京公网安备 11010802034615号
经营许可证编号:京B2-20210330
普通投资者如何进行量化投资
1.什么是量化投资?
打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;
西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。
定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。
说的再直白点,就是在金钱面前,人类更愿意去相信成熟的套路,趋利避害和利益最大化毕竟人类的天性啊!
2.量化投资,这不是一般人能玩的起的
在懵懂的时候听到“量化投资”这个名词时,脑子中第一个反应竟然是
确实,这个名词的确不是平头老百姓(81.35 -2.18%,诊股)能触及到的领域....
不少量化投资产品的主要客户来源大多都是以银行,保险,私募,对冲基金以及一系列投资机构为主,即便开放给普通投资人最低也都是几百万起步...
那么普通投资者如果要进行个人投资,如何入门呢?
第一部分:知识储备
好,明白了学习的方向,我们就知道自己需要学习以及掌握的内容了。从这个方向内容来看,在学习量化之前,我们需要具备一些基础知识,否则我们都看不懂呢。
1、数学
数学是一切的基础,扎实的数学功底还是很重要的。由于数学相关教材太多了,就不一一列举了,主要还是看个人对数学各学科的理解、联系和运用。对于初学者来说,掌握微积分、线性代数、概率统计这些最基础的就可以了,既可以运用又可以看懂大部分教程。
2、计算机
量化所有的一切都要在计算机上实现,这就需要有一定的编程能力,至少要掌握R,Matlab,Python等脚本语言。当然,如果要做高频,那么还需具备高级的C++编程能力以及性能调优能力。
除了基本的编程能力外,机器学习、数据挖掘、人工智能等好用的量化工具也需要有一定的了解。这里为大家推荐一本网友推荐频率极高的书。
《集体智慧编程》作者:Toby Segaran。
这本书选择的是Python语言,以机器学习与计算统计为背景,专门讲述如何挖掘和分析Web上的数据和资源。可以说是数据挖掘的入门书籍,它将机器学习算法这一复杂议题拆分成实用易懂的例子,能够让初学者少走弯路。
3、金融投资
既然量化投资归根结底是一种投资,那么我们就需要对投资品、操作以及投资原理等有个基本的了解。股票、期货、外汇、衍生品、ETF等等,每种投资品、投资方式都有很多书介绍,作为初学者个人觉得只要找看的明白的就行了,有个简单的了解,等以后需要深入研究的时候再仔细选书。
这里为大家简单整理几本网友普遍推荐的经典入门级教科书。
《投资学》作者:凯恩/马库斯/博迪
这本书对于投资交易入门而言,体系完整,覆盖面比较广泛,可以让大家对市场有个基本认识,属于经典的金融投资入门课本。
《计量经济学导论》作者:杰弗里·M·伍德里奇
量化策略需要有一定的计量基础,毕竟大部分策略始终和时间序列以及面板数据打交道。这本书虽然不属于初级难度,但相对结构安排更合理。
第二部分:量化交易
在具备了数学、计算机、金融投资等等基础知识之后,我们就可以开始学习如何将量化这种手段运用到投资中。
1、量化入门
在入门阶段,大家可以找一些简单的介绍性的书籍,对量化投资有个全面的框架性的了解。这里可选择一些传记,比如说像这几本既趣味易懂,又可以了解有一些知识性的介绍。
《打开量化投资的黑箱》作者:[美]里什·纳兰
可以看做是入门的介绍书,比较全面的讲解量化交易的基本框架。
《解读量化投资:西蒙斯用公式打败市场的故事》作者:忻海
算是科普吧,虽然核心内容较少,但阐述了量化投资的一些基本方法和特点,属于量化投资的初级读物。
《宽客人生》作者:Emanuel Derman
一个由物理学家转行到金融领域的宽客自传。
2、经典策略
在了解量化投资的基本框架后,我们可以进一步学习那些经典的策略、模型,以及各种投资理论的运用。这里也简单列几本网友推荐的书,抛个砖。
《海龟交易法则》作者:柯蒂斯·费思
一本论述如何创建机械交易系统的书。有实例说明,对大体上把握策略研发的工作很有帮助。
《交易策略评估与最佳化》作者:Robert Pardo
这本书主要是交易策略的评估与最佳化的思路,对形成量化投资策略的研究思维有一定帮助。
《量化交易——如何建立自己的算法交易事业》作者:欧内斯特·陈
本书对个人投资者建立量化投资系统的过程做了很好的阐述。
《量化投资策略:如何实现超额收益Alpha》作者:理查德·托托里罗
本书涉及的模型类型覆盖面广,可以说作者是在对所有能够获得超额收益的策略进行了地毯式的搜索,并且提供了超过20种常胜投资idea的详细回测情况,充分展示了经验丰富的宽客是如何通过自己的想法来改进模型的。
3、实操进阶
准备了这么多,也看了这么多的书,最重要的还是进行实践,否则一切都是空谈。大家可以试着找个想法或已有的策略进行回测,然后根据结果调整,通过这个过程让自己熟悉策略开发。当然这个阶段,除了实践还需要补充更多新的知识和技术。大家可以根据自己的需求找相关方面的书学习,保持不断学习实践,才能有所进步。
说到这里,关于量化投资入门需要学习内容基本上也差不多了,下次为大家整理下量化投资入门涉及工具、平台。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25