Python量化交易(一)：量化投资基本概念

🕗 发布于 2024-10-17 07:34 python 人工智能 物联网量化交易 llm

head-bar

引言

大家好，我是GISer Liu😁，一名热爱AI技术的GIS开发者。本系列文章是我跟随DataWhale 2024年10月学习赛的Python量化交易学习总结文档；在现代社会中，投资已成为个人、机构和政府追求财富增长和资源配置的重要方式。投资行为贯穿于经济的多个方面，如实物资产投资、金融资产投资，以及教育、健康和情感等非物质投资。本文旨在系统梳理经济学中的投资概念，重点解析金融投资和量化投资;
💕💕😊

一、投资基本概念

1.什么是投资？

投资是指各类经济主体（包括政府、金融机构、企业和个人）为了获得未来的收益或效益，预先垫付一定量的货币或实物，以经营某项事业的行为活动。从经济学的广泛意义上讲，投资是为获得一定的预期社会经济效益而进行的资金或资本物的投入及其活动过程。

具体而言，投资可以分为以下几类：

固定资产投资：指用于购置或建设固定资产（如厂房、设备、建筑物等）的资金投入。
证券投资：指购买股票、债券、基金等金融产品的资金投入，以期获得资本增值或利息收入。
教育投资：指个人或家庭为提高自身或子女的教育水平而进行的资金投入，以期获得更好的职业发展机会和收入。
健康投资：指个人或家庭为保持或改善健康状况而进行的资金投入，如购买健康保险、进行体检、参加健身活动等。
感情投资：虽然不是经济学意义上的投资，但在社会生活中，人们常常用“感情投资”来形容在人际关系中投入的时间、精力和情感，以期获得更好的关系回报。

投资的核心是为了获得未来的收益或效益，而不仅仅是资金的简单支出。

2.资产投资类别

① 实物投资

实物投资指将资金用于购置和建造各种固定资产和流动资产。

固定资产：房屋、厂房、机器设备等。
流动资产：原材料、库存产品等。

实物投资的构成

实物投资

② 金融投资

(1) 概念

金融投资是将资金投向金融市场，如股票、债券、基金等有价证券，以获得未来价值的增值。

银行储蓄：低风险、低收益。
股票投资：高风险、高收益。
债券投资：较低风险，稳定收益。
基金投资：多元组合，风险分散。

金融投资

投资类型	描述	风险与收益	特点
股票投资	包括A股、港股、美股等，投资者选股并买入股票，股价上涨获益，下跌则损失。	高风险高收益	需要选股，风险较高，收益潜力大。
基金投资	主要指证券投资基金，相对股票投资更为省心，不需要选股。	中等风险中等收益	分散投资，风险相对较低，适合长期投资。
债券投资	包括国债、金融债券、公司债券等，风险较低，收益也较低。	低风险低收益	收益稳定，风险较低，适合保守型投资者。
房地产投资	购入多套房，房价上涨获利，但变现期长，存在政策调控风险。	高风险高收益	投资金额大，收益潜力大，但流动性差，受政策影响大。

(2) 马政经角度的投资

这里我们用马克思主义政治经济学的观点进行介绍：

马克思主义政治经济学认为，投资是资本积累和资本增值的过程，是资本主义生产方式的核心特征之一。金融投资作为投资的一种形式，是在资本主义生产力和商品经济发展的基础上形成的，反映了资本主义经济关系的深化和复杂化。

早期资本主义的投资

在资本主义发展初期，资本所有者与资本运用者是结合在一起的，经济主体直接拥有生产资料和资本，亲自从事生产消费。投资大多采取直接投资的方式，主要指实物投资，如建造厂房、购置设备、购入原材料等。这一阶段的投资主要是为了扩大再生产，增加剩余价值的生产。

资本主义生产力和商品经济的发展

随着资本主义生产力和商品经济的发展，占有资本和运用资本的分离成为资本运用的重要形式。随着投资规模的扩大，单个资本家的资本实力难以满足需求，银行信用制度和股份制经济应运而生，银行信贷、发行股票和债券成为重要的投资资金来源。这一过程反映了资本积累的深化和资本关系的复杂化，资本家通过金融手段将社会资本集中起来，进一步扩大生产规模，增加剩余价值的生产。

现代金融投资的重要性

随着现代金融市场的日益发展和完善，金融投资的重要性日益凸显，现代投资概念更主要地指金融投资，特别是证券投资。在西方学术界的投资学著作中，投资实际上指的就是金融投资。这一现象反映了资本主义生产方式的进一步发展和资本关系的深化，资本家通过金融市场将资本集中起来，进一步扩大生产规模，增加剩余价值的生产。

3. 投资与投机的区别

投资	投机
基于基本面分析，注重长期价值	基于市场消息，追求短期收益
风险相对较小	风险高、波动大
强调大概率获利	追求短期内的快速增值

作者更倾向于前者😉

4.投资者分析流派

在股票市场上，投资的流派更是百花齐放，既有严谨的基本面分析，也有神秘的技术面分析，甚至有人用风水来预测市场；

股市除了收到经济等自然客观因素影响，也受到市场股民情绪的主观影响；
不同的流派之间没有对错优劣之分，只有合不合适，是否符合对应投资场景；
根据投资者不同的关注点，赚上市公司盈利的欠和赚市场(别的投资者)的钱；可以分为“价值派”和“市场派”；

这里作者简要整理了一下股市中创建的分析流派；

流派名称	方法概述	****特点	代表人物/理论/应用
宏观策略分析法	从宏观经济变化入手，自上而下研究，选择合理方向。	对市场整体和背景上的“面”的研究。	专业机构常用。
价值投资法	自下而上选股，长期持有，伴随公司成长。	需对行业发展有较深理解，分析财务数据和核心竞争力。	巴菲特、格雷厄姆、彼得·林奇、费雪。
主题事件投资法	判断事件趋势，寻找超预期或制造预期的投资机会。	体系性主题（宏观影响）和事件性主题（新闻事件影响）。	降息受益主题、AIGC、ChatGPT股。
技术分析法	以股价为对象，从历史走势预测未来趋势，看K线、指标、图形。	散户常用。	道氏理论、杰西和索罗斯的心理分析理论、江恩理论。
量化投资法	定量投资，通过数量化和计算机程序化方式进行买卖，分析数据，运用策略获益。	基金行业，2014年后逐渐兴起。	量化投资方法在基金行业占比不高。

案例：

价值投资法的代表人物巴菲特强调挖掘企业的内在价值，长期持有股票，伴随公司成长，获得长期收益。这种方法需要对行业发展有较深的理解，分析公司财务数据和核心竞争力。

技术分析法则是散户常用的方法，通过研究股价的历史走势，看K线、指标、图形，预测未来价格趋势。道氏理论、杰西和索罗斯的心理分析理论、江恩理论等都属于技术分析流。

二、股票投资的基本流程

在A股市场，股票投资流程分为开户、交易和后续管理三个主要阶段。作者简要描述了以下流程:

股票投资基本流程

选择证券公司及营业部

投资者需要选择一家证券公司及其营业部（线上/线下），确定开户地点。
公司资质、佣金费率、服务质量是选择时的重要参考。

填写开户申请及相关资料

填写证券账户开户登记表，包括个人信息（姓名、身份证号、联系地址）。
申请者需提交身份证明（身份证或护照），并进行实名认证。

签订开户协议及相关文件

证券公司会提供一系列协议（《证券账户使用协议》、《风险揭示书》），投资者需要仔细阅读并签字确认。

开立资金账户及绑定银行卡

投资者需在券商处开立资金账户（主要用于资金结算），并绑定个人银行账户。
绑定银行卡后，可实现银证转账功能。

缴纳开户费用

A股目前一般免收开户费用，但部分证券公司可能会收取一定的服务费用。

获取证券账户卡和账户信息

开户成功后，投资者会收到证券账户卡，包含证券账户的账号和密码等信息。

买卖指令申报

投资者通过证券公司的交易系统（PC端/APP）下达买入或卖出指令。

电脑主机撮合交易

上海/深圳证券交易所的撮合系统根据时间优先、价格优先的原则匹配买卖双方订单。

确认是否成交

撮合成功则成交，否则订单继续排队等待，或因市场价格波动未成交而撤单。

交易交割和资金划转

成交后，系统自动完成T+1交割，第二个交易日资金和股票完成清算交割。

挂失与账户重开

账户遗失或信息被盗时，可申请账户挂失并重开账户。

步骤	操作描述	关键点
选择证券公司及营业部	选择开户的券商和营业部	比较费率、服务等
填写开户登记表	提供个人信息和资料	姓名、身份证号、联系地址
出示身份证明	提交身份证或护照	确认身份合法性
签订协议	签订《证券账户使用协议》和《风险揭示书》	仔细阅读条款
开立资金账户	绑定银行卡用于银证转账	确保银行账户信息无误
缴纳开户费	部分券商会收取开户服务费	根据券商政策
获取证券账户卡	收到账户信息卡	记录账号及密码
下达买卖指令	通过券商APP或PC端操作	指定股票代码及数量
撮合成交	交易所在系统内匹配订单	时间优先、价格优先
完成交割	T+1完成资金与股票的交割	确保资金到位
账户挂失重开	账户丢失或被盗时申请	需及时申请挂失

相信以上三种形式的展示能帮助你理解这个过程！😉

作者更倾向于直接通过券商提供的软件，例如同花顺，或者支付宝直接开户；这些股票交易软件中，以上流程被高度自动化；可以有效降低投资者时间成本；
如果对这部分感兴趣，可以看看这个文件股票交易指南

三、量化投资的概念与实践

1. 量化投资概述

🙂量化投资不是一种金融产品品类，而是一种投资交易策略;

量化投资是一种利用统计学、数学、信息技术、人工智能等方法，通过模型完成股票交易来构建投资组合的投资策略。它利用计算机技术和数学模型实现投资决策，涵盖市场研究、基本面分析、选股、择时、下单等环节。

广义上，借助数学模型和计算机实现的投资方法均可称为量化投资。当前A股市场中，常见的量化投资方法包括多因子策略、套利策略和期货CTA策略。

多因子策略：是一种基于多个因子（如价值、动量、质量、规模等）的投资策略。通过综合考虑多个因子，选择具有潜在高收益的股票组合。这种方法旨在通过分散风险和提高收益来优化投资组合。

套利策略：利用市场中的价格差异或错误定价，通过同时买入和卖出相关资产来获取无风险或低风险收益。常见的套利策略包括统计套利、市场中性策略和跨市场套利等;

期货CTA（Commodity Trading Advisor）策略：主要应用于期货市场，通过技术分析和趋势跟踪等方法，利用期货合约的价格波动进行交易。CTA策略通常涉及多种资产类别，旨在通过捕捉市场趋势来实现收益。

2.特点

① 基于数据的完整交易规则：量化投资策略具有一套基于数据的完整交易规则，贯穿投资决策的所有环节，始终遵循客观的量化标准。

② 自动下单与纪律性：交易由模型运算自动下单，具备纪律性，避免人为情绪干扰。

③ 研究广度与多维度分析：更注重研究广度，全市场筛选标的，多维度分析，持股分散，组合投资。

3.主观与量化的区别

特点	主观投资	量化投资
决策依据	基于基金经理的主观判断	基于模型运算的客观结果
研究方法	基金经理对宏观环境、行业、公司的研究，预测未来走势	利用计算机技术从海量数据中挖掘投资规律
研究深度与广度	更注重研究深度，对少数股票进行深度研究	更注重研究广度，全市场筛选标的，多维度分析
持股特点	持股集中，投资稳定性略差	持股分散，组合投资
交易方式	交易依靠主观认知与判断，无法批量复制	模型运算自动下单，交易具备纪律性

4.优势与风险

量化投资作为一种基于计算机技术和数学模型的投资策略，具有显著的优势和潜在的风险。作者在此做出总结：

① 🎉优势

优势	描述
投资范围更广泛	借助计算机技术，信息搜集更具速度和广度，分析范围覆盖整个市场，促进获得更多投资机会。
程序化交易，避免主观因素	通过回测证实或证伪策略的有效性，程序化交易自动下单，克服人性弱点，避免人为情绪等主观因素的干扰。
数据处理快速响应，创造交易价值	采用计算机自动分析，响应速度迅速，拥有强大的数据处理和信息挖掘能力，支撑高频交易，并验证每个决策背后的模型有效性，更有可能创造有效的交易价值。

② 💣风险

风险	描述
策略失效风险	量化投资最大的风险是策略失效。但更困难的挑战在于无法预测策略什么时间会失效，而策略失效的损失会非常大。
流通性风险	流通性风险主要是指市场融资风险，不是传统意义上的流通性风险。而是基于很多量化投资基金的策略很像，当许多基金都采用相似的策略，一旦出现比如大的对冲基金需要清仓，卖掉过去盈利的股票，那其他基金就可能输钱甚至被迫平仓，这就会导致有流通性风险的问题。量化投资很多因素导致很容易同质化，带来的问题就是会产生共振，更容易产生系统性的风险。
模型本身的风险	量化投资需要借助模型，而建立模型需要设定各种参数，但是，这些参数很难精准估计。估计不准的时候可能会带来巨大的损失。

策略失效：如果投资策略失效，则即使市场表现与模型认知的完全不一致，模型依旧会使用不合乎现实的方式进行交易；例如行业暴雷了，模型依旧抄底；则会造成严重损失；

应用场景：量化投资广泛应用于股票、期货、外汇等金融市场，特别适合高频交易、套利交易和风险管理等领域。其程序化交易和数据处理能力使其在快速变化的市场环境中具有显著优势。

5. 发展原因及历史

① 原因

现代金融理论的发展：金融定价模型如CAPM模型和马科维茨模型，使得股票预期收益率的估算和最优投资组合的选择更加科学和精确。
计算机技术的发展：利用机器学习和人工智能构建模型和执行交易，使得量化投资策略的研究和实现更加便捷。
交易成本的下降：高频交易变得更加可行，个人投资者通过互联网等渠道低成本进行投资，促进了量化投资的普及和发展。

② 历史

60年代：爱德华·索普将概率论用于投资，开创量化投资的先河。
70-80年代：量化基金公司（如Renaissance Technology）崛起。
90年代：金融理论的发展和计算机技术进步推动量化投资的普及。

6. 量化投资的基本过程

量化投资的流程是基于数据和算法构建策略，并通过一系列科学验证后投入实际市场执行这里整理了一下量化投资的步骤：

步骤	详细描述	备注
1. 策略设计	基于金融理论、历史数据和市场逻辑构思投资策略。策略可能涵盖动量、均值回归、多因子模型等。	创新能力与金融理论理解是关键
2. 回测验证	使用历史数据检验策略的有效性，排除“过拟合”或数据噪音影响，并优化策略的参数。	避免根据历史数据“拟合”策略，需确保结果有普遍性
3. 模拟盘验证	使用模拟账户在接近真实的市场环境中进行测试，评估策略的稳定性与可操作性。	模拟盘应包含交易费用、滑点等真实市场因素
4. 实盘交易	策略成熟后投入实际交易，监控其表现，并根据市场变化不断优化。	实盘需严格执行风险控制与资金管理规则

量化交易流程

基本过程参考上图，下面是一些注意点：

策略设计：投资策略要基于市场逻辑构建，创新且可操作，确保具有独特性，并结合市场现状与数据支持
回测验证：检验的关键在于避免过拟合，策略在不同时间段和市场环境下均应表现良好。
模拟盘验证：模拟盘不仅用于检验策略是否有效，也要模拟交易中的各种因素，例如交易成本、滑点和市场冲击。
实盘交易：实盘过程中要严格执行预设的风控策略，并不断跟踪市场变化进行动态调整。

提示：

风控与资金管理：投资策略的成功不仅依赖于模型的构建，更重要的是风控和资金管理。在市场波动中，止损策略和仓位控制至关重要。
技术能力要求：量化投资需要金融知识与编程能力的结合，常见语言如Python、R等用于策略开发与回测。
持续优化：市场不断变化，策略也需动态调整。未经严格测试的策略不能贸然用于实盘交易。

7.常见量化投资平台

以下是几个主流量化投资平台：

平台名称	数据方面	研究方面	回测方面	模拟交易方面	实盘交易方面	交流社区方面
聚宽（JoinQuant）	提供2005年至今的股市Leve1数据、财务数据、停复权信息、基金数据、金融期货数据等。	基于IPython Notebook，支持Python2、Python3，提供API。	支持股票、基金、期货等品种的日、分钟、Tick级回测。	支持股票、股指期货、商品期货、ETF等品种的日、分钟、Tick级别的模拟交易。	和第一创业合作，支持股票、场内基金、期货的自动化实盘交易。	“聚宽社区”，活跃度很高。
掘金（Myquant）	提供近10年日/分钟/Tick级别股票数据，及财务、分红送配、行业、板块等数据。	支持Python，Matlab，C，C++，C#语言，提供API。	支持股票、期货等品种回测及其混合回测，支持日、分钟、Tick级回测。	支持股票、商品期货、股指期货等品种的日、分钟级别的模拟交易。	需要客户申请和人工审核，具有实盘交易权限后可以手动交易。	“掘金量化社区”，活跃度较高。
Bigquant	提供日/分钟级别的股票、期货、基金等数据的实时和历史数据，以及新闻、社交等新型数据。	支持Python，提供AI开发策略，提供API。	支持股票、期货等品种的回测，支持日、分钟、Tick级回测。	支持日、分钟级别的股票、期货等品种的模拟交易。	可推送秒级交易信号，提供API接口对接交易终端，由用户手动交易。	“Bigquant量化社区”，活跃度较高。
米筐（Ricequant）	提供股票、ETF、期货（股指、国债、商品期货）、现货的基本信息和历史数据。	基于IPython Notebook，支持Python，Matlab，Excel，提供API。	支持股票、ETF、期货等品种的回测，支持日、分钟级回测。	支持日、分钟级别的股票、ETF、期货等品种的模拟交易。	提供期货的实盘交易。	“米筐量化社区”，活跃度较高。
真格量化	主要是商品期货、期货期权、金融期货、股票期权等金融衍生品的数据。	支持使用Python进行策略研究，提供API。	主要提供期货、期权的日、分钟、Tick级别的回测。	使用第三方模拟交易平台，主要提供期货、期权的日级别的回测。	主要提供期货的实盘交易。	“真格量化社区”，活跃度一般。

最后，投资需谨慎，本文仅供作者学习使用，切勿作为实践案例进行使用；若造成损失，作者可不负责哦！🙂