Chapter · 第 18 页起
第1章 初识量化交易
章节主张
第一章的任务是去神秘化量化交易：它不是黑箱暴富术，而是一种把交易规则、数据和执行纪律明确写出来的系统化方法。
中文释读
如果你之前把量化想成“会编程的人炒股更厉害”，这一章会帮你校正：量化的核心不是程序员身份，而是规则可定义、可执行、可复盘。
这也是整本书的真正起点。先理解量化的收益来源、故事、风险和边界，后面学平台和 Python 才不会漂在空中。
本章知识路线
关键论据
- 量化交易是一种规则化决策方式。
- 它有纪律性、系统性、多角度和概率优势。
- 量化也有风险，不能把自动化误认为安全。
行动清单
- 先定义自己为什么学量化。
- 区分量化、人工交易和算法执行。
- 把风险意识放到学习起点，而不是结尾。
本章图版学习路径
图版按知识点分组，用来把理论页、平台页和代码页重新接上。
源章节深读
以下卡片基于章节和小节起始页 OCR，并补上“问题、动作、提醒”三层解读。
1.1 量化交易的基本概念
Python 量化交易实战入门与技巧 1.1 量化交易的基本概念 要进行量化交易，首先就要知道什么是量化交易及量化交易的特点，还要知 道为什么要学习量化交易、量化交易与其他交易的关系，下面就来具体讲解一下。 1.1.1 什么是量化交易 量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金 融操作方式，用很明确的方式去定义和描述，用以协助投资者进行投资决策， 并且严格按照所设定的规则去执行交易策略（买、卖）的交易方式。帮助投 资者制定投资决策、减少执行成本、进行套利、风险对冲和帮助做市商实现 报价的功能。 1.1.2 量化交易的特点 量化交易的特点表现在4个方面，分别是严格的纪律性、完备的系统性、 妥善运用套利的思想、靠概率取胜，如图1.1所示。 严格的纪律性 —元福的系總性 量化交易的特点 多层次 多角度 多数据 靠閷窣聣胜 •图1.1 量化交易的特点 2.
1.2 量化交易的主要内容
第1章 初识量化交易 总交易额至少为100万美元的电子交易。而这类交易很大一部分都是套利， 因此当人们说程序化交易时，往往特指套利交易策略。 4. 量化交易与技术分析 投资者很容易把量化交易和技术分析联系在一起，确实，技术分析中会 使用很多的量化指标，量化交易中也会用到一些我们常用的技术指标。而且， 相当一部分的量化交易策略和技术分析一样，几乎都是依赖于对价格、成交 额等交易信息的分析。不过，量化交易与技术分析还是有所区别的。 首先，一些技术分析方法很难被量化。例如，图形分析是技术分析的一 个重要部分，可是，一些图形很难被量化定义，比如波浪，这些技术分析手 段就无法应用在量化交易中。 其次，量化交易并不仅限于技术分析所涉及的交易信息。基本面的信息 数据，如收入、利润、购并等公司基本面信息，以及利率、通胀等宏观基本 面信息，都可能被量化交易策略参考。
1.3 量化交易的历史
Python 量化交易实战入门与技巧 方；买方即权利的受让人，而卖方则是必须履行买方行使权利的义务人。 期权的优点在于收益无限的同时风险损失有限，因此在很多时候，利用 期权来取代期货进行做空、套利交易，会比单纯利用期货套利具有更小的风 险和更高的收益率。 1.3 量化交易的历史 量化交易的历史可以分两部分，分别是国外量化交易的历史和国内量化 交易的历史。 1.3. .1 国外量化交易的历史 国外量化交易可分为三个阶段，具体如下： 第一阶段（1971-1977年）：1971年，世界第一只被动量化基金由巴克 利国际投资管理公司发行。1977年世界上第一只主动量化基金也是由巴克利 发行，发行规模达到70亿美元，算是美国量化投资的开端。 第二阶段（1977-1995年）：这段时间，量化投资在海外发展较为缓慢， 但随着信息技术和计算机技术方面取得巨大进步，量化投资迎来了高速发展 的时代。
1.4 量化交易的故事
第1章 初识量化交易 数量及管理规模均快速增长，以公募量化基金为例，已经超过1000亿元的 规模。 量化私募基金的发展则更为迅速。截至2017年12月底，中国证券投资 基金业协会已备案私募基金管理人 22446家，同比增长28.76%，已备案私 募基金66418只，同比增长 42.82%，管理基金规模11.1万亿元，同比增长 约41%。 与此同时，国内证券研究生金融工程研究如雨后春笋般兴起，纷纷推出 了自行研究的数量化股票投资模型，按照一定的选股标准，如Beta值、市 值、每股收益、市盈率等，以及市场的动态特征对市场行为和投资进行量化， 帮助投资者实现证券投资组合管理，为未来数量化投资的进一步发展奠定了 基础。 1.4 量化交易的故事 下面通过三个量化交易故事，讲解量化交易的起源、算法基石、优势与 风险。
1.5 量化交易的潜在风险及应对策略
Python 量化交易实战入门与技巧 整合，而非从无到有的发明创造。西蒙斯从数学家变身投资领域首屈一指的 “模型先生”，让世人对量化交易的特色优势有了最直观的理性认知。从传统 的基本面分析到数学方法搭建量化投资模型，是交易进化的必经之路，但量 化交易所依据的基本规律更易于在“乱市”中发挥关键性作用，正常市道下 反而可能表现平平甚至低于投资界的平均水平。 1.5 量化交易的潜在风险及应对策略 量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并 依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大 化，但往往也会存在一定的潜在风险，具体有以下5个方面： 第一，历史数据的完整性。行情数据不完整可能导致模型与行情数据不 匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格 波动幅度，价格波动频率等，而这一点是目前量化交易难以克服的。
1.6 量化交易与人工交易的比较
Python 量化交易实战入门与技巧 整合，而非从无到有的发明创造。西蒙斯从数学家变身投资领域首屈一指的 “模型先生”，让世人对量化交易的特色优势有了最直观的理性认知。从传统 的基本面分析到数学方法搭建量化投资模型，是交易进化的必经之路，但量 化交易所依据的基本规律更易于在“乱市”中发挥关键性作用，正常市道下 反而可能表现平平甚至低于投资界的平均水平。 1.5 量化交易的潜在风险及应对策略 量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并 依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大 化，但往往也会存在一定的潜在风险，具体有以下5个方面： 第一，历史数据的完整性。行情数据不完整可能导致模型与行情数据不 匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格 波动幅度，价格波动频率等，而这一点是目前量化交易难以克服的。
1.7 量化交易的注意事项
第1章 初识量化交易 纪律性 精力 效率性 系统性 可控制性 可复制性 表1.1 量化交易与人工交易的比较 量化交易 忠实地执行设计者的思路，不存 在主观情绪的影响，总之纪律严明。 只要电脑正常，电源正常，不知 道疲倦。 理论上，从判断到下单瞬间完成； 突发行情可以及时捕捉到。 严格按照既定的一套或多套操作 方法交易，能判断系统优劣、并进 行改进。 风险、胜率、回测率等可以根据 历史数据来检测。在实际使用中根 据设定的参数，风险是明确的。只 要系统严谨，失控的可能性很小。 盈利模式可以无限复制，“一劳 永逸” 。在时间上可以复制过往的 成功；空间上，可以在无数个账户 上复制成功。 人工交易 主观情绪化，恐惧、贪婪、赌气等人性弱点， 导致交易变形，总之纪律性较差。 总得睡觉、吃饭、离开电脑；长时间在电 脑前盯盘有碍身体健康。 以决定到执行需要几个步骤，至少30秒； 这样突发行情难以及时捕捉或捕捉的时机 不好。
辨析题：为什么量化交易最先要学的是概念和风险，而不是代码？
因为如果目标、边界和风险理解错了，代码只会更快地执行错误。