量化投资技术分析实战之经典量化交易模型

去年下半年的煤化工，以及今年上半年的原油系行情，让很多人亏得血本无归，却也成就了一大批一夜暴富的交易者。不少量化投资基金都赚的盆满钵满。那么量化交易真的有那么神奇吗？

其实量化交易并没有我们想象中那么神秘，很多人可能会觉得量化就是把一串神秘的代码输入电脑中，让电脑自动下单和平仓，然后钱就哗哗哗进账，其实并不是这样。量化交易确实有人工主观交易不具备的一些优点，他的执行力可以说无可挑剔。但前提是这种策略必须足够优秀，足够让你赚钱。
这就好像科学家造机器人一样，以人为模板，人才是最核心的，即使机器人没有人指挥，可以自动运行，那也是仿真真人的思想自动运行的。

主观交易的地位相当于是一个人，而量化交易，相当于是高智能的仿真人。
在这里，给大家分享几个简单的量化模型，供大家参考：
1、R-Breaker 策略
作为一个经典的日内短线交易量化策略，R-Breaker策略一般使用1分钟、5分钟和10分钟的交易数据。具体来看，该策略根据上一交易日的收盘价、最低价、最高价，加上3个由量化投资机构自己确定的模型参数，计算出6个价位，从大到小分别为：突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价、突破卖出价。具体的交易规则如下：
a、若日内最高价超过观察卖出价后，又下跌跌破反转卖出价，则采取反转策略，平仓多单并开仓做空；若日内最低价超过观察买入价后，又上涨突破反转买入价，则采取反转策略，平仓空单并开仓做多。
b、若空仓，当价格上涨超过突破买入价时，采取趋势策略开仓做多；反之，当最新价格下跌超过突破卖出价时，则开仓做空。
总体来看，R-Breaker策略选定的6个价位，可以认为是经典技术分析中所采用的“阻力位”和“支撑位”。根据这6个价位进行相应的开平仓，既可以追踪趋势，又可以判断反转。而3个模型参数则可以改变6个触发价位之间的距离，优化模型效果。

2、Dual-Thrust 策略
传统的开盘区间突破策略，是指通过在开盘区间的上下加减预定的数值范围进行交易。而Dual-Thrust策略实际上则是对传统开盘区间突破策略的一个改进。两个策略均是对当日开盘价加减某个数值（记为Range），获得一个区间，突破区间上轨做多，突破区间下轨做空。开盘区间突破策略通过前一个交易日的最高价和最低价确定Range的值，而Dual-Thrust策略使用前N日的4个价格：前N日最高价HH、前N日最低价LL、前N日最高收盘价HC、前N日最低收盘价LC，来确定Range的值，并引入更多参数，使得通过Range确定的区间可以是非对称的（见下图）

在此模型中，Ks与Kx的两个参数值可以阶段性地动态调整。当Ks＞Kx时，空头相对容易被触发，反之亦然。

3、均线策略
均线策略使用两条移动平均线来判断趋势。一般采用的交易规则是，当短周期均线(STMA)超过长周期均线(LTMA)幅度X%时，进行做多；当短周期均线落后长周期均线X%时做空。也即STMA> LTMA *(1+X)时做多，STMA< LTMA *(1-X)时做空。

有一点，小编对此深信不疑，就是在人工智能越来越发达的今天，量化交易将会越来越完善和普及。达尔文的《物种起源》已经是今天的经典书籍，主要阐述了物竞天择，适者生存的思想。一种事物的兴起，往往是它适应了环境，而交易员群体正是一个特殊的群落，竞争激烈。量化策略在这个环境当中表现出了种种优势，从而迅速传播，并迅速蔓延。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。
我们看得到的金融交易或者说市场交易，其实都在开始量化或者被量化的过程中。体系的形成从日积月累的变迁换成了数据模型的推演进而直接导入程序到达市场。产生生命的基础条件是有机物和水。产生量化交易的基础条件则是20世纪80年代以来，计算机的普及和算力的提升。不管是什么策略类型，投资团队拥有复合的综合学科知识的获取与学习则是必然的，比如程序语言专业出身的人，一定要花时间学习金融学、经济学相关知识。不是说会写策略就可以在这市场赚钱，你可以理解为，会造刀兵斧钺的铁匠，不一定就是一名合格的战士，或将军。或许有一天，在纳斯达克敲钟的是一只机械臂。