Python量化交易详细简介

一、量化交易概述(algo-trading)

        算法交易是使用自动化系统来执行交易,这些交易是通过特定的算法以预测的方式执行的没有任何人为干预。依据数学模型对大数据进行概率分析,使得长期收益期望最大化。

量化交易优点:

1.历史评估

        创建自动化战略最重要的优势在于其性能可以通过历史市场数据来确定来代表未来市场的数据。这个过程被称为回潮测试backtesting。回测可以确定战略的(先前)统计特性,提供一个战略是否有可能在未来有利可图的见解。

2.效率

        算法交易比任意方法更有效率。充分自动化系统不需要个人或团队持续监控价格市场。这为交易的开发者腾出了时间战略进行更多的研究。此外,自动化交易可以实现风险管理和头寸调整流程的自动化稳定的系统性策略,动态地实时响应市场动态

3.没有任意的输入

        自动交易系统的主要优点之一是(理论上)不存在随后的的情输入。执行时,恐惧和贪梦可能是压倒性的自由交易。在系统交易的情况下,很少有酯情修改策略的时候。但是有时候由于外部因素,判断需要修改该策略的参数或退出执行该模型。

4.更高的频率

        这是上面讨论的效率优势的必然结果。在更高的运作策略自动化环境下,许多市场上的频率成为可能。的确,一些最有利可图的交易策略是在限价订单薄limit or market order trading book 上的超高频域运作数据。这些策略对于人类来说是不可能实现的。

量化交易缺点:

资本要求:

        算法交易通常需要比用于零售的资本基础更大的资本自由交易的交易。此外,获取数据馈送的盘中量化策略,特别是如果使用期货合约对零售商而言并不便宜。根据延迟需求,可能需要在交换机中共同定位服务器,这增加了每月的成本。还需要更强大的互联网连接和功能强大(因而价格昂贵)的桌面机器。最重要的是,由于算法交易寻求的是收益率的长期期望,因此需要较大的资本量来支持短期的损失。

Python量化交易详细简介_第1张图片

二、交易系统

1.回测-backtest

 pybacktest's 的功能。为此,我们回测精典交易策略移动平均线MA交叉。

  • MA快线上穿慢线时,买进做多
  • MA快线下穿慢线时,卖出做空
  • 进场规则,也是退场规则,交易策略相反相成

2.交易所

        有两个可以执行的订单类型:市场订单和限价订单。市场订单立即执行交易,而不管可用的价格。因此很大作为市价订单执行的交易通常会得到每个后续限价订单的价格混合在对面被填满。市场订单将被视为积极的订单几乎肯定会被填补,尽管潜在的未知成本。限价订单为策略提供了一种机制,以确定最差的价格交易将被执行,同时警告交易可能不会被部分或完全填补。限制订单被视为被动订单,因为它们通常是空缺的,但是当它们是价格时保证。

3.交易费

        交易策略产生的交易成本最直接的形式是佣金。所有策略都需要某种形式的访问交换,直接或者是通过经纪中介(“经纪人”)。这些服务带来了额外的成本每笔交易称为佣金。经纪商通常会提供很多服务,尽管定量算法只能真正实现交换基础设施的使用。因此,经纪佣金往往很小,每笔交易基础。经纪商也收取费用,这是清理和结算交易的费用。进一步这是区域或国家政府征收的税。例如,在英国有对股票交易支付印花税。

Python量化交易详细简介_第2张图片

到此这篇关于Python量化交易详细简介的文章就介绍到这了,更多相关Python量化交易内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

你可能感兴趣的:(Python量化交易详细简介)