【金融杂烩】量化投资与统计学的关系
量化交易是什么？
简单的理解量化交易，我们可以把量化交易看成是计算机自动执行交易策略。
交易策略
所以量化投资的关键是，怎样制定一个投资策略？
一个完整的投资策略应该包括四个部分：
选股——>择时——>仓位管理——>止盈止损
任何投资策略都由这四个部分构成，虽然看起来简单，但是每一个步骤里面深挖，都会对应非常多的内容。
以选股为例，是基于价值投资法选股，还是基于技术投资法选股？举个简单的例子，我们可以选择均价在过去的二十个交易日都上涨的股票买入，这就是基于技术法去选股，而这就是我们制定的买入股票的方法，选择的是过去二十个交易日都上涨的股票，而买入的时机是现在。
量化与交易策略怎样对应？
量化投资的关键在于数据。
最先的数据是，要学会处理数据：要能方便使用各种投资相关的数据，而这要综合考虑到各种数据的收集、存储、清洗、更新，以及数据取用时的便捷、速度和稳定。
一般我们需要处理的数据是：行情数据、财务数据、自定义数据以及投资经验。
把这些数据在选股阶段都输入到系统之中，系统就会自定义执行相关的投资策略。
四种主要的量化模型
如何选股、选股后如何持有、持有以后如何卖出这些组合在一起，就是完整的投资策略，而如何实现这些投资策略，要靠的就是量化模型了。
1、统计套利交易模型
与统计学的关系最为密切，是将套利建立在对历史数据进行统计分析的基础之上，估计相关变量的概率分布，并结合基本面数据进行分析以用以指导套利交易。
在统计套利交易模型中，用的最多的就是概率分布。
主要是利用历史数据进行研究分析，研究该关系在历史上的稳定性，并估计其概率分布，确定该分布中的极端区域，即否定域，当真实市场上的价格关系进入否定域时，则认为该种价格关系不可长久维持，套利者有较高成功概率进场套利。
image.png
2、多因子选股模型
多因子选股模型指的是，选择买入股票的因素。
而确定选股的因素，用的是统计准则。
常见的影响股票价格的因素有：规模因子、估值因子、成长因子、资本结构因子、技术面因子、动量反转因子等。
我们可以用统计学的方法确定这些因子对股票的影响大小。
比如最简单的回归分析法。
回归分析法可以建立一个回归方程，然后得出因子与股价的相关性，然后我们可以将相关性高的因子列为我们选股的依据，输入我们的量化系统中。
3、动量策略模型
股市的动量，我们可以理解为股市的势头。
动量策略的基础，就是看前一段时间股票的势头。比如在一段时间内前一段时间强势的股票（比如一直上涨），在未来一段时间内继续保持上涨，而前一段时间弱势的股票，会在未来一段时间也会继续弱势。
还有一种叫做相对动量策略，指的是在前一段时间弱的股票，在未来一段时间会变强，而在前一段时间表现比较强的股票，在未来一段时间会变弱。
这个策略的关键在于，判断势头会持续的时间。
所以要完成时间的预测，我们需要用到的知识是回归模型和时间序列数据。
** 4、配对交易模型
配对交易的关键在于找到两只相关性很高的股票，一只股票的变化我们可以推出另一只股票的变化趋势，因此我们可以确定一个模型建立一种买低卖高的机制来获得短期利益，这种模型的优点在于模型可以获得稳定的收益。
所以，在这里用到的统计学知识，是相关性分析和协整关系。
总结
要学会量化投资，统计模型必不可少，量化投资的模型几乎都是统计模型。
总结起来：
第一步：学会处理数据
第二步：建立统计模型，制定投资策略
第三步：使用模型，建立系统
常用的量化投资平台有：
