选择擅长的领域继续答题？
{@each tagList as item}
${item.tagName}
{@/each}
手机回答更方便，互动更有趣，下载APP
提交成功是否继续回答问题？
手机回答更方便，互动更有趣，下载APP
1、含义上的区别高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。2、特性上的区别高频交易的特性是都是由计算机自动完成的程序化交易；高频交易的交易量巨大；高频交易的持仓时间很短，日内交易次数很多；高频交易每笔收益率很低，但是总体收益稳定。量化交易的特性有纪律性。根据模型的运行结果进行决策；系统性。具体表现为多层次、多角度、多数据；套利思想。定量投资通过全面、系统性的扫描捕捉估值洼地，并通过买入低估资产、卖出高估资产而获利；概率取胜。定量投资不断从历史数据中挖掘有望重复的规律并加以利用。3、交易策略上的区别高频交易的交易策略有低延时交易。低延时交易是高度超低延迟网络的依赖性。他们的算法利润提供信息，如竞争性招标，并提供到他们比竞争对手更快微秒。量化交易的交易策略包括统计套利、算法交易。统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。算法交易是指通过设计算法，利用计算机程序发出交易指令的方法。参考资料来源：百度百科-高频交易参考资料来源：百度百科-量化交易
本回答被网友采纳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，并且严格的按照所设定的规则去执行交易策略（买、卖）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，量化交易方式可以进一步细分为自动化交易（Automatic Trading）、数量化投资（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侧重点各有不同，是量化交易技术发展到不同程度的产物。但是在实际应用中，五种量化交易方式的名词经常被交叉使用。
自动化交易，是指将技术分析投资方式固化成计算机可以理解的模型、技术指标，计算机程序根据市场变化自动生成投资决策并付诸执行的交易方式。简而言之，自动化交易是技术分析投资方式的自动化。自动化交易可以避免投资人的心理变化和情绪波动，严格执行既定策略，是最基本的量化交易方式，在外汇交易和期货交易领域应用很广。
数量化投资，是指利用计算机分析宏观经济、行业、以及公司的基本面数据，选择投资组合的资产配置，并通过数学模型预测组合未来变化的数量化交易方式。简而言之，数量化投资是基本面分析投资的自动化。数量化投资可以帮助投资人在越来越多的信息中选择实质性关键信息，并转化成投资决策，在股票投资领域应用广泛。
算法交易，是指把一个指定交易量的买入或者卖出指令输入到计算机模型，由计算机模型根据特定目标自动产生执行指令的时机和方式。订单执行的目标基于价格、时间或者某个基准。为降低冲击成本，避免惊动市场，算法交易采用一些计算机模型，将一个大额交易拆分成若干个小额交易，以此来减少对市场价格造成冲击。算法交易有时被称为“黑箱交易”。算法交易的概念是交易执行精细化发展的结果，算法交易侧重于投资策略的执行，而自动化交易和数量化投资的概念着重于投资决策。因此算法交易可以与自动化交易和数量化投资配合使用。
程序化交易，是从美国七十年代的证券市场上的系统化交易发展演变而来的，是伴随着股指期货与现货市场套利交易而兴起的数量化交易方式。纽约证券交易所（NYSE）把程序化交易定义为：Program trading encompasses a wide range of portfolio-trading strategies involving the purchase or sale of a basket of at least 15 stocks with a total value of $1 million or more.即任何含有标普500指数15只股票以上，其价值100万美元以上的交易，属于程序化交易。纽约证券交易所的定义主要突出的是交易规模和集中性。程序化交易发展到今天，其含义已经远远超过了纽约证券交易所当初的定义。国泰君安证券对程序化交易给出了一个更为市场化的定义：根据一定的交易规模和规则生成买卖信号，由计算机自动执行买卖指令的交易过程。简单的说，就是利用计算机程序来控制买进卖出的事迹并自动执行。在这个定义中，突出的是交易模型、计算机程序对交易的重要性。随着量化技术的深入发展，程序化交易和算法交易的界限逐渐模糊，有些市场使用高频交易描述流行的量化交易方式。
高频交易，源于程序化交易和做市商机制，是指透过极高速的超级电脑分析高频交易数据中的价格变化模式，并且利用这些价格变化模式获利，通常高频交易利用服务器的地理位置优势（Co-location），在相对更快的时间内获得市场行情和执行大量交易指令，从而取得普通交易方式难以获得的利润空间。近年来，除了信息技术是的交易速度不断加快之外，交易平台日趋多元化也使得高频交易成为可能。
与高频交易相伴随的是闪电交易（Flash Trading），闪电交易是美国市场上交易所为高频交易商提供的一种特殊服务，是指股票交易传达到公众的约三十毫秒前，先显示给订用有关服务的交易员。三十毫秒的时间，对于手动交易者而言相差不大，但是对于高频交易而言，三十毫秒的时间足以完成一笔交易行为。2009年9月，美国证监会因为闪电交易明显有失公平，停止了所有交易所的闪电交易服务。
本回答被提问者采纳

一文了解量化交易！！！全文1w+字，涉及的基本常识点满满当当。内容整理不易，看完记得点个关注+收藏啊~以下部分内容来源于网络，如侵删~一、什么是量化投资？就如“量化”一词所代表的含义一样，简单点来说，量化投资就是利用计算机技术，加上采用一定的数学模型去实现投资理念、投资策略的一整个过程。虽然量化投资也属于投资的一种，但是它却与传统的投资方法有很大的不同点。先来打个比喻。如果把量化投资比喻成西医，那么传统的投资方法就是中医。我们都知道，中医偏保守，因为这主要看的是中医的个人经验，有很大程度的主观因素，定性程度更大；而西医就不一样了，从拍片、化验、开药或者手术，主要还是要依托很多的医学仪器，也就说，更多的依托的是科学数据，相对中医来说，就更加客观且符合实际病情。总之，传统的投资方法主要有基本面分析法和技术分析法两种，最显著的特色是偏于保守，然而，量化投资主要是依靠数学模型来寻找投资标的和投资策略，最显著的特色是更加客观，而且有很大概率能跑赢市场。为什么这么说呢？其实，主要还是因为量化投资与传统定性的投资方法本质上是不同的。量化投资并不是单纯的靠个人感觉，也就是个人的主观因素来管理资产的，而是结合适当的投资思想、投资经验，甚至包括将直觉反应在科学的量化模型中，即利用电脑帮助大脑处理大量繁琐、计算量大的信息，帮助大脑归纳总结市场规律，以建立起一套可以重复使用并且可以反复优化的投资策略，来指导投资者的投资决策。二、量化投资具体有哪些内容？一套成熟的量化投资技术几乎包含了一种投资的全过程，主要包含量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制等等。下面逐个来解释下。（1）量化选股量化选股，简单点说，就是采用数量的方法来判断某个公司是否值得买入的整个行为。当然了，这如何来判断还是需要讲究一定的方法的。而这个方法主要有以下三种类型（欢迎补充）：①公司估值法公司估值法，是在分析上市公司基本面的时候，所需要用到的核心方法，简单点理解就是，通过一定逻辑的分析，来寻找出该上市公司价值被低估或价值被高估的股票。②趋势法趋势法，就是根据市场的整体行情状况，做出对应的投资行为，比如可以进行追随趋势、也可以进行反转等等。③资金法资金法，其实本质上就是一种“跟风”策略，旨在追随市场主力资金的方向，最大限度的在短时间内取得超额收益。（2）量化择时首先，股市的可预测性问题与有效市场假说密切相关，单从国内股票整体市场情况来看，国内的股票市场的股票价格时间序列并非序列无关的，而是序列相关的，也就是说，历史数据对股票的价格形成起到了一定的作用。因此，可以通过对历史信息的分析来预测价格，从而做出相应的投资策略。（3）股指期货套利股指期货套利，指的是利用股指期货市场存在的不合理价格，同时，参与到股指期货与股票现货市场交易，或者进行不同期限、不同类别股票指数的合约交易，以赚取差价的一种行为。举个不是很恰当的比喻，股指期货套利，其实就是中间商赚差价。一般而言，股指期货套利主要有两种方式，一是期现套利，另一个是跨期套利。（4）商品期货套利因为商品价格存在波动性，会时常出现一些不合理的差价，而相关商品在不同的时间、不同地点，都会对应一个合理的价格差价，所以把不合理的差价弄成合理的差价，这过程中自然会赚取一定的盈利，这就是商品期货套利。（5）统计套利统计套利，是一种风险套利，它是利用证券价格的历史统计规律而进行的套利行为。利用到的方法主要有两种，所基于的原理都是不一样的，一种是利用股票的收益率序列搭建模型，另一种是利用股票的价格序列的协整关系搭建模型。（6）期权套利所谓的期权套利指的就是，同时买进卖出同一相关期货，但不同敲定价格或不同到期月份的看涨或看跌期权合约，希望在日后对冲交易部位或履约时获利的交易行为。因为期权本身具有杠杆高、损失有限的特点，所以期权套利要比期货套利的效果更加显著，所赚到的收益会更高。（7）算法交易算法交易，又称“自动交易”、“黑盒交易”或“机器交易”，它指的就是通过特定的计算机程序来完成指定的交易行为，共分为被动型、主动型和综合型三种类型。（8）资产配置资产配置，说白了就是资产类别的选择和对所配置的资产进行实时的管理，只不过这种资产配置是基于量化分析来进行的。三、量化投资涉及到哪些方法或技术？（1）人工智能金融投资，因为它综合到了各种知识与技术，所以是复杂的，且对智能的要求是非常高的，因此，结合人工智能技术可以更好的发挥量化投资分析，主要包括专家系统、机器学习、神经网络、遗传算法。（2）数据挖掘数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取有用的信息和知识的过程，在量化投资过程中，数据挖掘的主要技术包括关联分析、分类/预测、聚类分析。（3）小波分析我们所看到的任何投资品种下的行情走势图，都可以看做是一种波形，而小波分析在量化投资中主要作用就是在于对波形的处理。利用小波分析，投资者或分析员可以进行波形的去噪、重构、诊断、识别等操作，从而实现对未来走势的判断，赚取超额收益。（4）支持向量机支持向量机，也称之为SVM，简单点说就是先向高纬度乃至无穷维度升级，再进行线性化处理。需要注意的是，虽然升维是让计算变得更加复杂化，但是SVM却拥有独特的优势让升维后计算并不会很复杂。也正是因为这个优势，SVM对有关分类和预测问题处理的相当到位，而在量化投资中更是大放异彩。（5）分形理论分形理论，其本身是现代数学的一个新分支，因为它的特性，使得分形理论在量化投资中，尤其是在金融时序数列的分解与重构，得到了极为广泛的应用。（6）随机过程随机过程，是一连串随机事件动态关系的定量描述。主要有两类研究方法，一类是概率方法，包含轨道性质、随机微分方程；还有一类是分析方法，包含测度论、微分方程、函数堆、希尔伯特空间等等。四、量化投资需要掌握哪些课程？1、数学基础我把微积分/高等数学/数学分析、线性代数/高等代数、概率论和统计学/概率论+统计学+数理统计这三块内容归到这一类。每一块中，越靠后的难度越大。这一块学得是否熟练以及是否深入，直接决定了后面的“数学进阶和应用”部分的课程学得是否吃力。对于一部分同学来说，“数学进阶和应用”部分的课程和“资产定价”部分的课程是吃饭的家伙。这一部分同学起步的职业往往是量化分析师(Quantitative Analyst)。一个典型的量化分析师熟练掌握2种以上的编程语言和各类资产定价模型，并有能力找到套利策略。如果发现自己数学课学得不吃力且比较有感觉，可以考虑在这个职业路径上多投入时间。反之，则建议选择较轻松的课程，并考虑其他的职业路径。2、微积分/高等数学/数学分析往低了说是理解中高级的经济、金融学理论的一块拼图，往高了说是一种重要的思维训练。数分里能训练的东西太多，一两句话说不清楚，我自己也没太学好，就不献丑了。3、线性代数/高等代数在“数学进阶和应用”以及“资产定价”部分，需要经常使用矩阵的性质和运算。这门课往低了说，是做定量分析的一块拼图，往高了说也是一种重要的思维训练。尤其是对线性空间和投影这两个概念的理解，对于以后的学习很重要。4、概率论和统计学/概率论+统计学+数理统计往低了说是理解中高级的经济、金融学理论的另一块拼图，往高了说……你大概知道我要说什么了。培养关于不确定性的思维对于金融从业人员来说很重要。即使是看上去和不确定性不大相关的财务工作，也需要干把未来发生的现金流对到现在的事情。5、经济学基础我把微观经济学、宏观经济学、博弈论/博弈论与信息经济学、货币银行学、财政学、国际经济学、国际金融这几门课归到这一类。其中，宏微观可能会开中级甚至高级课程。这些经济学课程对于当一个金融行业的产业工人或许没什么帮助，但对你分析宏观的经济大势和微观的市场状况有帮助。换句话说，即使从最功利的角度看，学会这些也能帮你更快地发现赚钱的机会。而这些课程对志在学术研究的同学，作用是显而易见的：帮助你找到自己的兴趣所在。6、微观经济学这门课程主要由两部分组成，一是个体决策，二是市场结构。在个体决策部分，你会学到个人/住家(一般是领工资的劳动者和消费者)如何做消费决策以及劳动力供给的决策，还会学到厂商(一般是劳动的雇佣者和资本拥有者/使用者)如何做生产决策。你会知道，这两类市场参与者的面临的决策在经济学中被重述为各式各样的最优化问题。这个思维会伴随你大学四年的学习。在市场结构部分，你会看到两拨最大化自己利益的人碰到一起时，会在什么地方达成一致。这个达成一致的地方我们叫做“均衡点”，这可能是经济学中最重要的一个概念。宏观经济学宏观经济学研究个体行为的加总以及相应的均衡概念。可能被放进宏观经济学讲的问题包括经济增长、国际贸易、汇率决定、货币政策、财政政策等。这些问题背后都有深刻的政策背景。政府的政策可以影响均衡的位置。7、博弈论/博弈论与信息经济学博弈论讨论这样一个场景下老司机(划掉)理性人的决策：有两方或多方互动，各方的收益均不完全由其自身决定，各方并不完全确定其他参与方会怎么行动。根据具体问题的不同(信息完全与否，一期还是多期，同时行动还是有行动顺序等)可以衍生出不同的具体场景。博弈论是合约理论、机制设计等经济学领域的基础，这两者也是信息经济学研究的(一部分)内容。信息经济学与信息技术(IT、通信)等没什么太强的关系，它是研究不完全信息下的各类决策的经济学分支。 以下四门课程的内容有可能在宏观经济学中已经简单地告诉你了，但在它们中会学得更深入。8、货币银行学这门课程告诉你货币是什么、银行体系大概长什么样，以及货币政策通过银行体系对经济能产生什么影响(传导机制)。其中，关于“货币是什么”这个问题，有各种各样的解答。在不同的解答下，货币政策的传导机制不同。由于实际经济非常复杂，这门课可能无法告诉你哪个传导机制是对的，但告诉你存在这些机制，也有助于你理解货币政策背后的目标。9、财政学这门课程告诉你两件事：一件是我国的财政体系长什么样，一件是各式各样的财政政策：采购、征税、补贴，分别会对经济产生怎样的影响。在解读国家的财政政策时，这门课提供的直觉很有帮助。 国际经济学：这门课程教授你国际贸易的几代理论，汇率的决定，以及各类贸易政策会带来怎样的影响。对于已经存在的贸易协定/贸易区，这门课程也会介绍并且评价。10、国际金融这门课程的重点放在汇率问题上，也会搭上一些介绍国际金融体系的内容。部分学校还会把外汇衍生品的内容也放到国际金融里教。这门课程与国际经济学所教授的内容中有一部分是目前经济学研究中较有活力的部分，换句话说也是较复杂，无甚定论的部分。11、数学进阶与应用我把计量经济学/计量经济学+时间序列分析、各类编程语言、算法与数据结构、随机过程、常微分方程、偏微分方程、傅立叶分析、数值计算、数学规划、实分析、复分析等课程归到这一类。排序的方式大致是让选修的人数从前往后依次递减。大量选修这一类课程的学生，要么决定走量化分析师的职业道路，要么决定做学术研究(至少读到博士，做不做教职另说)。考虑到这些课基本都在大二下学期以后开，对于决定不走这两条路的同学，我的建议是不要选，拿学它们的时间去攒简历/做实习/玩点你想玩的别的东西。对这一类课程的描述，对于刚进入大学的同学来说可能难以理解。不过不要担心，随着学习的深入，这些课程对于很多同学来说是不难的。12、资产定价我把投资学、金融工程/金融衍生工具、固定收益证券这三门课归到这一类。这一类课程学习一些关于如何确定在公开市场上交易的资产和金融产品的价格的理论。一个交易员或者一个机构投资者的投资组合大概包括股票、债券、衍生工具以及现金这四类。现金不需要定价，其他三类东西都需要。这三门课每门课会教你其中一种东西有哪些定价理论。不过这些理论相对陈旧，实证结果也见仁见智，所以我更愿意管它们叫“假说”。了解这些理论是交易的基础，但成为一名合格的交易员(trader)或AQF量化金融分析师，需要学的并不止这些。13、投资学这门课教你一些关于“股票价格如何确定”的假说，但——再次提醒——它们都只是假说，而且只在特定的对市场参与者行为的假设下成立。这些假说往往包括CAPM(资本资产定价模型)、APT(套利定价理论)、因子模型(factor pricing models)等。同时还会教你一点基本的关于投资组合的知识。本科阶段求解投资组合往往是固定一阶矩(期望收益)和二阶矩(风险的度量之一)中的一个，去最优化另一个。14、金融工程/金融衍生工具这门课教你衍生品定价的一些假说。由于衍生品往往锚定一个或多个风险资产，而风险资产未来的价值是不确定的，所以衍生品未来的价值也是不确定的。从不确定的未来价值反推出现在应该卖多少钱，就是衍生品定价问题。衍生品中最重要的一类是期权，很多衍生品都能看作一个或一组期权和其他价格已知的资产的组合，所以只要能给期权定价，就可以给绝大多数衍生品定价。15、固定收益证券这门课教你固定收益类资产(主要是债券)定价的一些假说。固收类资产的票面利率大都是确定的(也有锚定某个不断变动的利率例如LIBOR的)，但其是否违约(赖帐不付、晚付息、晚付本金等)是个不确定事件，所以它也是有风险的。这门课也会教你短期利率和长期利率之间的关系。部分学校还会教一些我国债券市场的概况、与债券相关的衍生产品之类的内容。16、编程课程作为一名合格的量化金融分析师，如果你不会掌握一定程度的编程能力，那么这等于就是在耍流氓，是不负责任的。因为在日后自己去组建量化交易模型以及其他投资策略的时候，编程能力，尤其是Pytnon语言，是非常关键的。五、量化投资中有哪些经典模型？1、阿尔法模型阿尔法模型是一个量化交易系统重要的组成部分，它存在的目的就是为了给投资者寻找合适的盈利机会。用一句话来概括就是，阿尔法模型是一种宽客建立和使用的用于系统地进行时机选择的软件系统。它主要有三大类，理论驱动型和数据驱动型以及混合型阿尔法模型。正如字面意思，阿尔法是希腊字母α的音译，常用于量化表述投资者的盈利能力，或者是投资者所得到的与市场波动无关的回报。需要注意的是，所有成熟的阿尔法模型都有一定的局限性。虽然阿尔法模型在一定的范围内可以对未来的情形有着比较精确的预测效果，但是在某些情况下也会出现预测不准的问题，也就是说会犯错。不过，如果从在扣除这些错误所导致的损失以及交易成本后来看，阿尔法模型依然是有利可图的。简单点理解就是，功大于过。阿尔法的这种局限性，其实也反应出了一种现象：没有永远好或者永远坏的金融产品，因此没有任何产品值得一直持有或从不值得持有。比如，在20世纪90年代末互联网泡沫浪潮中，股神巴菲特的投资策略并没有发挥到什么作用，而他的阿尔法收益则很低。2、风险模型英国的著名经济学家——约翰·梅纳德·凯恩斯曾说过一句话，“市场的非理性状态，会一直持续到你破产。”正如前面提到的阿尔法模型，在投资者追求阿尔法收益的时候，势必是要承担该种模型下的一些风险，这是不可避免的事儿。因此，针对这种风险的模型应运而生，这就是风险模型。我们常说的那句话，“不要把鸡蛋放在一个篮子里”，就是跟风险模型有关。简单点理解就是，风险模型存在的主要目的就是破坏可能带来损失或不确定的事情，尤其是那些无目的的投注或阿尔法模型带来的附加产品。另外，风险模型还会试图清除投资组合中不希望出现的敞口。这个世界自然是没有十全十美的买卖，风险固然可以有效降低投资风险，但是相应的，从该模型下取得的收益会有下降。不过，很多宽客都愿意接受这种模型，只是因为相对来说，更稳一点，哪怕收益会相对少一些。总之，有了风险管理的存在，可以有效降低策略收益的波动性，但是有一说一，它最大的成效还是在于可以有效降低重大损失发生的可能性。在很多情况下，一些投资经理最根本的失败原因，就是在风险管理上不断累积犯错造成的。比如2006年的Amaranth基金亏损事件，2008年的金融危机。3、交易成本模型如果把阿尔法模型比喻成一名异想天开的乐观者，那么风险模型就是一名紧张兮兮的担忧者，而下面要讲的交易成本模型，其实可以理解为是一名吝啬的会计。为什么会这么说呢？首先，交易成本模型它的基本理念就是，交易是有成本的，除非有足够的理由（换言之，在理由充足的情况下，可以没有成本，然而，实际上这种情况几乎不可能发生），否则就不应该进行交易。了解量化交易界的朋友应该都知道，进行交易无非就那两个原因：一个是可以增加盈利的概率或量，比如阿尔法模型；另一个则是可以降低亏损的概率或量，比如风险模型。然而，上述的这两个原因却非常可能会因为投资组合收益或风险的一点改进，而导致交易成本的直线上升，这自然是超出了事先预期的，结果当然不妙。试想一下，一次交易成本可能就100块，但是如果交易的次数变多了，多到成百上千，甚至是上百万、千万，那这中间的交易成本就远不是100块所能对比的，总之，如果你低估了交易成本，最终的结果只会让你亏得连回家的路都不认得。现在，你应该理解了，为什么交易成本模型被比喻成吝啬的会计，是再恰当不过的了吧？最后，需要格外注意的是，设计交易成本模型并不是为了最小化交易成本，而是告知投资者，在构建投资组合的过程中进行的交易成本到底有哪些？4、投资组合构建模型美国科幻小说黄金时代的代表人物之一——艾萨克·阿西莫夫曾说过一句话，“基于现在和未来，才能做出明智的决策。”这句话如果用在投资组合构建模型总，再贴合不过了。如果说交易成本模型是一名吝啬的会计，那么投资组合构建模型就是一名十足的裁决者，且是一种结合了阿尔法模型、风险模型和交易成本模型部分精髓的量化模型。它存在的目的主要为了决定宽客所持有的投资组合，言下之意就是，决定接下来该进行怎样的投资组合。它的种类主要分为两种，一种是基于规则的模型，另一种是基于优化的模型。但值得注意的是，如何分配投资组合中各种产品的比例，主要需要考虑期望收益、风险和交易成本之间的平衡，过于倾向某一点，都可能会带来意外的负面影响。比如，过于强调交易机会，会因为忽视风险而带来了意想不到的损失；过于强调风险，会因为忽视掉交易机会而错失赚取不错收益的良机；过于强调交易成本，会因为投资不愿意承担更新投资组合的成本而持仓时间过长，也错失良机...5、执行模型威廉·福斯特曾过的一句话非常贴切，“品质绝非偶然，而是崇高目标、不懈努力、睿智指导和娴熟执行共同作用的结果。”好不夸张的说，在电脑屏幕或一张纸上的目标投资组合和正在拥有这样一个投资组合是完全不同的。因此所谓的执行模型就是，通过执行所需要的交易。电子途径和中介（如经纪商）是两种基本的交易途径。比如，一些交易者喜欢主动的参与执行自己的订单；一些交易者会把执行订单的工作外包给经纪商去做；一些公司会把执行订单交给第三方公司去做，再由第三方公司和经纪商去谈；一些公司会通过算法来执行订单。六、量化投资中，有哪些经典的投资策略？1、三一投资管理公司的价值选股法三一投资管理公司的投资策略以价值投资为主，并认为如果想要建立成功的价值型投资组合，只需要用单纯且简化的概念和系统性的设计即可达到。该种投资策略主要围绕三个指标进行，分别是市盈率、股价账面市值和股利收益率，即主要选择市盈率较低、市净率较低以及派息水平较高的股票进行投资。从实际效果来看，该种价值选股法策略属于长期收益较高，因为所考虑的选股指标较少，所以可以简单的理解该投资策略是一种对市场有着较好适应性的简单、有效的策略。但是，因为该种策略本身的局限性，确实还存在进一步完善和开发的空间。2、伯顿G·马尔基尔的投资漫步原则伯顿G·马尔基尔是美国著名的经济学家和专业投资者，是普林斯顿大学汉华银行经济学讲座教授，著有非常出名的金融书籍《漫步华尔街》。马尔基尔的投资观点认为，对于买卖个股或者主动管理型的基金而言，投资者买入并持有指数基金是更为明智的选择，因为作为被动投资方法来购买指数基金，是能够获得比专业的主动投资者更高的收益。因此，马尔基尔基于这种投资观点提出了三种购买股票方法，分别是投资于指数基金、按照潜在有用的选股规则进行投资、雇佣专业的基金经理人进行投资管理。从实际的量化投资结果上来看，在长期情况下，应用马尔基尔的投资漫步原则来构建量化投资策略，确实存在可以获得较好收益的可能性。但是因为马尔基尔所提出的部分原则较难进行量化，所以该种思路仅供参考~3、惠特尼·乔治的小型价值股投资法惠特尼·乔治是美国著名的投资基金经理，拥有极为丰富的投资经验，曾在奥本海默公司、多米尼克公司等多家大型金融机构任重要职位，曾管理资产超过400亿美元。惠特尼·乔治是一名价值投资者，并且很擅长投资小盘股，他的投资观点认为，股价低于25美元以下的小盘股有着非常大的投资价值，而这些股票总是被投资者所忽视。基于这样的投资观点，便形成了乔治独特的投资风格，即寻找哪那些财务状况较好、资产负债表情况良好、回报率较高并且没有财务杠杆的公司。从实际的量化投资结果上来看，乔治坚持的小盘股投资策略在区间较长的情况下，确实可以获得比较好的收益，也存在继续优化的价值。需要注意的是，如果想要采用乔治的这种投资策略，最好事先能够判断市场风格是不是更加符合投资小盘股，否则还是不要贸然入手~4、菲利普·费雪的选股十五原则菲利普·费雪，是美国著名的投资家，包括股神巴菲特在内的一些著名投资家都曾或多或少的受到费雪投资理念的影响，曾著有经典股票投资书籍《怎样选择成长股》。简单概括下，费雪的投资理念可以总结为以下15个原则：原则1、公司是否拥有足够市场潜力的产品或者服务，以能够让销售额在至少几年内保持告诉增长。原则2、当现有的具有吸引力的产品的增长潜力已经在很大程度上被挖掘之后，公司的管理层是否有决心继续开发新的产品，从而进一步增加潜在的销售额。原则3、考虑到其规模，公司在研究和开发方面的效果如何。原则4、公司是否具有强于行业平均水平的销售团队。原则5、公司是否有客观的利润。原则6、公司做了哪些工作来维持或者提高利润。原则7、公司是否拥有出色的劳动人事关系。原则8、公司的高管之间是否有着良好的关系。原则9、公司是否用合适的管理梯队层次。原则10、公司的成本分析和财务控制做得有多好。原则11、相对于行业内的其他公司而言，公司是否在其他业务方面能够让投资者认为具备核心竞争力。原则12、公司是否对利润有短期或者长期的规划。原则13、对于一个告诉增长的、需要足够股权融资的公司，在其可预见的未来，会不会因为过多发行在外的股票，而造成原股东无法从预期增长中获利。原则14、管理层是否在一切顺利的时候，才坦率的与投资者谈论公司事务，而在出现麻烦和失望情绪的时候保持沉默。原则15、公司的管理层是否正直、诚信。5、彼得·林奇的选股原则彼得·林奇是世界著名的股票投资专家和证券投资经理，曾将管理的麦哲伦资产从2000万美元疯狂增长至140亿美元，年平均复利收益达到了29%，堪称是世界上最出色的基金。彼得·林奇的投资理念主要基于以下5个方面：方面1、如果不管一个行业是否景气，都要进行长期投资，那么就要尽量选择税前收益更高的公司。方面2、一个好的公司的存货增长速度小于销售的增长速度，也就是说，存货积压越来越多，这不是一个好现象；反之，则是一个好兆头。方面3、一只股票的股价与每股自由现金流的比值为10的时候，是正常水平。方面4、公司的负债水平越低，其财务水平就越强。在一份正常的资产负债表中，所有者的权益应该占到75%以上，而负债部分不应该超过25%。方面5、如果一个公司的股票定价是较为合理的，那么公司股票的市盈率应该和收益增长率相等；如果该公司的股票的市盈率仅为收益增长率的一半，那么买入这个公司股票能够赚钱的概率会较大，反之，亏钱概率较大。6、格雷厄姆的防御型投资者的股票选择策略本杰明·格雷厄姆是美国著名的经纪学家，同时也是闻名世界的投资大师和投资思想家，被称之为“现代证券分析之父，价值投资理论的奠基人”，曾著有具有里程碑意义的两本经典之书，《证券分析》和《聪明的投资者》。针对防御型投资者，格雷厄姆认为在选择股票的时候，一方面要确保公司过去的业绩以及当期的财务状况都达到了某个最低标准，另一方面公司的利润和资产与股价的比值也是能够达到一个最低的标准，评判标准主要参考7个方面，分别是合适的企业规模、足够欧稳健的财务状况、稳定的利润情况、股息记录、每股收益增长、适度的市盈率、适度的股票价格和资产比例。7、格雷厄姆的积极型投资者的股票选择策略与防御型投资者的选股标准相比，积极型投资者选股标准更为宽松，主要可参考以下6个方面，分别是财务状况（主要针对流动资产）、收益的稳定性、股利记录、收益增长、股票价格、市盈率。也就说，按照这种投资逻辑，在选股的时候，尽量去选择那些财务状况较好、多年来收益稳定、并且能够支付股利、股票价格较低的股票进行投资。综上，相对来说，惠特尼·乔治的小型价值股投资法无论是收益情况，还是风险状况，都要比其他6个策略要好；格雷厄姆的防御型投资者的股票选择策略收益是这几个策略中最低的，而菲利普·费雪的选股十五原则策略的回撤是最高的。以上每种投资策略都有各自的特点，不管参考哪种投资策略，那还是得结合实际投资情况来决定，随着实际行情的变化和一些突变因素，最终肯定还是得需要进行完善和优化的。七、学习量化投资到底有什么用？1、会熟悉中国主要金融市场及交易产品的交易机制，以及国内外期货交易、股市交易的异同点和内在运行机制，这对以后自己去搭建量化分析模型，有极大的知识背景做背书；2、会熟练掌握经典量化交易策略细节及其背后的交易哲学，以及金融、编程和建模知识基础，不仅可以拥有量化交易实盘操作能力，而且还可以具备独立自主地研发新量化交易策略的能力；3、会熟练掌握量化交易模型设计的基本框架，以及风险管理和资产组合理论的实际运用；4、会熟练掌握从策略思想——策略编写——策略实现一套完整量化投资决策过程，具备很强的量化投资实战交易能力。八、量化投资有哪些误区？误区一、量化投资不是基本面分析的对立者量化投资是对市场深入理解而形成的合乎逻辑的投资理念和投资方式，不是技术分析，更也不是基本面分析的对立者。虽然量化投资也靠基金经理或研究员的个人经验，但是因为会借助数学模型，会结合市场的实际数据，来采取针对性的应对措施，会更加的客观。了解过量化投资的投资者都知道，量化投资是属于一种主动型投资策略，主动型投资的理论基础就是市场非有效的或弱有效的，基金经理或研究员，可以通过对个股、行业以及市场的驱动因素来进行分析研究，建立最优的投资组合，试图战胜市场，从而获取超额收益。特别提醒，量化投资中的量化模型一旦建立起来，并不意味着基金经理或研究员所在的整个团队就没有存在的必要了。因为在实际案例中，总会出现一些量化模型无法解决的问题，而且随着市场的变化，总会出现一些新的数据，而这些新的数据并没有接入到量化模型当中，所以，量化模型虽然已经被建立起来，但也还是需要整个团队来监控，并做好实时更新。误区二、量化投资是主动型投资策略，而不是被动的很多人可能都下意识的认为，量化投资因为是依照预先设定好的模型，而被动的去执行整个投资过程，所以应该是属于被动型投资策略。实际上，这种思维逻辑是极其危险的。首先量化投资和指数化投资的理论基础就完全不同，因为指数化投等被动痛殴自的理论基础是认为市场是完全有效的，任何企图战胜市场的行为都是徒劳的，所以最佳的策略是紧跟指数，以确定和市场相近的投资收益。但是，量化投资的理论基础却是相反的，即市场是无效的，或弱有效的，投资人或研究员可以通过对市场、行业基本面以及个别公司的分析，利用量化模型，主动构建一个可以战胜市场的超额收益组合。所以说，量化投资是主动型投资策略。误区三、量化投资并不意味着永远稳赚不赔量化投资是一个不断优化的过程，而模型也只是一种工具、一种方法、一种手段，所以这就意味着量化投资并不是一本100%稳赚的武功秘籍，因为对于变化多端的市场行情，单靠一个量化投资模型，绝不可能解决一切问题，更不可能总是战胜市场。最后，来总结一下。简单点理解就是，量化投资是基于科学的量化模型，试图跑赢市场赚取超额收益的投资策略，是一种主动型投资策略。它的特点包含，纪律性、系统性、及时性、准确性、分散性等等。因为国内A股市场的多样化，且并不是特别有效，所以量化投资非常适合国内的A股市场；也因为量化投资不仅可以增加更多投资产品线，而且其本身也是对投资者的一个强有力的补充和增强，比如还得要得掌握一定的编程语言，在未来，考量一个投资者核心竞争力的，很可能就是量化投资的掌握程度。好了，暂时就分享这么多。我是 @王工说量化，卧底量化投资30年，量化老司机一枚，致力于让更多人了解到量化投资的奥秘~看完，别忘了点赞+关注哈~