star307
量化分析就是将一些不具体，模糊的因素用具体的数据来表示，从而达到分析比较的目的。人类对于股市波动规律的认知，是一个极具挑战性的世界级难题。迄今为止，尚没有任何一种理论和方法能够令人信服并且经得起时间检验——2000年，著名经济学家罗伯特·席勒在《非理性繁荣》一书中指出：“我们应当牢记，股市定价并未形成一门完美的科学”；2013年，瑞典皇家科学院在授予罗伯特·席勒等人该年度诺贝尔经济学奖时指出：几乎没什么方法能准确预测未来几天或几周股市债市的走向，但也许可以通过研究对三年以上的价格进行预测。量化投资技术几乎覆盖了投资的全过程，包括量化选股、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。虽然量化分析可以帮助我们更加方便和直观地衡量风险和收益，但需要强调指出的是，美国华尔街顶级量化金融大师、哥伦比亚大学著名教授伊曼纽尔·德曼，在《数学建模如何诱骗了华尔街》一文中，毫无忌讳地承认：我们根本不可能（通过数理分析方法）发明出一个能够预测股票价格将会如何变化的模型；如果我们相信人类行为可完全遵守数学法则，从而把有着诸多限制的模型与理论相混淆的话，其结果肯定会是一场灾难。1·量化选股量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类2·量化择时股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。3·股指期货套利股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。4·商品期货套利商品期货套利盈利的逻辑原理是基于以下几个方面 ：(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。(2)由于价格的波动性，价格差价经常出现不合理。(3)不合理必然要回到合理。(4)不合理回到合理的这部分价格区间就是盈利区间。5·统计套利有别于无风险套利，统计套利是利用证券价格的历史统计规律进行套利，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。统计套利在方法上可以分为两类，一类是利用股票的收益率序列建模，目标是在组合的β值等于零的前提下实现alpha 收益，我们称之为β中性策略；另一类是利用股票的价格序列的协整关系建模，我们称之为协整策略。6·期权套利期权套利交易是指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。期权套利的交易策略和方式多种多样，是多种相关期权交易的组合，具体包括：水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。7·算法交易算法交易又被称为自动交易、黑盒交易或者机器交易，它指的是通过使用计算机程序来发出交易指令。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同，可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。8·资产配置资产配置是指资产类别选择，投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合，极大地丰富了资产配置的内涵，形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限，将投资方法建立在对各种资产类股票公开数据的统计分析上，通过比较不同资产类的统计特征，建立数学模型，进而确定组合资产的配置目标和分配比例。 
量化分析还作为一种分析方法，通过定性风险分析排出优先顺序的风险进行量化分析。量化分析已经遍布于我们生活中各个方面，多用于金融、经济等领域。通过这种方法，它可以帮助我们更加方便和直观地衡量风险和收益，例如在股市上量化分析，就表现在各种趋势图。
量化交易的功能一般包含三大块：研究、模拟、实盘。转化到技术层面为：数据、回测、实盘、安全等等。基于国内市场，我们遇到的挑战如下：1：数据数据包含两类，一类是行情数据，一类是财务、基本面、舆情、研报等其他数据。行情数据：目前市面上分钟级的数据比较精准，可以用于中低频的交易回测；历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得，较容易找到的渠道很容易出现漏数据、不精确等情况，需要工程师专门结合了多家数据源进行核对修复。2：回测回测最难的在于如何确定成交量，同时要考虑复权、停牌、ST*等问题，这里面有很多细节3：安全安全在交易的开发中是重中之重，如何保证策略的安全性，不被外部、内部人员所窃取，分为2部分。一部分是WEB安全，一部分是策略的编译安全。因为量化交易是用户可编程的，我们量化选用的是PYTHON语言，因为有强大的科学计算库和高性能，导致用户可以调用很多系统级API，在这上面我们下了很大的功夫来保证用户的策略安全，做到理论级的策略隔离。只能大概讲一下，这里面每一个部分都可以延伸出来成为一个话题。
