量化投资理论是借助现代统计学和数学的方法，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可持续的、稳定且高于平均的超额回报。
量化从一开始也不是作为定性的对立面而提出的方法，它是将定性分析中的技术分析策略用模型固化，替代过程中可以用电脑进行的部分并将其效用极大优化。量化交易策略几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易，资产配置，风险控制等。
程序化交易将具体的交易时机，仓位，止损止盈，获利标准编写进交易程序中，也可能独立于程序外。程序化只是交易执行的一种方式。
㈡ 量化交易有什么类型
闪牛分析：
概念
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
特点
定量投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”，更加强调数据。量化交易具有以下几个方面的特点：
1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。
2、系统性。具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。
3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。
4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。
应用编辑
量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此，以统计套利和算法交易为例进行阐述。
1、统计套利
统计套利是利用资产价格的历史统计规律进行的套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。
统计套利的主要思路是先找出相关性最好的若干对投资品种，再找出每一对投资品种的长期均衡关系（协整关系），当某一对品种的价差（协整方程的残差）偏离到一定程度时开始建仓，买进被相对低估的品种、卖空被相对高估的品种，等价差回归均衡后获利了结。股指期货对冲是统计套利较长采用的一种操作策略，即利用不同国家、地区或行业的指数相关性，同时买入、卖出一对指数期货进行交易。在经济全球化条件下，各个国家、地区和行业股票指数的关联性越来越强，从而容易导致股指系统性风险的产生，因此，对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。
2、算法交易。
算法交易又称自动交易、黑盒交易或机器交易，是指通过设计算法，利用计算机程序发出交易指令的方法。在交易中，程序可以决定的范围包括交易时间的选择、交易的价格，甚至包括最后需要成交的资产数量。
算法交易的主要类型有: (1) 被动型算法交易，也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外，不会根据市场的状况主动选择交易时机和交易的数量，而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价（目标价与实际成交均价的差）。被动型算法交易最成熟，使用也最为广泛，如在国际市场上使用最多的成交加权平均价格（VWAP）、时间加权平均价格（TWAP）等都属于被动型算法交易。 (2) 主动型算法交易，也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策，判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外，把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易，该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开，分布到若干个时间段内，每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。
算法交易的交易策略有三：一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产，如根据外汇市场利率平价理论，国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联，如果市场价格与该理论隐含的价格偏差较大，且超过其交易成本，则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单，以便从买卖差价中获利。此外，还有更复杂的策略，如“基准点“算法被交易员用来模拟指数收益，而”嗅探器“算法被用来发现最动荡或最不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。
潜在风险
量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：
1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是目前量化交易难以克服的。
2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。
3、网络中断，硬件故障也可能对量化交易产生影响。
4、同质模型产生竞争交易现象导致的风险。
5、单一投资品种导致的不可预测风险。
为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。
㈢ 程序化交易的缺点是什么
【上海中期程序化交易黄埔军校为您解答】：其实程序化交易的优点，同时也是它的缺点，它扼制了交易的主观判断可能在交易中发挥的作用，无人值守的全自动程序化交易可能受到诸如断电、断网、死机等因素的困扰。
㈣ 做股指期货都可程序化交易了么,我看了几天好准的不知道该不该相信
期货一直都可以用
程序化交易
都好些年了
不过真正的模型没几个有用的
如果是有用的话，就不可能拿出来随便卖
依据以前的数据做的，那没什么参考意义
㈤ 程序化交易的构成是根据均线和指标来的还是别的什么来的
程序化交易策略的应用领域十分广泛，几乎所有的交易策略中都可以找到其应用。目前国内比较常见的交易策略，大体可以分为五个方向：日内高频交易、趋势交易、套利交易、组合策略和其他策略。
1、日内高频交易
日内高频交易，顾名思义，就是在日内频繁地做T+0的交易，只要每次操作的盈利高出手续费，就执行平仓。每一笔盈亏都不多，但是每天的交易次数可能会非常频繁，达到成百上千次，累积的收益情况就会非常可观。同时，由于每一笔的亏损都有限，因此风险非常低。以大豆期货举例来说，单边手续费按6元计算，日内平仓不收费，价格每波动1点是10元，那么只要价格上涨1点就可以赢利平仓，相应的下跌1点也需要立刻止损。
日内高频交易的优点是风险小、盈利稳定，缺点是由于交易频繁而产生过高的手续费。
2、趋势交易
趋势交易根据交易的周期，可以分为日内的短趋势交易和隔夜的中长期趋势。我们主要介绍隔夜的趋势交易。趋势交易的一般使用技术分析作为判断的依据，常见的有均线系统，各种技术指标等。
在使用技术分析进行判断的时候，往往会出现某个指标对特定的品种效果非常好，但对其他品种效果一般，甚至由于不适合导致亏损。因此对于不同的品种，或者同一品种的不同时期，可能需要使用不同的模型，或者调整模型的参数才能获得比较理想的回报。
3、套利交易
套利交易是一种低风险、收益稳定的操作方式，是应用范围最广泛的程序化交易策略之一，国外大量的对冲基金都是用套利交易作为主要的交易方式。套利交易的种类多种多样，常见的有期现套利、跨期套利、跨品种套利和alpha套利等。
根据交易的类型，套利的风险也是不同的。以期现套利来说，属于指数套利，当期货和现货指数之间的价差过大时建立头寸，从而赚取无风险的收益。其他的套 利方式属于非指数套利，两个或者多个品种的价差走势存在一定的不确定性，因此存在一定的风险。根据NYSE的统计，所有的程序化交易中，只有3.5%的交 易是指数套利，而剩下的96.5%都是非指数套利。
4、组合策略
程序化交易的组合策略，就是对投资组合进行操作。当资金量巨大的时候，需要通过分散投资来降低非系统风险，也就是对投资组合进行管理。比如购买一篮子股票组合，或者在投资组合中使用多种交易策略。
程序化交易可以帮助投资者对投资组合中每一个交易品种或者策略都进行精细的管理和分析，从而降低交易风险，提高管理效率。
5、其他策略
除了上面介绍的四种策略之外，还有套期保值策略，使用权证对冲股票风险的对冲策略等。而股指期货的小合约以及期权上市之后，交易策略将会更加丰富。这里暂不逐一介绍。
㈥ 什么是股指期货单边交易策略
单边交易策略主要有日内及日间两种模式：日内模式不需持仓过夜，日间模式的风险相对较大，需要足够严谨与稳健的保证金管理，严格止损。在日内策略执行过程中，如果交易次数频繁，累计持仓头寸规模较大，那么也需要相应严谨的财产管理及止损方案。参与者介入单边交易，需要的是获利概率较高的方案，严格的历史回测及压力检测在单边方案中尤为重要。
㈦ 股指期货程序化交易模型，哪有
我有，而且和投资公司对比过，比他们效果好，还稳定
㈧ 程序化交易的缺点和优点
程序化交易在国内投资市场兴起不久，各种程序化交易模型应运而生，然而我们应该看到事物发展的另外一面，不少程序化交易者然而以失败告终！总结类纳失败的原因有以下几条，对于程序化交易者来说极为重要！
首先一些投资者在期货市场或是股票市场中由于交易不严谨导致帐户亏损后寻求新的交易模式，当然从程序化交易的本质来看交易者都能发现自身交易的弱点，然而对程序化交易肤浅的认识就认为程序化交易就是神话般的交易方式或是亏损拯救的救命稻草，都是不正确的。无论用什么样的交易方式都是市场中多空双方智力拼杀的买卖结果，而程序化交易则是投资者交易策略的量化表现形式，如同自已交易一样只不过交易结果更为客观，止盈止损及开仓位置更为严格准确了。因此要正确看带程序化交易的本质，它并不是只赚不亏的神话，在成功的交易策略下它是一个亏少赚多的交易工具。
再者，我们在对大量的程序化交易者调查中发现其程序化交易失败的原因还有一些更大的误区，一些对于程序化交易刚认识不久的朋友总喜欢自已动手制做交易模型，当然这是一种自我学识提高的体现，但交易策略的设计及对交易模型的测试则不是每位自已动手制做模型的投资者所能把握好的。这需要更多的专业知识及大量的程序化交易经验。如：一些初入模型制做的朋友总喜欢将一些技术指标改编为交易模型，结果测试亏损，然而他们所采取的改写方法仅是对这些指标参数的优化！这是一个非常重要的误区！参数过余的优化虽在历史数据测试中能得到盈利的效果，但在以后的交易中会表现极差甚至会出现严重的亏损。因为优化出来的结果表明非常适合你所测试的这段行情，然而行情变化多端，在其它的行情组合中就失败无疑了。
其次，由于没有大量的历史数据供程序化交易者来检验模型在不同时期及行情组合中的表现，一些程序化交易者当然不限于他们绝大数多的交易者都是有着交易不严谨或是乘胜追击的心理，我们提出的观点是任何单一的交易模型不可能适应行情中的所有趋势，震荡模型边单行情中亏钱，趋势模型则震荡行情中亏钱，但基于对模型的认识及测试报告的研究，模型交易帐单的分析等不难发现连亏数次后便是盈利，连盈数次后便是亏损，这也说明模型对行情的局限性及行情的运动规律，因此程序化交易者应采取的操作方法是首先确定模型的盈利能力及可靠性，亏损数次后并不是丧失信心，而是提高交易头寸来获取利润，连续盈利数次后则是要感到风险的来临减小交易的头寸，控制风险防止资金回撤。因此对于交易模型只要盈利与亏损的幅度在预计的范围之内我们没有必要来干预程序的交易结果，更没有必要丧失信心。
最后要说明的是程序化交易的设计方面要有专业的设计知识，并对该模型进行长期的测试并完全撑握该模型的交易原理及资金运动曲线， 西部汇市为解决单一模型对趋势的盈利能力特研发了双模交易系统，利用同一品种的不同周期及不同交易策略对股指的10个交割月份分别进行了测试（股指保留有前9个交割月份的1分钟的历史数据）,其交易结果两个模型分别测试发现了a模型10个月中亏损1个月，b模型10个月中亏损2个月，但是双模型交易系统将a模型与b模型一起使用其交易结果令人满意，资金波动曲线正能体现出互补的优势，并实现了10个月份没有亏损的效果，也正符合我们设计的要求， 最后提醒大家程序化交易一定要有专业的策略设计及大量的测试结果.以上内容转自:西部汇市官方网站
㈨ 股指期货量化分析是什么
股指期货量化分析就是通过一定的“模型”对股指期货的历史数据进行回溯测试分析，从而应用到未来的走势进行预测，目标就是在盈利概率高的情况下进行交易以期获得在风险可控情况下持久稳定的盈利。
量化分析就是数据分析，参考 http://..com/question/2122011.html
对整个市场的预测是不容易的，相当于对（市场上交易的所有的）人的行为进行预测，或者说预测未来。目前主流的股指期货（包括其他商品期货）主要通过参数过滤来生成交易信号，如最简单的，MACD金叉做多开仓，死叉做空平仓。策略大致分两种，1）趋势跟踪，即突破追涨杀跌；2）均值回归，即高抛低吸。频率从分笔数据到日线，从每几天交易一次到每天交易几十次都有。
实现手段基本都采用程序化交易，排除人为干扰。或自己写程序，或采用第三方软件（广告就不做了）。
㈩ 什么是股指期货中期趋势交易策略
一位寻求进入交易的交易员注意到收盘价格明显低于过去两天。他决定以期望价格下跌来“做空”股票。卖空股票意味着如果股票价值下跌，他就能赚钱。到至关重要作用的力量肌肉群被称作核心