性支出
= 经营活动产生的现金流量净额– （购建固定、无形和其他长期资产所支付的现金– 处置固定、无形和其他长期资产而收回的现金净额）
资本性支出
资本性支出：用于购买固定资产（土地、厂房、设备）的投资、无形资产的投资和长期股权投资等产能扩张、制程改善等具长期效益的现金支出。
资本性支出的形式有：
1.现金购买或长期资产处置的现金收回、
2.通过发行债券或股票等非现金交易的形式取得长期资产、
3.通过企业并购取得长期资产。
其中，主体为“现金购买或长期资产处置的现金收回”的资本性支出。
现行的现金流量表中的“投资活动产生的现金流量”部分，已经列示了“购建固定、无形和其他长期资产所支付的现金”，以及“处置固定、无形和其他长期资产而收回的现金净额”。
故：资本性支出= 购建固定、无形和其他长期资产所支付的现金—处置固定、无形和其他长期资产而收回的现金净额
自由现金流的的经济意义
企业全部运营活动的现金“净产出”就形成“自由现金流”，“自由现金流”的多寡一定程度上决定一家企业的生死存亡。一家企业长期不能产出“自由现金流”，它最终将耗尽出资人提供的所有原始资本，并将走向破产。
1.“自由现金流”充裕时，企业可以用“自由现金流” 偿付利息还本、分配股利或回购股票等等。
2. “自由现金流”为负时，企业连利息费用都赚不回来，而只能动用尚未投入经营（含投资）活动的、剩余的出资人（股东、债权人）提供的原始资本（假定也没有以前年度“自由现金流”剩余）来偿付利息、还本、分配股利或进行股票回购等等。
3.当剩余的出资提供的原始资本不足以偿付利息、还本、分配股利时，企业就只能靠“拆东墙补西墙”（借新债还旧债，或进行权益性再融资）来维持企业运转。当无“东墙”可拆时，企业资金链断裂，其最终结果只能寻求被购并重组或申请破产。
公司自由现金流量的决策含义
自由现金流量为正： 自由现金流量为正：
公司融资压力小、具发放现金股利、还旧债的能力；
不一定都是正面的，隐含公司扩充过慢。
自由现金流量并非越高越好，自由现金流量过高表明再投资率较低，盈余成长率较低。
自由现金流量为负： 自由现金流量为负：
表明再投资率较高，盈余成长率较高，隐含公司扩充过快；
公司融资压力大，取得现金最重要，须小心地雷股；
借债困难，财务创新可能较大，可能发可转换债规避财务负担；
在超额报酬率呈现正数时，负的自由现金流量才具有说服力。
基准年公司自由现金流量的确定
自由现金流量为正：
取该年值为基准年值；
以N年算术平均值为基准年值；
以N年加权平均值为基准年值（权重自定，越近年份权重越大。）
自由现金流量为负：
如算术平均值为正，以N年算术平均值为基准年值；
如加权平均值为正，以N年加权平均值为基准年值；
如前一年为正，取前一年值为基准年值；
如前一年为负，取某一年比较正常值为基准年值（自定）。
第一阶段增长率g的预估
运用过去的增长率： 运用过去的增长率：
算术平均数（简单平均/赋予不同年份相同的权重/忽略了复利效果）
加权平均数（给予近几年增长率以较大权重/不同年份权重主观确定）
几何平均数（考虑了复利效果/忽略中间年限变化）
线性回归法（同样忽略了复利效果）
结论：没有定论
注意：当利润为负时
算术平均数（简单平均/赋予不同年份相同的权重/忽略了复利效果）
加权平均数（没有意义）
几何平均数（考虑了复利效果/忽略中间年限变化）
线性回归法（没有意义）
历史增长率的作用
历史增长率在预计未来增长率中的作用取决于历史增长率在预计未来增长率中的作用取决于:
历史增长率的波动幅度（与预测的有用性负相关。）
公司的规模（随规模变大，保持持续高增长的难度变大。）
经济的周期性（周期性公司的取值可能很高或很低。）
基本面的变化（公司业务、产品结构变化、公司重组等。）
收益的质量（会计政策/购并活动引起的增长可靠性很差。）
主观预测优于模型
研究员对结论：研究员对g的主观预测优于模型的预测：只依据过去的数据
研究员的主观预测：过去的数据 本期掌握的所有信息，包括：
（1）上一次定期报告后的所有公司不定期公告中的信息；
（2）可能影响未来增长的宏观、行业信息；
（3）公司竞争对手的价格政策即对未来增长率的预估；
（4）访谈或其他途径取得的公司内幕消息；
如何准确预测g
预测得准确与否,将建立在研究员对产业发展和公司战略把握的基础之上。公司战略包括公司产业领域的选择、产品的选择和生产流程的选择。要依据产业发展和公司战略，要与时俱进，对模型参数进行修正,提高估值的准确性。
（1）最近公司具体信息的数量（越多/越重大，优势越明显）；
（2）研究该公司的研究员的数量（越多/越一致，优势越明显）；
（3）研究该公司的研究员意见的分歧程度（越大，优势越不明显）；
（4）研究该公司的研究员的素质（金牌研究员越多，预测优势越大）。
建议：相信自己，不要盲目相信其他研究员的预测。金牌研究员也可能犯严重错误，因为：数据本身可能存在错误 研究员可能忽略基本面的重大变化。
WACC释义与计算
WACC WACC （ Weighted average cost of capital/ Weighted average cost of capital/加权平均资金成本权平均资金成本/Composite cost of capital Composite cost of capital)
根据股东权益及负债占资本结构的百分比，再根据股东权益及负债的成本予以加权计算，所得出的综合数字。
公式：
WACC =股东权益成本*（公司市值/企业价值） 负债成本*（负债/企业价值）
利用公司的加权平均资本成本（WACC）来判断公司股票是否值得投资。
WACC的计算相当复杂，不过如何使用WACC ，比如何计算该数字更重要。
FCFF法的适用
1. FCFF FCFF法的适用： 法的适用：
周期性较强行业（拥有大量固定资产并且账面价值相对较为稳定）；
银行；
重组型公司。
2. 2. FCFF FCFF法的不适用：
公司无平均正的盈余，如IT类公司目前处于早期阶段；
公司不具备长期历史营运表现，例如成立不到三年的公司；
缺乏类似的公司可作参考比较；
公司的价值主要来自非营运项目。
特殊情况下DCF的应用（1）
1. 周期性较强行业周期性较强行业：
难点：基准年现金流量及预期增长率g的确定问题。
对策：1。基准年现金流量为正，直接调整预期增长率g 。
（1）景气处于 3、-3、-2 ，预计景气回落，下调预期增长率g。
（2）景气处于-1、 1、 2 ，预计景气上升，上调预期增长率g。
（逻辑：景气循环理论，景气周期周而复始，历史重演。研究员对宏观经济周期、行业景气周期的判断能力，以及能否准确寻找一个景气周期年限及景气拐点都会影响估计的准确性。）
2。基准年现金流量为负。
先求平均现金流量以作基准年现金流量；然后调整预期增长率。
注意：注意：1。也可以从营收开始，利用会计勾稽关系全面估算每年现金流量。
（宏观经济周期、行业景气周期判断的准确性、会计能力都会影响估计
的准确性，工作量繁重且效果不佳）
2。内部收益率已经体现收益波动性对价值评估的影响。
3。预期增长率g取净利成长率时，将净利成长率*

『陆』 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。

『柒』 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。