量化自动交易的应用领域[程序化新手]

量化自动交易,是从上个世纪70 年代的美国证券市场上的系统化交易发展逐渐演变而来的,依据美国纽约证券交易所（NYSE）的定义,凡是任何含有标普500 指数中15 只股票以上,或者是一百万美元以上的交易,都属于量化自动交易。

NYSE的定义主强调的是交易规模和集中性。然而量化自动交易发展到今天,其含义已经远远超出了纽约证券交易所当初的定义。现在给量化自动交易一个更为市场化的定义:由一定的交易模型和规则生成的买卖信号,由计算机自动执行买卖指令的交易过程。也就是用计算机程序来控制买进卖出的时机并由计算机自动执行。在这个定义当中,突出的是交易模型、计算机程序对交易的重要性。建立在一定交易模型基础上的量化自动交易被运用到真正的投资当中,除了可以加快投资的时间效率,还能为我们创造出额外收益,这是我们所要研究量化自动交易的关键。 量化自动交易有交易效率高、帮助投资者规避人性弱点、便于交易中风险及成本的控制及管理、能把握市场中的精细机会等优点。

量化自动交易的应用领域主要有趋势交易、组合管理、套利交易及其他量化策略等。国内推出的股指期货也对国内量化自动交易领域形成推动,跨期套利、期现套利、期指趋势投机等各种交易策略将会被集中使用。 从交易机制上来说,量化自动交易不但可以以技术分析类模型为基础,也可以以预测类模型为交易准则。 技术分析类模型是目前量化自动交易中的主流模型,在国外这种模型已经运用得比较成熟了,在国内商品期货等市场应用的也不较多。技术分析类模型出现的最大缺点就是具有滞后性,但准确性相对较高；预测类模型虽然克服了滞后性这个缺点,但准确率相对要低点。

随着市场上对预测类模型研究的深入以及对该类模型的改进,该类模型的预测准确性正在不断提高,这也是该类模型在量化自动交易中的运用前景看好的原因之一。越来越多的研究表明当前投资市场并不是完全有效的,投资者试图通过对股价的预测获取超额收益。国内外对股票价格进行预测的模型类别很多。根据其建模理论不同,可将这些预测模型划分为两大类:一类是创新类模型,建立在现代数学、生物技术等学科发展的基础上,如灰色模型、人工神经网络等；另一类是以统计原理为基础的传统预测模型,如马尔柯夫链模型、ARIMA 模型等。

{来源 www.cxh99.com }