期货日报/2015年/1月/20日/第003版
国际视野
高频交易及量化投资的策略与误区
量化投资一般依赖复杂的模型，而高频交易一般依赖运行高效的代码
广发期货李尉
1高频交易公司和量化投资公司的区别
一般来说，高频交易公司和量化投资公司既有联系，又有区别。在美国，人们常说的高频交易公司一般都是自营交易公司，这些公司主要有Getco、Tower Research、Hudson River Trading、SIG、Virtu Financial、Jump Trading、RGM Advisor、Chopper Trading、Jane Street等；而常说的量化投资公司一般都是对冲基金，包括RenTec、DE Shaw、Two Sigma、WorldQuant、AQR、Winton、BlueCrest、Citadel等。此外，Citadel、Two Sigma等公司，既有高频交易业务，又有量化投资业务；DE Shaw等公司，既有量化投资，又有非量化投资——很多公司朝着更综合的方向发展。
从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。一开始这些工作并不需要多高深的知识。随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。
人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。
至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都无法避免的问题。一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。
量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。
量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。
2量化交易的模型
下面介绍一下量化交易的模型，从简单到复杂：
最简单的以约翰·墨菲的《期货市场技术分析》为代表，最多用到指数、对数等高中层面的数学知识，通俗易懂，更适合主观交易，或者计算机计算并发出交易信号由人手动下单的半自动交易。
层次高一点的以丹尼斯的《海龟交易法则》为代表，数学上毕竟使用了均值、方差、正态分布等大学低年级数学的内容，策略的测试也更具科学性，而且提出了可靠的资金管理办法，但缺点是依旧没有摆脱传统的、依靠交易规则的排列组合进行交易的思路。不过，如果策略设计得好且行情出大趋势的话还是可以有不错的效果。
更高一级的层次主要体现在交易信号的整合方面，比如运用更现代的统计方法——回归分析、神经网络、支持向量机等对传统的技术指标进行有机整合，并使用更严格的统计方法进行变量的筛选及测试。考虑到金融数据的时间特征，往往需要使用滚动优化来获取样本外的测试结果，这样得出的模型也更为稳健。
不过，一般的程序化交易系统都难以实现这些功能，需要自己用更通用的编程语言来实现。
如果是量化投资，那么除了行情信息，还要收集整理其他基本面的信息，整理出对应的时间序列，并融入到预测模型中。一般来说，成功的模型不在于运用了多高深的数学理论，而在于它整合了多少不同来源的信息。即使是最简单的线性回归，如果各个参数都有很强的预测能力，且相关性很低，那么模型的预测效果也会很好；相反，即使运用复杂的深度学习理论，如果选取的参数毫无意义，最后得出的模型也没有用。目前美国一些公司不仅利用新闻等文本信息建模，甚至用到谷歌卫星拍摄到的港口集装箱的图像来建模，通过对商品集装箱的数目来预测商品价格的走势，取得了很好的预测效果。
建模是一回事，求解模型其实也同等重要。比如说物理学上有很多模型能精确描述现实，但经常由于缺乏高效的科学计算方法而难以求解。量化交易也一样的。参数的计算、筛选、优化、回测等往往伴随着巨大的计算量，如何巧妙求解是一门颇为高深的学问。据西蒙斯透露，著名的文艺复兴公司内部有着明确的分工——计算机程序员从各个来源收集数据，物理学家分析数据建立模型，数学家构建优化算法并求解模型等。
3高频、量化领域常见的误区
量化模型无法战胜黑天鹅事件
事实上，任何投资方法都是依靠历史预测未来，都害怕黑天鹅事件，都会有回撤。量化的好处在于遇到回撤之后，可以迅速把最新的情况纳入模型，及时调整，重新回测、优化、模拟，争取在最短的时间内扭转损失。比如文艺复兴在2007年8月遭遇历史上罕见的9%回撤之后，西蒙斯采取果断措施，重新建模，在致投资者的信中他宣称“我们新的模型已经发现了3个很强的交易信号”，结果在接下来的日子很快扳回损失，当年的收益率达到80%。
长期资本管理公司（LTCM）就是因为用了量化模型而破产的。事实上，LTCM是一个多策略基金，它的纯量化交易策略最后在1998年还是赚了1亿美元，它亏损最多的策略都是交易流动性极差的柜台衍生品，很多甚至是它自己设计来跟投行对赌的产品，遇到黑天鹅事件无法及时清理头寸。这些产品一般只是在定价时候使用量化模型辅助一下，具体的交易执行、产品设计、销售等都跟量化无关，一般认为LTCM的破产更多是因为流动性风险，跟模型关系不大。
高频交易损害投资者利益
像《Flash Boys》等书籍的观点其实都很有争议的，只不过作者文笔极佳，叙事手法极富煽动性，所以才吸引了众多的眼球。除了媒体之外，应该说美国目前要求禁止高频交易最为强烈的，基本上都是当年的传统交易员。正因为新兴的、依靠先进技术的高频交易公司把他们打败了，他们心有不甘，所以才组织更多的力量来进行反击。由于这些人都是市场老手，所以对这个市场还是非常熟悉的，提的观点也有可取的地方。
在国内，现在期权准备上市，股票也很可能开放T+0。对这两块“肥肉”，国外高频交易商早就垂涎已久。如果说在期货高频领域，我们还能依靠在程序化交易上的丰富经验与国外抗衡一下，
那么在期权和股票高频领域，我们的实践经验为零，跟国外的差距更大。对此，笔者认为，我们一方面不能妄自菲薄，觉得外资太厉害就干脆不做了；另一方面也不能急于求成，妄想一年半载就要取得很大的成绩。凡事都要本着谦虚谨慎的态度，国外很多高手来到国内都是先研究一年才能稳定盈利，国内的人基础较薄，研究周期要长一些，比如第一年做准备工作开发系统，第二年逐渐打平手续费，之后开始盈利，或许更为合理。策略研究要慢工出细活，急于求成，频繁改变研究方向，最终很可能一事无成。
股票程序化交易的主流交易模式 Algorithmic Trading有很多种叫法，例如程序化交易、系统交易、量化交易、高频交易或者是算法交易等等，该交易方式之所以特别是因为它是通过计算机根据既定的程序来执行交易，包括交易时机、价格和数量，而不需要人为的干预。 程序化交易是以计算机为主题的交易模型，其最早出现在二十世纪70年代的时候，当时具有代表性的是纽约证券交易所的OARS系统和DOT系统。到了二十实际80年代，程序化交易主要用于标普500指数股票与标普500指数期货合约之间的套利。 程序化化交易能迅速被用在标普500指数的套利上是非常容易理解，投资者努力寻找股票价格与期货价格之间的偏差，但在这个方面，计算机的反应速度无疑比人快很多。从这之后更多的套利交易模型被开发出来，例如一些程序被设计出来在债券市场和外汇市场间进行套利，我们举一个简单的交易模型的例子，它应该包括这些基础金融产品相关信息：如本地债券价格与币计价债券的债券价格、本币现汇价格与本地和外汇的长期汇价。 程序化交易被广泛使用，运用也开始变得越来越多样化，这其中参与的机构投资者包括退休基金、共同基金，还有对冲基金和做市商，交易的买方希望通过程序化交易减少大笔买单对于市场的冲击，避免形成冲击成本，降低交易成本，交易卖方则通过这种方式增加市场市场流动性。
但随着越来越多的程序化交易者出现，纯粹单一的套利交易模型开始变得越来越困难。主要是因为，如果一旦很多程序被设计出来去追逐同一种机会，那么结果只是利润被瓜分，从而降低所有人的利润率，所以在在这种背景下下投资者就会自然而然地去追寻新的、更具创造性的交易模型。 现在很多交易商，已经开始不满足于仅仅去发现市场的套利机会，他们变得更为主动，通过他们的交易程序来研判市场未来的走势，比如趋势型交易策略。这当然也存在一些臭名昭著的交易策略，例如一种名为狙击兵的策略，即利用零散的买单抬高价格之后做空，再利用“闪电指令”来获利。 由TABB集团统计的数据显示，在2006年，欧美股市中三分之一的股票交易来自于所谓的程序化交易。现在这个比例当然已经大幅升高，虽然没有准确的数据，但是大部分分析人士相信美国股市的交易量中有至少有70%来自于程序化交易。 美国芝加哥联储的技术专家Carol Clark不久前说道，虽然程序化交易占股市交易量的70%，但真正运用这些方法的交易商只占美国2万家交易机构的2%。
DUFE 实证金融与量化投资 学号：2015100406 专业：数量经济学 姓名：金博
一．阅读伯南克的“金融危机如何演变为经济危机？”，谈谈对金融体系、危机时央行的应对措施的认识，分析其对中国的借鉴意义。 2007—2009年那场金融危机，全球所有国家无一幸免都受到极大冲击影响，影响力之广，持续期之长，是前所未有的。当危机发生时，全球的金融体系已经是更加复杂化和一体化了，而监管体系并没有跟上这些变化，这就导致美国金融界很难从历史中找到可以类比的案例，而且很难从历史中找到可以直接拿来借鉴的应对举措。但如果将这场危机放到历史视角下去理解，却是很有意义的。 在当前这场危机的直接诱发因素之间，最显著的两个因素就是次贷泛滥和房价泡沫，但这场危机之所以导致美国付出如此惨重的经济和金融代价，主要原因可能在于恐慌本身，可以说，恐慌造成的代价不会小于次贷泛滥和房价泡沫造成的代价。对于金融危机的形成，是不同金融机构，不同金融市场，不同金融行业间风险的溢出，在人们，机构，市场的恐慌中一点点传染，慢慢扩大造成的。金融体系间联系越紧密，传播的越快，最终造成的结果越严重，影响越广越深。 在此次危机中，美联储也是花了一定的时间之后才意识到了这场危机的存在，并逐渐了解了这场危机的严重性。在应对这场危机的过程中，随着对形势的了解越来越清楚，美国金融界便借鉴过去应对金融恐慌的经验，去指导他们对这场新危机的判断，并指导他们采取的对策。美联储的应对举措主要有4个元素：（1）降低利率，支持经济；（2）提供紧急贷款，增强金融体系的流动性，推动金融体系恢复稳定；（3）采取救助举措（必要时，与财政部和联邦存款保险公司进行协调），防止金融机构无序倒闭；（4）对具有系统重要性的大银行开展压力测试，评估其财务状况（和财政部及其他银行监管机构联合实施）。 美国金融机构和金融市场在这次危机的表现，确实让我们见识到了美国金融体系的灵活性。中国在构建自己的金融安全体系时，最核心的是如何提高金融机构的稳健性和金融体系的灵活性。对风险和危机的防范，使金融体系具备对风险和危机的抵抗力。中国在这方面还有很大的距离。我们需要加快金融的对内自由化，以提高金融体系的效率。 谈到应对措施对我国的借鉴意义，我认为我国需要做的，一是尽可能减少现有损失，避免进一步的损失。在减少损失方面，中国要积极把握市场机会，加强与美国各界的沟通，特别是政府沟通，做好各种应对准备。同时，我国应认真研究美国的金融机构和金融形势，避免错误的投资。二是应充分评估金融机构的损失对我国经济、金融的影响，尤其要结合国际、国内的形势，防止损失在国内的传递和对金融体系和实体经济的不利影响。 其次，金融本身具有不稳定性，加强有效监管是很重要的。监管部门需要与市场主体保持一
量化交易标准第一课：入门讲解（心态篇）今天我们主要讲解一下我们为什么要用量化，用了之后到底有什么好处？量化和传统技术的区别在哪里？我知道很多同学是想学习战法，但是我之所以把战法放到后半月讲，就是因为，先把量化标准学好，你应用战法的时候才能游刃有余，否则，会弄巧成拙。这节课我不打算上来就给大家灌输什么很难的东西，我想从简单的角度来介绍一下我们的量化标准。如果上来就让大家看不明白，估计新同学就没有学下去的信心了。 先把量化标准的四个组成部分搞清楚，把结构、浪型、趋势、高低点概念搞清楚。先明白我经常说的这几个词是什么意思。今天是量化标准的入门讲解，所以不会讲的太难，重点是搞清楚概念，下一节课是实战讲解。波浪，时间、结构、趋势，高低点，这五个概念。如果你初次接触这五个词，别看只有五句话，那么想要读懂上图的内容，彻底理解，至少需要几天的时间。因此，这里不需要搞懂，只需要你记住这五个概念的意思。 首先我来告诉大家为什么要用量化来做股票，而不是传统的思维。到底什么是量化呢？实际上我们人类在日常生活中处处都有量化的身影，简单的说，量化就是给你的操作加一套完整的标准。比如一个工厂的流水线，是有标准的，先干什么后干什么。就连我们日常的炒菜也是有标准的，先放什么后放什么，如果你顺序错了，可能这个味道就不一样。 但是，大家发现没有，当你在做交易，做股票的时候，反而你自己是没有标准的。 很多同学初次进入股市，买什么股票靠的是看新闻，听朋友说，从网上学几个所谓的找买点教程。然后看一眼这只股票，觉得不错，挺好看的，就买进去了。心里盼着涨，结果一
个下跌就让自己心情特别失落。割还是不割?割了后，涨起来了，后悔。不割，一路补到山底下套牢。 网上很多的买点教程，其实都是一些不入流的东西。为什么我不认可那些东西？因为，从我们量化的角度，你买一只股票需要做到的是，买入的同时就计算出卖出条件。可是，大家自己想一想，过去自己在做交易的时候，有没有做到这一点？ 举个简单的例子，现在几乎所有的股民都知道放量上升是好事，反弹如果无量就挺担心的。经常说的一句话是，反弹没量啊，咋办？可是，你们知道吗？所谓的反弹无量是传统技术最大的骗局。 我不知道谁发明的这个词，几十年了都在害人。为什么现在主流媒体都这样说？因为主力就是不让你们看透市场的本质。反弹需要成交量？这需要分在高位还是低位，在底部还是顶部，在横盘阶段还是下跌阶段，在什么趋势中，这里面的道道多了去了。 由于所有散户都被教化认为放量上升是好事，所以，很多散户都死在了追高上。大家放眼望去，凡是在上升过程中反出巨量的情况，90%以上都是主力出货。10%是放量后继续放量，但这是游资接力炒作。到底是谁在宣传放量上升，你觉得谁会在这里面受益，就是谁。 大家看下图这个股，前边一直是缩量反弹的，如果按照传统思维，应该是很可怕的。但是，这个股后来连续涨停板，在倒数第二个涨停板的时候放出了巨量。很多散户是不是以为放量了要大涨了？最后一个涨停板追进去，其实最后一个涨停就是主力出货用的。
主流量化交易策略 专访北京泰铼投资管理有限公司合伙人兼总经理王文伟。主持人：贵公司的情况介绍?投研团队有多少人?团队的特色和优势在哪里? 王文伟：本公司是由四位投资经理组成为创始团队组建的有限责任公司，创始团队持股比例占公司总股本的94%。创始团队是公司的核心投研力量，公司另有两名资深的量化交易员和系统工程师，负责交易和系统的搭建维护。公司的创始团队成员具有专业的投资背景，兼具海外对冲基金和国内市场的长期投资管理经验。在成立泰铼投资之前，团队所管理的资金超过30亿元。团队成熟、稳定，成员包括投资经理、量化交易员、系统工程师，成员之间彼此共事多年，配合默契。团队分工明确，在量化投资、高频交易、衍生品、股票多空等诸多领域，均具备丰富的经验。团队成员包含多个投资经理，均有经实盘检验的良好业绩。团队采用自主开发的算法交易系统，经过国内外市场多年的实盘运作和改进，兼具稳定性和高效性，能有效的降低交易对市场的冲击，提高量化交易模型的运行效率和稳定性，增强收益。通过频繁细小的价差收益累积获取长期稳定回报主持人：贵公司的投资理念和投资策略是怎么样的? 王文伟：公司采用量化投资，旨在市场的波动中获取不依赖于市况的稳定的超额回报(alpha收益)。资本资产定价模型
将投资组合的期望收益由两部分组成：alpha收益为投资组合超越市场基准的收益，beta收益为投资组合承担市场系统风险而获得的收益。通过对冲交易剥离或降低投资组合的系统风险(beta收益)，获取纯粹的alpha收益，可以使得投资组合无论在市场上涨或下跌时均能获取稳定的绝对收益。在股票市场的波动中，alpha收益源于资产的相对定价偏差：通过寻找市场中相对定价发生偏差的资产，并识别偏差的程度，在偏差足够大的时候进行交易，可以获取资产相对定价回归的alpha收益。因此，投资组合通过频繁的、细小的价差收益的累积，获取长期稳定的回报。候选模型的设想和构思、有效性检验和综合模型的建立主持人：具体的投研流程是怎么样的? 王文伟：①研究流程——量化模型的建立量化模型的建立是量化投资的核心，模型的有效程度直接决定量化投资的业绩表现。模型的建立主要分为候选模型的设想和构思、有效性检验和综合模型的建立三个步骤。候选模型的设想和构思依赖两方面的能力，一方面对大数据的处理分析能力，通过对历史数据的学习，依靠计算机和统计知识寻找有效策略;另一方面依赖于对经济逻辑的理解和市场经验。两方面能力的结合产生更多、更有效的策略是增强模型有效性和提高收益率的关键。候选模型的有效性检验基于历史数据回溯检验，考察策略的收益率、波动率、夏普比、收益回撤比，与市场或其他策略的相关性等，当策略的各类指标
量化投资策略特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发展，已经成为国际金融市场主流的交易方法之一，包含对冲基金和共同基金等在内的
牛津博士王宁：大数据和量化金融，从机器交易、高频交易到大数据交易数据派数据观中国大数据产业观察 牛津博士王宁：大数据和量化金融，从机器交易、高频交易到大数据交易 时间：2015-09-02 10:53:21 作者：数据派 本讲座选自2015年8月27日在2015中国国际大数据大会主题论坛五──牛津大学NIE金融大数据实验室、数据科学高级研究员、博士王宁所做的题为《大数据和量化金融，从机器交易、高频交易到大数据交易》的演讲。 王宁：很高兴来到这里，我是第二次参加这种会议了。我这次是以第二个身份来的，就是牛津大学NIE金融大数据实验室，代表实验室过来，今天主要分享一下我们实验室做的关于量化金融的思考跟案例。 首先简单介绍一下我们的大数据NIE实验室，是一个全新的实验室，是2013年11月正式成立的，我们实验室的定
位是世界主要大学的第一个以金融大数据为研究方向的实 验室，我们是交叉学科的实验室，目的是把数据科学运用到金融领域，包括很多学科交叉在一起。因为我们的接口是牛津大学金融数学系，这个系框架上有金融、计算机、统计，我们致力于做一个产学研交流合作的平台。 我们主要研究的方向：包括行为金融学、第二个是机械学习在金融领域的应用。第三是一些金融的模型，特别基于数据的金融模型，数据来源主要是结构和非结构化数据。第四就是金融决策，就是我们说的情感分析，怎么用互联网包括社交媒体大数据帮助我们做一些金融决策。最后就是风险控制，也是我们常说的互联网金融怎么样能够把风险控制下来。 我们主要的提出的问题是几个挑战： 金融大数据对行业带来的挑战是什么？ 大数据具体在金融领域的主要应用是什么？要真正对 行业起到推进作用。 金融更多是关注未来的东西，怎么样能够更好预测未来的东西，降低风险？ 最后是决策，怎么设计科学合适的机制，基于大数据机制，最终通过人或者机器进行自动化的决策？
表现的高频表现：政治方面： （表现）不尽如人意垄断性（指标） 户籍制度 流动人口 消极腐败 政绩工程 民生政府 服务性政府 干部考核（体系）法律依据 体制改革 一刀切 行政不作为 社会主义和谐社会服务型政府 缺乏法规规范 无法律支持 土地财政社会保障制度 党纪国法 违法乱纪 18亿亩耕地红线 政府（过多过度）干预 国进民退 发展规划（纲要） 南水北调 中央政治局会议 国有资产（重大）流失 （鲜明）中国特色 国家政策支持 （向）中西部地区转移 劳动合同法 许可证 中央一号文件 执法程序 我国国情 合法性 移民 公立 国民经济 拉动作用 人口普查 法制化
经济方面： 违法违规经营 非法交易 竞争力 收入分配 暴利 形象工程 司法救济 循环经济 基础性生产要素 （低水平）重复建设 矿产资源开发 资源税 行业研究报告 行业协会 城市化率 持续增收（难度加大） 城市基础设施 农村公共服务和基础设施（较差）农民收入（增加缓慢） 贫富差距 （经济）快速发展 （农民）种粮意愿 耕地减少 结构硬伤海岸线资源 盲目攫取（能源） 填海造地过度捕捞 开发力度 集中度（低） 就业机会 补偿不足 利用率 （数量）锐减 布局合理 开发力度（加大） 可再生能源 文化资源 经费紧张 农村税费改革 低附加值 劳动密集型 民营经济 制造业 金融风暴 外向型加工 次贷危机 许可证 资源丰富 服务业 数据 产业结构 民营企业家 传统产业 人均 出口退税 危机延伸 浪费严重 效率低下 价格偏低 税负转嫁 财政投入 外向依存度 能源需求 能源结构 过度需求（和消费） 市场供求关系 （能源）价格偏低 资金短缺 （产业）结构单一 工业新增用能 低碳经济 结构调整 劳动力密集 经济效益 经济重型化 快速增长 重化工业 快速工业化 资金缺口 社会资本 产业结构 拉闸限电 高附加值 能源消费结构 知识产权 成本增加 人民币升值 产业增加值 资源消耗 科技含量 运营成本 制造业 资金链 附加值高 人才资源 企业总部 高技术服务业 支柱产业 专项资金 失业保险 工伤保险 基本医疗保险 社会保险（关系转续） 养老保险 规模（有限） 经费（不足） 高技能（人才） （员工）高流失率 低端（制造业）产业链 养老保险 战略资源 技术素养 产业升级 资源短缺 经济效益 经济活动载体 经济枢纽 经济引擎 价格杠杆 资源性产品
股指期货日内量化投资策略 刘冬烨 1121209170 摘要 量化投资具有传统投资无可比拟的优点，在国内正处于萌芽阶段，发展潜力巨大。本文先详细研究国外经典的日内量化投资策略R-Breaker，并将其应用于国内的股指期货市场，但其最近的表现不尽如人意。接着将策略拆分成趋势和反转两个子策略分别进行改进，趋势策略仍然基于技术分析，而反转子策略则应用地球物理学中的对数周期性幂律模型，最终在趋势子策略方面得出了一个收益可观且稳定的R-Breaker-Plus策略，而在反转子策略方面的研究，虽然受到理论难点和程序运行的限制，没有得出具体的交易规则，但仍然收获了一些有意义的结论，且可以用来深入研究。 关键词：量化投资，股指期货，日内交易，泡沫破裂，LPPL模型 II
QUANTITATIVE DAY TRADING STRATEGIES FOR INDEX FUTURES ABSTRACT Quantitative trading has incomparable advantages over conventional trading strategies. It is in the embryonic stage but has high potential for development in China. R-Breaker trading system, a famous foreign quantitative trading strategy, is studied in this paper and applied to domestic stock index futures market. Unfortunately, it doesn't behave as well as the first 2 years recently. So I split it into two sub-strategies and optimize them respectively. The trend sub-strategy is still based on technical analysis, while in the reversal sub-strategy I tried to use the LPPL Model from geophysics. At length I have developed a winning and steady trend sub-strategy but failed to devise a concrete reversal sub-strategy due to the limit of computer facility. While I have gained some researching achievements on LPPL Model more or less. KEY WORDS：Quantitative trading, Index futures, Day trading, Bubble burst, LPPL Model III
多商品期货组合的量化投资策略 现代投资组合理论的诞生和发展，大大地改变了过去 主要依赖于基本面分析的传统投资管理行为，使现代投资管理不断朝着组合化、系统化和科学化的方向发展。特别地，对于我国商品市场来说，随着近年来市场结构和商品体系的快速成长，目前我国商品市场已经涵盖了基本金属、贵金属、能源、化工和农产品等大部分大宗商品品种。因此，产品 线的丰富和完善，给我们利用量化手段实行多商品组合投资策略创造了非常有利的条件和广阔的空间。 投资组合理论告诉我们，不要把所有的鸡蛋都放在一个篮子里面，同时，组合中的品种数量越多，则风险分散的程度越高。因而，持有多样化的商品投资组合，可以以较小的风险成本博取投资收益，有效分散投资风险。尤其在近年来，面对日渐复杂多变的市场环境，更需要我们通过科学的方法和模式来选取合适的投资标的，构造有效的多品种投资组合。 设计原理 多商品组合投资策略的基本设计思想是制定分散化投 资组合的标准交易模式，在这个模式中，所有流程都有标准化的设计，可以通过自动化（或量化）的方式解决交易标的（“做什么”）、交易数量（“做多少”）和交易规则（“怎么做”）这三个期货交易中的基本问题。
首先，交易标的指的是品种的选择和配比。随着我国期货市场的发展和成熟，可供选择的投资标的也越来越多，这一方面便于我们实现组合投资的收益多元化和风险分散化，但同时又使我们面临一个品种选择的问题。当众多的交易品种同时出现交易机会的时候，交易品种的选择和配比，就显得尤为重要。 交易数量实际上是一个资金管理的问题。期货市场是一个杠杆化的市场，而高杠杆率在通常的观念下就意味着高风险。因而，如果不做好资金管理，投资者将会面临巨大的风险。最基本的资金管理方法是固定比例资金交易法，即交易员在每次交易时均按照现有资金的固定比例部分进行开仓。 交易规则指的是实际交易中进出场的具体时机和点位。在这里，我们可以采用程序化交易的运作模式，通过计算机程序把历史数据模型化，然后进行数据的优化处理，最终形成一套可以实际交易的模型，让计算机判断具体的买点和卖点并对相关品种自动进行交易。同时，在计算机程序中还可以嵌入资金管理的要素，并融合风险控制模型，最终形成一整套完备的多商品组合交易方法。通过计算机辅助投资决策，可以尽可能地避免由于投资者主观判断或交易心态所造成 的决策失误。 策略举例 依照多商品组合投资策略的设计原理，我们根据指标构
期货日报/2015年/1月/20日/第003版 国际视野 高频交易及量化投资的策略与误区 量化投资一般依赖复杂的模型，而高频交易一般依赖运行高效的代码 广发期货李尉 1高频交易公司和量化投资公司的区别 一般来说，高频交易公司和量化投资公司既有联系，又有区别。在美国，人们常说的高频交易公司一般都是自营交易公司，这些公司主要有Getco、Tower Research、Hudson River Trading、SIG、Virtu Financial、Jump Trading、RGM Advisor、Chopper Trading、Jane Street等；而常说的量化投资公司一般都是对冲基金，包括RenTec、DE Shaw、Two Sigma、WorldQuant、AQR、Winton、BlueCrest、Citadel等。此外，Citadel、Two Sigma等公司，既有高频交易业务，又有量化投资业务；DE Shaw等公司，既有量化投资，又有非量化投资——很多公司朝着更综合的方向发展。 从历史上看，很多高频交易公司的创始人都是交易员出身，原来就从事衍生品的做市、套利等业务。一开始这些工作并不需要多高深的知识。随着计算机技术的发展，交易的自动化程度和频率也逐渐提高，这些公司逐渐聘请一些数学、统计、计算机背景较强的人员加入以适应形势的发展。当然，这个过程也出现了一些分化，有的公司还是保留了交易员在公司的主导地位，并且始终未放弃人工交易，最终形成了人机结合的半自动交易；而另外一些公司对新鲜技术的接受程度更高一些，往往采取全自动的交易模式。事实上，也没有证据表明全自动交易的公司就比半自动交易的公司更为优越，到目前为止，也只能说是各有利弊。 人工交易的最大弊端在于手动下单的地方离交易所较远，在行情剧变的时候往往抢不到单。在这一点上，全自动交易的公司可以通过托管机房来最大程度减少信号传输的时间，不过自动化交易往往因为程序过于复杂，加上很多公司人员流动较大，在程序的维护上会出现一些失误，最终程序出错酿成大祸，比如著名的骑士资本。 至于过度拟合无法抵御黑天鹅事件，那是人工交易和自动交易都无法避免的问题。一般来说，Getco、Jane Street、SIG、Virtu Financial等是半自动交易，Tower Research、Hudson River Trading、Jump Trading等是全自动交易。 量化投资公司跟高频交易公司则有很大的不同。首先，美国的量化投资公司基本上都是量化背景极强的人创办的，比如说文艺复兴的创始人西蒙斯是数学家出身，DE Shaw的创始人David Shaw是计算机教授出身，AQR的创始人Cliff Asness是金融学家出身，而高频交易公司则更多是传统交易员创办的；其次，量化投资一般依赖于复杂的模型，而高频交易一般依赖于运行高效的代码。 量化投资公司的持仓时间往往达到1—2个星期，要预测这么长时间的价格趋势需要处理的信息自然非常庞大，模型也因此更为复杂，对程序的运行速度反而没那么敏感；高频交易处理信息的时间极短（微秒或毫秒级），不可能分析很多的信息，因此模型也趋于简单，竞争优势更多依靠代码运行的效率，很多人甚至直接在硬件上写程序；而最后，量化投资的资金容量可达几百亿美元，而高频交易公司往往只有几千万至几亿美元，但由于高频交易的策略表现远比量化投资稳定，如Virtu Financial交易1238天只亏1天，因此一般都是自营交易，而量化投资基金一般来说都是帮客户投资。 2量化交易的模型 下面介绍一下量化交易的模型，从简单到复杂：
完整量化投资策略的四个特征 量化投资注重数理分析与逻辑推导，不依赖主观判定形成交易决策，当模型思想来源于投资者市场体会，基于历史数据所作的几率统计，也可以是技术指标，甚至基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 量化投资是指将投资理念或市场洞见转化为数学模型，并依据历史数据对模型进行测实验证，总结收益-风险特性以及相关参数，最后通过运算机技术实现自主化交易的投资方法。量化投资主要运用在具有高流动性与历史数据丰盛的金融投资市场，就期货市场而言，既可以在商品类品种也可以在股指等金融类品种上进行。 总的来说，一个完整的量化投资策略具备四个方面的特征： 一是具有特定的定量分析策略。量化投资是基于一定的市场逻辑或依据历史数据作出的几率统计，形成特定的数学模型用以分析和评判市场表现，进而形成交易策略，这与当前大多数分析师所采用的定性分析方法有很大区别。量化投资注重数理分析与逻辑推导，不依赖体会主义和主观判定形成交易决策，当然其模型思想仍旧是来源于投资者的市场体会，这种来源可以是基于历史数据所作的几率统计，也可以是一些技术指标，甚至可以是来源于基本面分析，只要能形成一定数理逻辑并得到市场验证即可作为量化投资策略。 二是绩效具有可追溯性。量化投资是基于特定的交易模型，可以用历史数据输入模型进行绩效检测，从而运算出交易策略的胜算率、期望收益与风险度等，并且可以根据这些检测值来预判模型未来的收益表现。相反基于体会主义的主观交易方法无法通过历史数据进行合理的检测，不具有可追溯性，也无法对以后的交易行为进行合理的预估。 三是具有极高的纪律性，量化投资是依据经过历史验证的模型进行分析和交易，从而规避了主观判定带来的局限，而在具体操作上大多采用运算机程序实现自动化交易，不会呈现主观交易中经常会呈现的人性弱点。 四是在信息处置上具有主观交易不可比拟的优势。当前金融投资品种非常丰盛，以国内商品期货市场为例，品种已经超过二十个，加上每个品种有数份合约同时交易，可供选择的标的组合可以达到成百上千个，倘若再考虑海外商品市场以及金融类市场，信息将更是几何倍递增，处置如此海量的数据，显然依赖数学模型与运算机程序处置的量化投资比传统交易方法效率更高。 从特性上看，量化投资相较主观交易方法具有许多优势，所以自上世纪七十年代诞生以来受到很多投资者尤其是机构投资者的追捧。经过三十多年的发
国内量化交易平台 （安信期货聂延龙） 中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。 从广义上讲，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、价格、数量等）的交易方式。 按照数学模型的理念和对计算机技术的利用方式，量化交易可以进一步细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。这五种量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。 量化交易平台是指能分别满足上述五种交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。这对目前大中型金融机构的IT以及实际运营部门是很大的挑战，同时也提供了发展机遇。 目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。 中低端量化交易平台
中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。 中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。由于技术架构的限制，行情、交易有一定的延时。 受策略脚本解析和执行效率、技术架构的限制，中低端平台对于多品种、多周期、多账户、多交易市场、多策略、复杂金融工具包等复杂系统架构的支持都有一定的限制。一般的系统实现流程为：投资者的策略在本地接收市场数据后，根据策略简单计算的触发条件，进行简单的账户持仓、资金计算和管理，进而下达买卖方向、数量、价格等指令，进行自动交易。 中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，是目前市场上个人投资者应用最多的一类大众化的量化交易平台。 国内中低端量化交易平台 国内应用的中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统、达钱&multicharts、安翼金融终端等。 1.文华赢智程序化交易平台 文华赢智采用麦语言开发技术指标模型，产生买卖信号后驱动交易下单。在量化模型研发方面，赢智提供了国内股票和期货的全部品种多周期的时间序列历史行情数据和近期的TICK数据，同时提供了丰富的行情函数、账户和交易的部分函数和一些统计函数用于策略开发，还提供了丰富的策略回测报告项作为策略绩效评估的依
提出对策的“万能八条”： 1。领导重视、提高认识；2。加强宣传、营造气氛；3。教育培训、提高素质；4。健全政策法规、完善制度；5。组织协调、形成机制；6。增加投入、依靠科技；7。加强监管、全面落实；8。总结反思、借鉴经验。 申论具体措施和万能十句式： 一、健全政策法规，完善制度 1、建立健全各项制度（法律），做到有法可依，对。。。进行严厉的 2、制裁和出发，严重者追究刑事责任 3、激励制度 4、利益相关制度 5、分工制度 6、规则制度 7、惩罚制度 8、决策制度：包括社情民意反应制度，社会公示制度，社会听证制度，专家咨询制度，决策的论证制和责任制 二、领导重视，提高认识 1、实行一把手负责制 2、建立和完善引咎辞职制度 3、建立健全领导问责制度 4、把。。。。。纳入议事日程 5、加强对问题的调查研究，从源头上理清。。。。问题的来龙去脉。 6、增强。。。。的意识 7、倡导。。。。的理念 三、组织协调，形成机制 1、形成深入了解民情，充分反应民意，广泛集中民智，切实珍惜民力的科学决策机制 2、预防应急机制和保障机制（编制应急预案，增加人力，物力，财力储备） 3、组织机制，协调机制：包括派工作组，成立专门机构，增加人员等建立完善各种监督机制 4、形成信息反馈机制 5、组织专家制定。。。领域的实施细则。 四、加强宣传，营造氛围 1、电视，报纸，网络等媒体要通过各种形式宣传。。。。提高广大人民群众对。。。的认识。 2、舆论关注 3、实行典型示范 4、社会示范 5、在全社会营造关于。。。。良好的文化氛围 五、教育培训，提高素质: 通过。。。。教育培训，提高广大领导干部，工作人员，人民群众的。。。素质 六、增加投入，依靠科技 1、在。。方面，大力增加财政投入 2、增加对。。。的财政和贷款支持 3、依靠。。技术，解决。。问题 七、加强监督，全面落实 1、加强社会监督（群众监督）设立举报热线（举报信箱） 2、媒体监督，或舆论监督 3、领导或上级监督 4、建立完善系统严格的评价，考核的指标体系 5、加大整顿力度 6、违法必究，执法必严；严厉查处和惩处责任人 7、发现问题立即纠正，对顶风违纪的行为从严查处，绝不姑息 8、有权必有责，用权受监督，违法要追究（强调制权） 9、对于一切忽视。。。违反。。。的行为，要大胆揭露，公开曝光， 10、把。。。工作置于人民群众和社会舆论的监督之下 11、十六大提出：要加强对权力的制约和监督，建立结构合理，配置科学，程序严密，制约有效的权力运行机制，从决策到执行等环节加强对权力的监督，保证把人民赋予的权力真正用来为人民谋利益 八、采取经济、价格杠杆 九、当事主体加强行业自律和行风道德建设 十、总结反思，借鉴经验 1、总结。。。。的经验教训 2、借鉴国内外的各种先进经验。 注意：必须注意矛盾的特殊性，具体问题具体分析，有的放矢，万能十条不是万能的，但没有万能十条是万万不能的。能用则用，如果不合适，也没有必要面面俱到。 写作套路 [正文]文章第一部分 开头方法：开篇点题，陈述现象、阐明危害和解决好的意义 写作套路[题目] 1、简明扼要，抓住材料的主旨 2、从小切入，切忌假、大、空 3、长短合适，最好不要加副标题 比较好的题目[例]“处处留意皆民生”、“圆城市低收入家庭安居梦”、治理网吧既要治“吧”也要治“网”、“献礼工程”当休矣、网上扫黄要建立长效机制。 比较差的题目[例]“加快县域经济创新步伐”、“加快推进以改善民生为重点的社会建设” 随着我国经济持续快速发展，。。。问题日渐凸现出来，在社会经济和国家安全中的位置越来越突出。问题主要表现在..;….;….。（说问题时最好用分号间隔） 目前产生的。。。问题逐渐进入人们的视野，已引起人们的高度关注，成为社会的热点问题，引起强烈反响，如果该问题不能得到及时和妥善地解决，直接影响到人民群众的根本利益，必影响到经济的发展，社会的稳定，影响到党和政府在人民群众中的光辉形象，进而影响到建设小康社会和构建社会主义和谐社会。（这些套话要因情况而定）文章第二部分 ★第二段主要叙述问题产生的原因。一般从材料给出的现象从中分析就能得出结论，下面就近期热点问题为例加以说明，不外乎根据材料从以下角度进行展开分析 “冰冻三尺非一日之寒”，造成以上问题的原因是多方面的、深层次的，我认为主要有以下几点： 首先，政策体制不完善，。。（结合材料） 其次，国家财政投入力度不够，。。（结合材料）
量化交易界的大咖告诉你量化交易到底该怎么做！ 期货实战排排网隶属于《期货日报》社有限公司，是期货行业内领先的第三方专业期货投资者发现、培训、展示、评价、推介服务平台。期货实战排排网目前已平稳运行四年，现有实盘注册账户6155个，保证金总量逾12亿元。量化交易在投资界一直披着高大上的神秘外衣，然而在实际操作中，量化交易依然要以正确的交易理念和完善的交易策略为基础，然后才是人与机器的结合。6月24日，中国期货FOF“金投顾”颁奖典礼在武汉粤汉码头东湖号游船上盛大召开，在这场高手云集的投资盛会上，量化交易界的大咖告诉你量化交易到底该怎么做！量化交易在投资界一直披着高大上的神秘外衣，然而在实际操作中，量化交易依然要以正确的交易理念和完善的交易策略为基础，然后才是人与机器的结合。在主题演讲环节，量化交易界的大咖北京深蓝启明投资管理有限公司总经理高帅告诉你量化交易到底该怎么做！恭喜！您收到一份炒股软件广告“量化研究也就是通过统计和归纳历史数据，寻找长期可盈利的交易模式。”高总说，对于量化交易有几个关键问题要进行反思：第一、最重要的历史数据是价格，但价格只是博弈结果，市场大量的信息是丢失的。第二、模型是对历史的解释或总结，多大程度上可以预测未来。第三、面对模型失效该如何解释，如果平衡被打破呢。第四、如何面对极值。展开剩余84% 嘉宾北京深蓝启明投资管理有限公司总经理高帅清华大学电子工程系毕业2009年，上海期货交易所技术部2011年，组建宏源期货量化研究团队2012年，深蓝启明负责量化交易算法研发简介北京深蓝启明投资管理有限公司注册资本金1000万元，总部位于北京。公司专注于金融市场量化交易。公司核心团队的主要成员均毕业于清华大学理工科专业，拥有扎实的理论功底与全面的量化投研能力。2006年，公司核心团队开始从事量化交易。2008年以来，随着中国金融市场量化交易的蓬勃发展，
量化高频交易风控 现在对于高频交易普遍存在误读，要么认为非常赚钱，要么认为扰乱市场。而实际上，大部分高频策略根本不是赚钱策略，是做市用，提高市场流动性和市场深度的，说白了，是繁荣市场，增强交易所稳定性和国际竞争力的。 真正扰乱市场的，跟频率没关系，就算是低频，如果市场容量小，照样影响，比如现在的小盘交易所，现货，以及之前文交所的情况。反而是随机单，盈利低不说，还把市场搞得很乱，最后整个市场的盈利水平降低，就跟现在欧美市场一样。目前公开宣传的很多人根本没有高频交易经验，所以说话很多都是想当然，不太负责任。 还有一个令高频交易饱受舆论诟病的是人们包括很多专家把失误损失和市 场操纵归咎于高频交易模式而不是操作风险管理缺陷和违规交易，把市场不公平归咎于高频交易而不是大机构行为和监管漏洞。 人们时常从媒体上了解到因为“胖手指”（Fat Finger）或某个机构的订单程序进入了死循环而向市场中发出了巨量订单，然后高频交易算法迅速反应，造成市场崩盘或者剧烈波动的情况。很多人会说，如果没有高频交易，那么市场就不会这么动荡，因为人们不会来不及反应，而且高频交易在市场波动的时候推波助澜，加剧了市场波动。而实际上，即便没有高频交易，市场参与者也会根据自己的情况作出平开仓的决策，当这种决策具有广泛一致性的时候，市场一样会出现剧烈波动，这个是市场中一个常态特征。 而且不是所有高频交易策略都是趋势跟随类策略，市场深度的增加和各种各样的交易行为反而有利于减少不必要的波动，因为大多数情况下人们和策略对行情的看法并不一致。而很多这类情况中亏损的发生，其根本原因，是参与者的操作风险和市场风险管理有严重缺陷造成的，比如不按照交易规定或者策略设计执行操作，风险敞口过大而没有留存充足的风险准备金。因此这类托辞，无异于一名依据日线进行操作的交易者抱怨一分钟线的波动太大。 同时，人们往往忽略了一些可能违规的交易行为，如操纵市场。对冲基金和投行自营对市场的压力测试，很多都被伪装成了“胖手指”，在市场出现崩盘和剧烈波动之前，往往已经通过主动性策略试验了很多次，而且有声誉资源的机构，为了弥补自身算法能力的不足和增强算法效果，往往还会靠资本运作、媒体宣传的方式造市，比如大家时常看到的一些著名机构的报告。 与传统理解的操纵市场需要大量资金和资源不同，很多这类机构，往往扮演的是对已经走到悬崖边儿的市场轻轻推了一把的角色，当然他们不会承认其实之前已经推了很多次没推动，也绝不会承认是他们推的，因为此类主动性交易策略往往伴有合规问题。当然也有算法可以利用此类市场操纵行为实现盈利，因为只是利用而不进行市场操纵，所以也没有合规问题。而这一切，与高频与否没什么关系。
国内量化交易平台介绍 2012-11-26 05:41 来源：期货日报字号：12 14 中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。 从广义上讲，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、价格、数量等）的交易方式。 按照数学模型的理念和对计算机技术的利用方式，量化交易可以进一步细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。这五种量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。 量化交易平台是指能分别满足上述五种交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。这对目前大中型金融机构的IT 以及实际运营部门是很大的挑战，同时也提供了发展机遇。 目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。 中低端量化交易平台 中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。 中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。由于技术架构的限制，行情、交易有一定的延时。 受策略脚本解析和执行效率、技术架构的限制，中低端平台对于多品种、多周期、多账户、多交易市场、多策略、复杂金融工具包等复杂系统架构的支持都有一定的限制。一般的系统实现流程为：投资者的策略在本地接收市场数据后，根据策略简单计算的触发条件，进行简单的账户持仓、资金计算和管理，进而下达买卖方向、数量、价格等指令，进行自动交易。 中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，是目前市场上个人投资者应用最多的一类大众化的量化交易平台。 国内中低端量化交易平台 国内应用的中低端量化交易平台主要有文华赢智程序化交易、交易开拓者、金字塔决策交易系统、达钱&multicharts、安翼金融终端等。