小编简单来说,股票量化是使用数学模型去执行股票的交易逻辑思路等等方面,像涉及到的量化选股思路,止损策略和止盈等等,需要交易者在进行股票量化因子中挖掘适合策略的股票,通过量化因子不断的进行执行交易策略,直到交易者满意为止。那么,股票量化执行过程中需要注意什么呢?
就比如说,股票量化因子在执行交易中使用的阿尔法系数衡量的是非市场风险溢价,若是正值,说明该资产本身具有跑赢市场的基础。然后,再利用交易的习惯操作法则在股票交易接口输入,连接第三方接口直接能输出交易者查询的行情数据,也就是股票数据,一般使用python来执行挖掘,也算方便快捷,就实现了api接口的数据输出。
再具体来看,股票量化交易也就是经过这些股票交易接口的api调用来挖掘a股所有的数据,例如api接口调用的功能:
名称 |
功能 |
|
基本函数 |
Init |
|
Deinit |
||
Logon |
||
Logoff |
||
QueryData |
||
QueryHistoryData |
||
SendOrder |
||
CancelOrder |
||
GetQuote |
||
Repay |
||
GetExpireDate |
||
单账户批量函数 |
QueryDatas |
|
SendOrders |
||
CancelOrders |
||
GetQuotes |
||
多账户批量函数 |
QueryMultiAccountsDatas |
|
SendMultiAccountsOrders |
||
CancelMultiAccountsOrders |
||
GetMultiAccountsQuotes |
||
二、API 调用结果说明
相关函数 |
调用结果 |
Deinit Logoff |
无 |
Init |
返回值为 授权成功的交易账户数量 返回值 < 1 时, 无需调用 Deinit 接口, 也不能调用其它接口, 否则会出错! |
Logon |
调用成功: 返回值为 客户端 Id 调用失败: 返回值 <= 0 |
参数 ErrorInfo 保存错误信息, 需要分配 256 字节的空间 |
|
GetExpireDate |
返回值为 API 授权到期日期 |
格式为 yyyymmdd 整数, 如 2018 年 5 月 1 日为 20180501 |
|
单项操作 |
调用成功: ErrorInfo 为空字符串 |
QueryData |
调用失败: ErrorInfo 为错误信息 |
QueryHistoryData |
参数 Result 保存操作结果, 需要分配 1024*1024 字节的空间 |
SendOrder |
Result 格式为表格数据, 每一行通过换行符\n 分割,每一列通过制表符\t 分割 |
CancelOrder |
例子: |
GetQuote |
股东代码\t 股东名称\t 帐号类别\t 保留信息\n |
Repay |
12345678\t\t0\t 信息 1\n |
87654321\t\t2\t 信息 2 |
|
注: 不同券商返回的字段会有所不同 |
|
参数 ErrorInfo 保存错误信息, 需要分配 256 字节的空间 |
|
批量操作 |
批量操作的参数通过数组方式传入, 用下标区分每项操作 |
QueryDatas |
第 i 项操作调用成功: ErrorInfo[i]为空字符串 |
SendOrders |
第 i 项操作调用失败: ErrorInfo[i]为错误信息 |
CancelOrders |
参数 Result[]保存批量操作结果, Result[i]保存第 i 项操作结果 |
GetQuotes |
每项操作结果需要分配 1024*1024 字节的空间 |
QueryMultiAccountsDatas |
每项操作结果的格式可参阅[Result 格式] |
SendMultiAccountsOrders |
参数 ErrorInfo[]保存批量错误信息, ErrorInfo[i]保存第 i 项错误信息 |
CancelMultiAccountsOrders |
每项错误信息需要分配 256 字节的空间 |
GetMultiAccountsQuotes |
|
但如果股票量化的阿尔法系数不适用时,也可以考虑贝塔系数,贝塔系数衡量的是市场风险溢价敏感度,如果是呈现正值,说明该资产和市场走势具有同步性;若是负数,说明两者具备反向性;如果是零,则表明该资产和市场走势没有相关性,是完全相互独立的。所以,阿尔法策略其实是希望通过管理人的主观判断,或者模型的识别来筛选出一组能够跑赢指数的股票组合,在指数上涨时,能够涨得更多,在指数下跌时,能够下跌的更少,便能在正规股票量化过程中起到非常关键的作用。