Qsir的专栏

金融投资是一门艺术，事关对经济的分析、政策的判断、人性的理解；这又是一项严谨的科学，事关随机微积分、概率统计、优化理论。本文从量化金融的起源开始，还原整个体系的建立、发展与完善的历史过程，带你走进数量化金融的世界。敬请阅读。布朗运动1827年苏格拉生物学家Robert Brown用他自己的名字命名了微小粒子在液体中自由运动的现象：布朗运动。这种“随机游走”的理念后来贯穿于许多科学领域，尤其是普遍运用于各种不可预测的连续时间过程的机制，基于布朗运动的对数正态随机游走理论也是金融市场的经典框架..

题记：量化投资在国内发展与实践差不多有快十年的时间，即使只对这个行业做一个简单的回顾，也不是一件轻松的事情。不同的人有不同的看法与认知，本文权当抛砖引玉，从影响因素（市场环境、监管政策、技术因素、外来者）、策略演进（股票策略、期货策略、期权策略、其他策略）、投顾更迭（发展过程、经营模式、公司基因、地域分布、行业集中度）、业态环境（市场参与者、资金端VS资产端、行业宣传）及未来展望（他山之石、自营VS资管、竞争格局、风险管理）等五个方面简单阐述中国私募量化嬗变历程，不足或者错误之处还请各位看官一笑而过，更欢迎

2019年2月1日在春节前最后一个交易日，证监会发布了《证券公司交易信息系统外部接入管理暂行规定（征求意见稿）》（见证券时报解读），符合条件的券商可以重新启动程序化外部接入业务，对于券商以及量化私募基金来说，属于行业利好。由于2015年的股灾导致证券公司交易信息系统外部接入暂停，对股票量化交易以及整个量化行业都造成了很大的影响，希望这次重启可以给行业带来曙光。随着量化投资的普及，很多人对量化交易系统以及接入等相关问题有感兴趣，也有很多疑虑，这里重贴笔者之前关于股票跟期货程序化等相关材料的一些梳...

在证券交易系统设计与开发一文中，我们简单讨论了交易系统的核心架构设计，并给出了一个基本的代码框架。有小伙伴说代码给得太简单，自己实现起来毫无头绪，能不能详细地说说架构设计。本文的目的就是详细讲讲交易系统的核心架构设计。从交易订单的角度看，一个订单的处理主要经过定序、撮合和清算三大步骤： │ ▼┌─────────┐│Sequence │└─────────┘ │ ▼┌─────────┐│ Match │└─────────┘

金融市场量化交易的好处就像制造业中机器人替代手工操作，但在进行量化交易前需要做好量化分析。下面将利用github上面的一个stocker模块进行基本的股票价格量化分析，本文只涉及到股票价格的预测分析介绍，没有交易策略和成型的模型。本文要点：I 介绍stocker模块运行环境的配置； II 调用模块中的方法来分析和预测股票价格配置stocker模块运行环境我是在pycha

互联网金融我们需要三方面的知识：机器学习、金融知识、编程知识。算法交易综述：利用自动化平台，执行预先设置的一系列规则完成交易行为。量化交易：交易的原因由数学模型指导交易行为。算法交易流程：提出假设；建立模型；回测验证；执行交易。交易策略的来源：1、市场微观结构研究；2、基金结构套利；3、机器学习、人工智能。机器学习四大流派：连接主义：神经网络符号...

一、CAPM modelprotfolio:资产的组合，如果不考虑融券，各种资产占总资产的比重；maket profolio:市场股指选定10个板块，每个板块挑出来比较重要的股票，每个股票的市值乘以权重，加权求和，代表了市场的指标，类似于GDP代表国家经济状态的指标。股指的波动不代表某个股票的波动。ts时刻，某只股票的回报等于这个市场的回报剩以系数加上股票残差。平均下来，理论上...

一、数据的获得与存储http://tushare.org/index.htmlhttp://finance.yahoo.comhttps://www.google.com/financehttps://www.quantquote.com二、搭自己的数据库创建库、创建表三、Python同数据库连接数据导入、可视化 四、时间序列分析实战建立本地金融数据库的...

传统的交易系统策略——是人工定义的。现在的机器学习——规则不是程序员制定的，而是自己学出来的，规则是计算机从数据中挖掘出来的。识别手写模型用的SVM，有很强的鲁棒性；监督模型：分类、回归。非监督模型：没有Y的信息，从X里面能不能自己发现规律；聚类、降维。X是300*1的点，每个时间点有300个指标，用聚类的方法，这些时间序列归一类，另一些时间序列归另一类；300维能不能降到20维，...