---------------------------------------
本文仅作为知识科普，无任何投资倾向，投资有风险，投资需谨慎。
---------------------------------------
金融知识小科普历史文章，
最近"量化交易"成为了热门话题，具体缘由我就不多说了，之前觉得"量化交易"非常地神秘，"量化交易"是什么？它和"程序化交易"有什么区别？找些资料了解下。
程序化交易，它是指通过计算机程序自动生成或者下达交易指令参与本所股票交易的行为，包括按照设定的策略自动选择特定的股票和时机进行交易的量化交易或者按照设定的算法自动执行交易指令的算法交易以及其他符合程序化交易特征的行为。
量化交易不一定需要程序化交易。例如低频基本面量化多头通过模型选股+择时，但是通过人工手动下单。
使用程序化交易的不一定在做量化交易。例如主观多头通过人工选股，但在下单时用机器自动拆单进行下单。
因此，可以将量化交易理解为是用数学模型和计算机语言代替人工做投资决策的投资方式。
量化交易通常使用编程语言编写，像Python、R等（如下是个例子），并使用专业的量化交易平台进行回测和实盘交易。回测是通过历史数据模拟交易，检验交易策略的盈利能力和稳定性，实盘交易则是将交易策略运用到真实市场中进行交易。
def initialize(context): #初始化
g.securitye"00xxxx" #股票名称
def handle_data(context, data): #每日循环
last_price = data[g.security].close” #取得最近日收盘价
average_price = datal[g.security].mavg(20. "close")
cash = context.portfolio.cashs #取得当日的现金
#如果昨日收盘价高出二十日平均值，则买入，否则卖出
if last_price > averege_price:
order_value(g.secur1ty, cash) #用当前所有资金买入股票
elif last_price < average_price:
order_target(g.security, 0) #将股票仓位调整到0，即全卖出量化交易的主要策略，
VAlpha策略，这是一种市场中性的策略，通过统计分析或机器学习等方法，选择具有超额收益的个股或组合同时通过股指期货、股指期权或指数ETF等工具来对冲掉系统性风险，只赚取选股能力带来的超额收益。
Smart Beta策略，这是一种在传统指数基础上做出调整的策略，通过增加或减少某些因子(如行业、风格、规模等)的暴露度，来获取超过指数的收益。
套利策略，这是一种利用市场中存在的定价错误或效率低下来获取收益的策略，分为无风险套利和有风险套利两种。
CTA策略，这是一种利用期货市场T+0和双向交易机制来进行日内交易的策略，通常通过对历史数据进行统计或训练机器学习模型来决定买卖点，在日内频繁买卖多种期货合约来赚取收益。
量化交易和普通交易的区别？量化有哪些优势?
（1）从情绪上来讲，量化投资依靠计算机程序，避免了人为主观因素的影响。这种无情的执行方式，可以帮助投资者消除决策的偏见和情绪，从而更加客观和理性地进行交易。普通交易更容易受到投资者的情绪和心态影响，导致决策偏差。
（2）从操作上来看，量化投资可以捕捉到微小的价格变动，快速做出交易决策。普通交易则需要投资者手动分析市场、价格走势，需要更多的时间和经验。
（3）从风险控制上看，量化交易可以分析市场上海量的量价数据、资讯信息等等，及时发现个股交易风险。所以，量化产品一般具有较低的波动率，更加稳定。普通交易则存在较高的交易风险和不确定性，很难保证收益的稳定性。
因此，量化交易和普通交易相比，算得上是降维打击了。
如果您认为这篇文章有些帮助，还请不吝点下文章末尾的"点赞"和"在看"，或者直接转发pyq，
近期更新的文章：
近期的热文：
《推荐一篇Oracle RAC Cache Fusion的经典论文》
文章分类和索引：