清华大神是如何通过 Python 在期货市场挣钱的？

正处于后金融危机时代的经济环境下，对冲基金的各家策略流派和我们谈及的“历史规律”表现是统一的，呈现出“分久必合”的一幕。

如果把时间回溯到十年前，你会发现每家对冲基金都有鲜明的印记，比如擅长基本面、宏观分析，亦或是数理量化。在数学家和物理学家的帮助下，改变了传统的分析方式，这些基础学科的研究助推着量化分析的发展。

但是随着环境的变化，很多人认识到 纯量化策略 或者说 “板凳深度” 不足了。

纽约大学数学系教授 Marco Avellaneda 在2013年参加全球金融衍生品大会的访谈中提到数理金融的抽象理论逐渐弱化，金融本身的逻辑愈加重要。况且在金融危机之后，金融监管越来越多，纯量化策略仅仅在理论方面深入是不够的，更需要结合现实业务和宏观环境。

正是因为这些考虑，对冲基金们把量化和基本面分析有效结合起来，创造出一个跨界的新流派：Quantamental，量化基本面分析法。

量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。

通过这些平台，你可以很方便地实现自己的交易策略，进行验证，甚至对接交易系统（由于政策原因，现在很多交易接口暂停开放）。

Quantamental，这种流派包含了基本面投资人自下而上的选股技巧，同时借助计算机技术和大数据系统完善模型。

比如说股票的盈利能力、长期以来的表现力以及未来的预测，查看以往财务报表和店铺实地考察能够帮助预测公司未来的现金流和偿债能力，如何搭建一个自我决策的交易模型；一个基金组合经理也可以通过Python等算法分析信用卡的账户数据，以验证对市场的判断。

他认为量化基本面分析法，是把原来基本面的东西，比如人的思考方式和投资逻辑，量化后编程为一个模型，所以未来的趋势是把量化和基本面集合起来。

然而，量化分析策略在具体实践中有一定的局限性。局限性在于，数据量的统一性和完整性，都会影响分析过程和结论。

量化分析策略对对冲基金分析师的影响是巨大的。Gene Ekster是一位为对冲基金提供大数据咨询的专家，他认为，那些叱咤风云的数学家和物理学家在华尔街不一定会像过去那样风光了。

在未来，很可能一群把Python语言玩弄在鼓掌之间的人，将成为金融界的新星。

— 1 —

新崛起的对冲基金流派。

不仅仅影响着金融圈的所有人，并且影响着 K12 阶段的学生们。

Python 这几年的火热，离不开 AI 和 ML 。如果说 2017 年有一门最火“外语”，那一定是 Python。现在，Python 的这把火已经烧到了程序员的圈子外。

2017 年初消息，浙江省信息技术新教材，即将在 2017 级（2017 年 9 月入学）高中新生中开始使用；
2017年12月，Python 课程进入山东省小学教材。

据了解，与目前的选考（可以理解为高考科目）要求的信息技术教材由 3 本《信息技术基础》、《多媒体技术应用》、《算法与程序设计》3 本组成，涉及软件（应用软件与编程软件）包括但不限于：信息技术基础：Excel、Access。

多媒体技术应用：Photoshop、Flash。算法与程序设计：Visual Basic 6.0，算法部分只涉及冒泡、插入排序，与二分查找不同，取消《多媒体技术应用》模块。

也就是说，不再考察 Photoshop 和 Flash 了，取消对 Excel、Access 软件使用的考察，编程语言将换用 Python。

图：山东省小学生利用Python自制贪吃蛇游戏

浙江省信息技术课程改革方案已经出台，Python 确定进入浙江省信息技术高考，从 2018 年起浙江省信息技术教材编程语言将会从 VB 更换为 Python。也就是说，Python 语言将纳入高考内容之一！

图：6-17孩子学编程课程内容

编程语言在升学中的比重逐渐加大，将要成为高考提分的一大利器。

— 2 —

白宫报告：未来20年，每3个月消失6%的工作

在美国白宫发布的一份关于人工智能的报告——《人工智能、自动化与经济》研究认为：47%的美国职位在这一时期有被人工智能技术和计算机化取代的风险。

图源/obamawhitehouse

如果预测成真，将会有数以百万计在美生活人士的生计将受到影响，短期和中期的经济发展将会受到冲击。

除此之外，薪资也将遭受严重影响，OECD 研究的作者估计，44%的低于高中学历的美国工作者的工作很可能会被自动化，而只有1%本科或更高学历的人拥有这样的工作。

左图：时薪中位数，右图：薪资与教育水平

除了美国外，越来越多的国家也开始把人工智能放上政策制定的议程中，包括中国。

Python，求职Data的“大杀器”

和主页君一起，打开Glassdoor，输入关键词“Data”，选择中高薪区间，仔细看：

图源/《搏击俱乐部》

国内：新兴职位薪资高涨幅大

再看看国内：

图：新兴职位薪资高涨幅大

图：2018年人才净流入率最高的十大岗位

通过Boos直聘研究院的数据，我们发现：

1、新兴职位薪资高、涨幅大除了架构师之外，大多数都是以 Machine learning and deep learning 为主，然而它们主要是以 Python 语言为主。

2、2018年人才流入率最高的十大岗位，深度学习最高。这一领域是 AI 领域最稀缺、艰难的领域。

综上所述，Python正在引领全社会进行科技创新！

— 3 —

说起量化交易入门，很多时候得到的答案都是长长的书单，让人望而却步。

最核心的还是要有一条正确的学习路径。

从流程而言，量化分析的核心流程包括：

—数据获取，策略回测，行情链接，发送交易信号。

其实，量化投资本身也是一个较杂的领域，你并不需要看完所有相关书籍。

如果研究期货，你不需要知道期权的希腊字母是什么。如果研究股票，你也不需要知道期货怎么移仓换月。那么上来就啃 John Hull 的衍生品 “圣经” ，是不是费力不讨好？

等学完所有相关的书籍，宇宙都毁灭好几次了。

市面上书籍讲理论多，细节少，有用的更少。而实际上，业界真正的盈利点都来自于细节，而不是理论框架。而细节，别人是不会告诉你的。

我们整合了 11 套量化交易模型和案例，包含单因子模型、多因子模型、统计套利模型、CTA模型、事件驱动模型、排名选股、轮动模型、技术分析模型、ML模型、DL模型、大数据模型以及相应解决案例。

通过这些模型、案例以及细节，为学员搭建一套知识体系，正确地进入量化分析领域。

如果你有一定的Python编程基础，同时是想要进入量化投资领域的在校大学生、工作人员等，欢迎参加我们的Camp ！

Python量化金融案例应用系列课

#导师介绍#

Eason

毕业于清华大学电子系，加州大学伯克利分校访问学者。曾在海外量化对冲基金从事股票策略研究，目前在国内某顶尖量化私募从事策略研究。有多年Python使用经验，并在工作中应用基于机器学习和深度学习算法的交易策略。

#您将收获#

你可以系统地掌握Python金融量化的方法；
了解Python在金融案例和量化交易中的应用；
加深自己对于量化投资行业的认识，更好地进行职业规划。

#课程咨询#

可微信联系小助手@云淡风轻
（可获取试听课）