金融領域
- 股票
- 期貨
- 外彙
- 虛拟貨币
- 期權
統計和資料科學
- 假設檢驗
- 機器學習
- 過度拟合問題:避免過度拟合,在不同模型下所用的方法是不一樣的。
- 模型選擇、變量選擇
程式設計
- python
- Python幾個常用的包:Numpy,pandas,scikit-learn
- 完成一些基本項目:網頁爬取資料(從Finviz取資料)、API下載下傳資料、資料分析(Kaggle上有例子)
- 使用現有量化交易平台直接開始使用,邊用邊學(QuantConnect)
- 系統化管理資料和代碼
交易
- 開戶,手動模拟交易
- 看看别人在做什麼:宏觀資料、K線圖、技術名額、日内交易(當天買當天賣)、常用經典量化政策
- 交易的常識:市場參與者(交易是與人博弈的一個過程)、交易如何進行、杠杆和保證金等、哪些資料可以使用、會産生哪些資料
- 盡早進行一次完整量化交易全過程
量化交易流程:
- 1、資料擷取
- 2、資料清理
- 3、資料分析
- 4、資料優化
- 5、政策回測
- 6、政策參數優化
- 7、政策模拟和實盤
- 8、風控子產品
- 9、資金管理
量化交易名額
- 技術名額:對成交價量的一種特定方式總結,比如RSI,MACD等。比如Pandas-ta中有130多種名額。
- 資訊不能超出:成交價格、成交量和成交時間,三者的轉換與組合有着相依關系和豐富的内容。
- 是否有用:量化名額中得變量是長期的一個群體智慧,雖然信号是低頻且高噪聲的,但是這些量化名額并不是完全沒用。