量化交易學習2--量化交易入門

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。