分类
免费外汇模拟账户

金融工程量化交易

码龄20年 暂无认证

金融工程量化交易

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。

Qsir的专栏

码龄20年 暂无认证

6 原创 3万+ 周排名 188万+ 总排名 95万+ 访问 等级

签到新秀

勤写标兵

技术圈认证

阅读者勋章

jjb_chain_boy: 有人告诉我,java要垄断市场,.net没有市场了,我惊出一身汗,此处我问下,java因为跨平台特性,桌面开发就是异想天开,不同平台控件差异太大,java想统一又要美观,想的美,做不到,效率也低,高性能也做不到。 在web领域因为免费,所以很多框架轮子很烂,也很混乱,免费你就不要把自己的技术吹的那么牛逼,要不然IDE好多个,每一个好用的,框架也并不好用,简直是难用至极。 论性能也并不出色,而且免费开源最大的弊端是,没有可持续的动力,都是做出的半成品。反观来说,我们凭什么要一个免费的东西做的很好呢,吗自己啥都不用管,还不花钱。想啥的。 java流行是因为白嫖,但是人工成本也是成本,所以.net弥补了这个缺点,.net做的是成熟的不行瞎折腾的技术方案,不需要浪费太多的时间,精力用到需要的地方,所以用什么是场景决定的。.net应该有更多的使用市场才对,java的所有的优点也是它的缺点

36岁开始学习金融工程和量化交易,靠谱吗?

1. 什么样的项目更合适一个trader,我在学校时需要训练什么样的能力?
我知道肯定是要选偏数理的项目,但是我的问题是数理工具是偏数理统计方面?还是偏偏微分、随机这方面?(ps. 我知道我做quant肯定是不够格,我也抢不过数学物理计算机的phd,但是我也不想做个散户那样的trader)
2. trader 的一般行业路径是什么样的,尤其是一开始是什么样的?
进入trader行业后(当然我说的是稍大的,至少是**证券啊,**基金啊)我开始一般都是作什么工作?是收集一下交易数据?跟着开晨会?主要工作是什么?做这些工作需要什么样的能力。
3. 对于国内现在的trader 的数量能力要求有多高?
我知道做Equity貌似数量能力要求最低,Fixed income 要高,貌似最高的就是一些非线性的衍生品吧,搞到什么程度?
4. 做trader近什么样的公司更合适职业发展?大投行相应的部门?基金券商?私募hedge fund?
我觉得进得部门是公司的主营业务部门可能更吃香一点吧(瞎猜)。哪进什么样的公司更好呢?我知道一般hedge fund 的寿命都很短回报可能会很高,但是我希望的是再回报和稳定性这两点上找到一个合适自己的平衡点。

BTW, 说了这么多,其实我知道trader 的本质就是对合理的控制风险赢得回报,就像大德州扑克一样,是能力和人性的把我。但是我现在是学生,我想我现在更关心的是怎么获得能力,怎么更能更好的学到为我实现交易策略的数学和计算机工具。所以,千万别告诉我什么那点钱开个户,做两手要是一年下来还有回报你就是trader了这样的话,也别给我说什么什么样的学历都能做,最主要的是你的性格啊什么的。
我想有句话说的很对,就是模型对于trader 来说只是reference,但是我想问的是我怎么能更好地在学校获得这个reference。又怎么样能规划我这条路。

一文读懂P Quant与 Q Quant ,量化交易与金融工程

ctrigger 于 2019-06-03 12:56:21 发布 1738 收藏 10

P-Quant & Q-Quant

(金融量化中的“少林”和“武当”)

而且很多人听过CQF考试(CQF是Paul Wilmott搞的一个培训课程和认证体系。),但是你搜一搜CQF的内容,会发现它主要讲的是金融衍生品和FICC产品(期权 金融工程量化交易 互换 债券 结构化产品等)定价以及量化风险管理的内容,是咱们国内听说的量化明明就是指用计算机生成的模型来进行投资交易啊。

金融市场的买方(buy-side)

和卖方(sell-side)

P-Quant和Q-Quant在买方卖方的应用

所以Q-Quant有时候又被我们称为风险中性测度。在“风险中性”的理论假设下,衍生品被确定的价格是完美市场上、是在normal的状态下、是符合正态分布特点的价格。由于 Q-Quant主要背靠数学模型而不依赖历史数据,这意味着即便在数据相对匮乏的情况下,我们也依然可以依据理论凭空开发出一些新的产品,这对金融市场中的卖方而言,绝对是喜闻乐见的。所以以投行和券商为代表的卖方,大多从事衍生品定价,即通过开发和销售新的金融衍生品来实现获利,他们更倚重 Q-Quant所具备的可实现“从无到有”的制造特性。

如果说 Q-Quant主要是卖方的心头好,那么 P-Quant则是可谓是买方的白月光。P-Quant主要就是根据历史数据去预测未来走势,然后确定交易策略。所以说白了,作为投资者,大家最想学的赚钱策略其实是P-Quant的内容。大家津津乐道的西蒙斯、长期资本管理公司(LTCM)、大本营基金都是P-Quant的高手。

所以P-Quant可以理解成真实概率测度,与“风险中性”不同,在“真实概率”的理论假设下,金融产品的价格预测是根据历史数据而估算出来,而不是仅仅依据数学模型演算出来,也就是说,P-Quant所预测出未来走势主要是以数据统计为基础的,因而是“真实”的,而且数据量越大,预测效果就越可能接近未来的实际效果,也就是所谓的“大数据”(Big Data)。当然历史的车轮越往前发展,累积的数据就越多,为了处理卷帙浩繁的历史数据,我们往往离不开计算机的辅助,所以与 P-Quant相关的产品技术也主要是时间序列、贝叶斯算法、机器学习等与计算机技术密切相关的建模方法。