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
在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26