什么是量化投資？

量化投資實(shí)際上是把投資者在市場中總結(jié)的經(jīng)驗(yàn)，轉(zhuǎn)變成計(jì)算機(jī)能夠理解的語言。利用計(jì)算機(jī)的計(jì)算優(yōu)勢，幫你發(fā)現(xiàn)符合設(shè)定條件的個股，幫你發(fā)現(xiàn)最佳的入場時機(jī)。這就是通常說的“擇股、擇時”。

資深的投資者都應(yīng)該使用過炒股軟件提供的“條件選股器”，并被它深深地吸引。但條件選股器和量化投資工具相比，就像計(jì)算器與計(jì)算機(jī)的關(guān)系。所以對于投資者而言，掌握這項(xiàng)技術(shù)，你將在投資領(lǐng)域如虎添翼。

量化投資歷史

量化投資的歷史比較悠久。推動量化投資走向應(yīng)用的第一人叫約翰·麥奎恩。麥奎恩利用美國富國銀行的信托投資平臺建立了第一個定量投資系統(tǒng)，并于1971年發(fā)行了世界上第一支被動管理的指數(shù)基金。這一平臺經(jīng)不斷改進(jìn)，演變成為今天世界上第二大投資管理公司——巴克萊國際投資管理公司（Barclays Global Investors）。

把量化投資推向巔峰的是詹姆斯·西蒙斯。自1988成立以來，文藝復(fù)興科技公司的旗艦基金——大獎?wù)禄鹑〉?strong>平均每年34%的回報。收益遠(yuǎn)超巴菲特、索羅斯。而其創(chuàng)始人、現(xiàn)年82歲高壽的詹姆斯·西蒙斯（James Simons）也被譽(yù)為“量化投資之王”。

數(shù)據(jù)的壟斷

前幾年，散戶為什么不做量化投資？

最主要的原因就是“巧婦難為無米之炊”。沒有股票交易數(shù)據(jù)，沒有上市公司歷年財務(wù)數(shù)據(jù)，如何做分析？

在資本市場，長期以來機(jī)構(gòu)和券商研究所一直壟斷著數(shù)據(jù)分析的制高點(diǎn)。投資者只能通過發(fā)布的文章來獲取二手信息，獲取信息的渠道也是非常有限的。三大證券報、炒股軟件的F10、《股市紅周刊》是散戶獲取上市公司的三大主要來源。

股票交易的K線數(shù)據(jù)也是加密存儲在電腦硬盤上的。雖然炒股軟件設(shè)計(jì)了手工導(dǎo)出個股K線數(shù)據(jù)的功能，但是無法批量操作，只能一個一個導(dǎo)出。所以數(shù)據(jù)的缺乏是散戶進(jìn)行數(shù)據(jù)分析最大的障礙。

科技創(chuàng)新

隨著時代的發(fā)展，數(shù)據(jù)分析技術(shù)和開源軟件都得到了空前的發(fā)展。促進(jìn)了量化分析工具的成熟。以Python語言為代表的開源解釋型計(jì)算機(jī)語言，受到像谷歌等全球大公司的資助和扶持，也受到華爾街分析師的青睞。目前已成為世界第三大計(jì)算機(jī)語言。

隨著數(shù)據(jù)分析Pandas庫以及爬蟲技術(shù)的不斷成熟，Python+Pandas+Matplotlib的組合逐漸成為開源數(shù)據(jù)分析領(lǐng)域的首選。量化交易全面進(jìn)入“平民時代”。

因?yàn)镻ython語言是一個全能型的編程語言，憑借大量的第三方庫，Python幾乎變得無所不能。但是投資者要盡量避免走入歧途。集中精力按照下面介紹的內(nèi)容進(jìn)行學(xué)習(xí)，才能盡快進(jìn)入量化投資的殿堂。

掌握Python

這是學(xué)習(xí)量化分析的第一步。Python崇尚優(yōu)美、清晰、簡單，是一個優(yōu)秀并廣泛使用的語言 (Google的第三大開發(fā)語言，Youtube等美國高科技公司都在用Python做核心業(yè)務(wù)）。Python也是國內(nèi)外基金公司和金融機(jī)構(gòu)首選的量化投資分析語言。美國大的投資銀行甚至把Python語言指定為分析師必須掌握的計(jì)算機(jī)語言。可見Python在金融行業(yè)的地位。

幸運(yùn)的是，Python語言的書寫方式非常接近自然語言，所以非常容易學(xué)習(xí)。在全球范圍內(nèi)，Python語言已經(jīng)成為兒童學(xué)習(xí)編程的首選語言。兒童都能學(xué)會的語言，成年人學(xué)習(xí)還會有太多障礙嗎？

掌握Numpy和Pandas：

這是學(xué)習(xí)量化分析的第二步。這兩個Python庫集成了大量科學(xué)計(jì)算和統(tǒng)計(jì)分析的功能。學(xué)會了這兩個庫。股票的統(tǒng)計(jì)、排序、過濾都可以輕松完成。這兩個庫還有一個非常大的優(yōu)點(diǎn)，它們是由C語言編寫，運(yùn)行速度極快。

A股3000多只股票，我們執(zhí)行篩選、排序等常見操作只需幾秒就可以完成。炒股軟件的條件選股速度是望塵莫及的。當(dāng)執(zhí)行批量的復(fù)雜計(jì)算時，優(yōu)勢就更加的明顯。

數(shù)據(jù)可視化

這是學(xué)習(xí)量化分析的第三步。掌握Python的Matplotlib庫、plotly庫進(jìn)行繪圖。數(shù)據(jù)分析結(jié)果的可視化，讓我們更直觀的了解市場的狀態(tài)，板塊指數(shù)的漲跌對比關(guān)系，個股的相關(guān)性分析等。

也可以通過繪圖直觀了解企業(yè)財務(wù)狀況的同比、環(huán)比情況、近年來的發(fā)展趨勢，拐點(diǎn)的產(chǎn)生時間等等。

學(xué)會爬蟲技術(shù)：

這是學(xué)習(xí)量化的最后一步。使用requests庫、scrapy庫可以實(shí)現(xiàn)。數(shù)據(jù)是一切分析的基礎(chǔ)。在學(xué)習(xí)的前期，我們可以使用量化網(wǎng)站給我們提供的免費(fèi)數(shù)據(jù)（Tushare庫、JoinQuant）和收費(fèi)數(shù)據(jù)進(jìn)行量化分析。

當(dāng)你的爬蟲技術(shù)過關(guān)后，各大財經(jīng)網(wǎng)站、基金公司網(wǎng)站、交易所網(wǎng)站、上市公司網(wǎng)站等都是數(shù)據(jù)獲取的來源。python爬蟲就可以幫我們實(shí)現(xiàn)數(shù)據(jù)獲取的工作。把這些數(shù)據(jù)獲取回來，再進(jìn)行數(shù)據(jù)分析，就可以提前獲得獨(dú)家“內(nèi)幕信息”了。可以讓我們在投資領(lǐng)域，總算與機(jī)構(gòu)處于同一起跑線上。

數(shù)據(jù)入庫：

如果希望把數(shù)據(jù)進(jìn)行更有效的組織和管理，數(shù)據(jù)庫技術(shù)是必須技能，但數(shù)據(jù)庫有自己的數(shù)據(jù)處理語言，需要額外學(xué)習(xí)和掌握。對此，我們可以使用Python的pymysql庫和sqlAlchemy庫在無需了解數(shù)據(jù)庫語言的基礎(chǔ)上使用ORM模型對數(shù)據(jù)庫進(jìn)行增、刪、改、查、的操作。

編寫量化投資系統(tǒng)：

掌握了上面的知識，你就打下了量化投資的良好基礎(chǔ)。下一步，就是把你多年領(lǐng)悟的投資經(jīng)驗(yàn)用Python代碼寫成模型。通過歷史數(shù)據(jù)的回測，驗(yàn)證模型的有效性。也可以通過回測，找到模型的缺陷，進(jìn)行有針對性的改進(jìn)。

當(dāng)你把優(yōu)良的模型用于選股和擇時操作時，你就擁有了自己的量化投資系統(tǒng)，真正步入了量化分析的殿堂。