基于量化交易回测的金融股票案例基础知识[通俗易懂]

大家好，又见面了，我是你们的朋友全栈君。

1量化交易定义
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出能带来超额收益的多种“大概率”事件以制定策略。它极大的降低了市场波动给投资者情绪带来的影响，避免在市场极度狂热或者悲观的情况下做出非理性的投资决策。

2量化交易分类
趋势性交易：适合一些主观交易的高手，用技术性指标作为辅助工具在市场中如鱼得水的，但如果只用各种技术指标或指标组合作为核心算法构建模型，从未见过能长期盈利的。一般也会做一些量化分析操作，使用编程如 python/matlab 。金融专业，对金融市场环境非深入了解（交易员、基金经理）
市场中性：在任何市场环境下风险更低，收益稳定性更高，资金容量更大。适合一些量化交易者，发现市场中的 alpha 因子赚取额外收益，例如股票与股指期货的对冲策略等。会做一些量化分析操作，使用编程如 python/matlab。基本了解金融基础、投资知识，对数据挖掘、机器学习方法擅长，挖掘股票等的价值（quanter）
高频交易：在极短的时间内频繁买进卖出，完成多次大量的交易，此类交易方式对硬件系统以及市场环境的要求极高，所以只有在成熟市场中的专业机构才会得到应用适合一些算法高手，使用 C/C++编程语言，去进行算法交易，对软硬件条件要求比较高。

3量化交易运用的技术
量化交易的语言主要以 R 语言和 Python 语言为主。但是随着 Numpy、Pandas、Matplotlib、 Scikit-Learn 等 Python 开源工具的发展，使得 Python 语言在量化之路上不断的大放异彩，再加上 Python 强大的调试能力和工程能力，让分析结果和需要执行的任务无缝结合，维护变得非常方便，所以 Python 在量化方面的应用越来越收到公司的青睐。

4量化交易项目研究内容
量化投资涵盖了整个交易过程，需要一个完整的作为研究的量化回测框架和实盘交易系统作为支撑。量化回测框架提供完整的数据，以及回测机制进行策略评估研究，并能够进行模拟交易，为实盘交易提供选择。所以我们的量化交易研究一般在比较成熟的量化平台上进行。

5量化交易流程
1 获取数据： 公司财务、新闻数据  基本行情数据
2 数据分析挖掘：  传统分析方法、机器学习，数据挖掘方法  数据处理，标准化，去极值，中性化分组回测，行业分布
3 构建策略:  获取历史行情，历史持仓信息，调仓记录等  止盈止损单，限价单，市价单
4 策略回测:  股票涨跌停、停复牌处理  市场冲击，交易滑点，手续费
5 策略分析:  收益指标, 风险指标  订单分析，成交分析，持仓分析
6 模拟交易:  接入实时行情，实时获取成交回报  实时监控，实时归因分析
7 实盘交易:  接入真实券商账户

6回测
通过以前的行情数据进行测试，调整系统，借此提高交易系统的可靠性。回测环境是一个所有风险已知的环境。回测应该运行时间长达 2-3 年，最好是一轮牛熊，详细的有效的交易次数应当不低于 100 次，避免偶然性。

7金融市场定义
金融市场是指经营货币资金借款、外汇买卖、有价证券交易、债券和股票的发行、黄金等贵金属买卖场所的总称，直接金融市场与间接金融市场的结合共同构成金融市场整体。常见机构：银行、投资银行（证券公司）、保险公司、基金等
有价证券：是虚拟资本的一种形式，它本身没价值，但有价格。

8金融市场分类
在这里插入图片描述

关于投资的几个类别，一般我们将天使投资、风险投资 VC、私募股权投资 PE 三个部分统称为私募(Private Equity)，指的是没有在证券交易所公开上市交易的资产。
 公司规模
天使投资主要投资早期创业公司； VC 投资中期高速发展型创业公司； PE 介入即将上市或被兼并收购的成熟企业。
 资金规模天使投资：500 万以下 VC 投资：千万 PE：千万级别以上按照参与主体划分为：
 证券交易所：买卖股票、公司债等有价证券的市场在我国有四个证券交易所：上海证券交易所（1990 年成立）、深圳证券交易所（1990 年成立）、香港证券交易所（1981 年成立）及台湾证券交易所（1961 年成立）。

9股票定义
股票（stock）是股份公司发行的所有权凭证，是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。股票是股份公司资本的构成部分，可以转让、买卖，是资本市场的主要长期信用工具，但不能要求公司返还其出资。

10股票代码

11股票交易时间

未完待续。。。