第九章网上信息的采集

SECURITIESINVESTMENTTRAINING证券投资实训天津职业技术师范大学目录Content010203量化投资与算法交易基础经典量化策略

进阶模型01量化投资与算法交易基础QUANTITATIVEINVESTMENTANDBASICSOFALGORITHMICTRADING量化投资概述01核心定义利用数学模型、统计分析与计算机算法构建投资策略，通过程序化方式自动执行交易，实现投资决策的系统化、理性化与高效化。02核心优势具备极强的纪律性，规避人性情绪干扰；可高效处理海量数据捕捉微观机会；支持高频交易与多因子策略，提升执行效率。03策略回测使用历史市场数据模拟运行量化策略，检验其盈利性、风险与稳健性，是策略实盘应用前的核心验证与优化步骤。策略构建验证回测实盘部署基于市场规律与投资逻辑提出可量化的交易思想，将策略逻辑转化为数学模型，编写成可执行的计算机代码，确立核心盈利因子。采集多维度的历史市场数据，通过回测系统模拟策略运行，计算收益率、夏普比率等绩效指标，验证策略有效性并规避过拟合。将经过验证的策略对接交易接口，实施严格的资金管理与风险监控，实时跟踪策略表现，根据市场变化动态调整与迭代优化。量化策略开发全流程02经典量化策略CLASSICALQUANTITATIVESTRATEGIES12趋势跟踪策略核心：顺势而为，认定趋势具有持续性。

策略：双均线交叉信号、海龟突破交易法则。

场景：单边上涨/下跌行情收益显著，震荡市易频繁止损。均值回归策略核心：逆势布局，价格偏离均值后终将回归。

策略：统计套利配对交易、网格交易高抛低吸。

场景：震荡行情表现优异，极端趋势下可能面临较大回撤。两大核心交易策略解析量化回测核心步骤数据获取通过同花顺等免费数据源获取股票日K线数据，涵盖日期、开盘价、收盘价、最高价、最低价及成交量，夯实回测数据基础。信号生成计算MA5与MA20双均线指标，当短期均线上穿长期均线时触发买入信号，反之则生成卖出信号，形成交易决策依据。模拟回测编写回测引擎模拟实盘交易，精准记录每笔买卖的价格与数量，自动核算手续费成本，评估策略的收益与风险表现。01核心评估指标体系构建多维度量化评估框架，从收益能力、风险控制、风险调整后收益三个维度出发，全面检验策略的实战盈利能力、抗风险稳定性与投资性价比。02关键指标深度解读关注总收益率与年化收益率以衡量盈利效率，通过最大回撤评估极端风险，借助夏普比率量化“每单位风险带来的超额收益”，形成策略优劣的核心评判标准。03可视化对比分析自动生成策略净值曲线与市场基准（如沪深300、上证指数）的同图对比，直观呈现策略在不同周期的表现，清晰界定是否具备持续跑赢大盘的超额收益能力。绩效评估01策略核心规则标的锁定贵州茅台(600519.SH)，采用短期MA5与中期MA20构建双均线系统。当MA5向上穿越MA20形成“金叉”时触发买入信号，向下交叉形成“死叉”时执行卖出操作，严格遵循趋势跟随的交易逻辑。02回测区间设定回测时间跨度覆盖2020年至2026年完整周期，样本覆盖牛市上涨、震荡整理与深度调整等多种市场环境，全面验证策略在不同行情下的收益表现与抗风险能力。03回测结果洞察趋势行情中策略净值显著跑赢“持有不动”基准；震荡市因信号反复出现小幅损耗，体现了趋势跟踪策略在非趋势市中的局限性与优化方向。本章思考题回测陷阱历史回测优异不代表实盘必赚。核心陷阱是“过度拟合”：策略过度贴合历史数据的随机噪音而非市场规律，导致在未来行情中失去适应性，反而出现亏损。策略拓展除双均线外，可量化的方向丰富多样。如趋势类的MACD、布林带；震荡类的RSI、KDJ；还可结合成交量、资金流向，甚至引入多因子模型、机器学习等进阶思想。个人量化个人投资者可以尝试量化，但需具备基础编程能力（