什么是量化交易？
量化交易，或量化投资，指的是利用统计学和数学的方法，并使用电脑技术进行交易的投资方式。
量化，便是指利用大量的数据资料，抓出数种能带来超额收益的大方向，以此为基准，运用数量模型验证并固化这些规律，采用分析、系统化、模型化的方式，且经过历史资料验证，得出有效的回测绩效，并持续严格自动执行交易。
量化投资其中一个很大的意义是：利用历史数据做回测！若将此结果经过大盘比较后，可以得到显著的成果，那么这种讯号才是真正重要的。而采用历史数据还有另外一个优点：避免投资人做出情绪性的选择，让投资人能保持客观，不受到情绪上的影响，这是因为人会倾向忽略不利或矛盾的意见(行为心理学上称为确认偏误Confirmation bias)。就算投资人不想采用量化交易，也应该尽力避免自身的偏误，多利用历史数据及研究报告，有些财务论文中也会使用历史数据及统计方法验证某些现象的存在与否，能够使投资人更加了解资本市场。
量化交易的历史
量化交易起源于1970 年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场中，程式化逐渐成为主流。人为交易中，交易者的情绪波动等因素，越来越成为盈利的障碍，而程式化交易天然而成的精准性、执行率则带来了优势。
量化交易与人为交易最大的差别是：模型应用，而最早采用量化方法来分析研究股票涨跌规律的是法国人Jules Regnault，他认为频繁的短线交易终将导致快速破产，他当初手工统计了数十年的股票及国债数据，从中得知一套规律，并进而延伸出后续的投资公式，这也告诉我们，「市场价格的涨跌背后必然隐藏某些普遍规律」。
而后，美国的Edward Thorp 利用概率论的凯利公式，透过赌博赚了大笔金钱，并发表了论点：「随机事件样本越多，结果的确定性就越高」。之后Edward Thorp 投入股票权证市场，将数学公式编写成量化模型，寻求市场定价失常。1969 年他首创全球量化交易对冲基金，经营近30 年，无一年亏损。他深信，只要依靠概率建立起量化模型，依照长期大量的数据计算出合理价格并执行交易，就能够积小胜成大胜。
提到量化交易，就不得不提到James Simons，其实他在交易初期也执着于宏观经济面，虽然他很快就意识到可以利用模型化数据，但直到他屏除模型中所有宏观经济基本面内容，集中于短线交易，才得到显著的获利。其「大奖章基金」在当时的20 年间，年均净回报率高达40–80%，可说是有史以来最成功的量化投资之王。
量化交易的优点
由于极度依赖数据分析，量化交易策略本身即存在高度的可度量性，及其衍生而来的可验证性，这是由于未来数据的不可得，交易员必须仰赖过往的历史数据做测试，当使用量化交易时，需多次重复历史回溯测试均能得到一致的结果，如果测试结果是正向的，至少可以说明该量化交易策略在历史检验上具有盈利能力。
而这也会让交易策略得到强大的客观性，也是大家对于量化交易最普遍的理解，如上述所说，量化交易是使用大数据及程式模型去执行，利用这样科学化的方式，彻底排除外在干扰讯息的因素，让数据证明一切，并经由回测验证其有效性，避免让投资人因接收到过多讯息干扰，而做出情绪偏误的决策。
最重要的是，量化交易策略在执行时，会使实际交易行为与过去历史数据达到一致性，因为在建立量化交易策略时，所有的交易规则都已下了精确的定义，并由程式强制执行，这也是绝大部分人为交易策略无法达成的。
量化交易虽然有非常多优点，但大家要特别注意的是，当市场条件发生变化时，若投资人没有根据市场状况调整其交易策略，策略将有极大可能会失效！
量化投资vs. 人为投资
事实上，不管是量化投资还是人为投资，最终都还是需要人去进行决策，只不过做决策的层级不同。
我们可以用工厂来比喻：量化投资就是一个全自动化的工厂，配备有许多新颖的机器，但虽然大部分的工作是交由机器完成，还是需要有决策者决定机器的动作顺序、哪个机器负责哪个环节的生产；而「人为投资」则是传统的工厂，采用人工方式完成绝大多数的工作，每个步骤都需要该步骤负责人的决策。
量化策略的分类
关于量化策略的分类每个人都有不同的见解，但常见的有以下几类：
- 策略：这种策略的特性是回撤和获益都比较小，但能够使投资者在大多数的情况下，都保持获利。其具体想法是找出市场里最优秀的品种，做多这些品种，然后做空相应多的指数，这样就锁定了最优秀的品种带来的收益，而把指数带来的波动进行了平抑。
- 高频交易：这是利用电脑程式处理微观市场层面的不均衡性，交易次数多、持仓时间短，会在短时间内做高频率的进出场，每次交易的平均利润较小，但优点是有较稳定的报酬。
- 量化CTA：量化CTA 策略可分为两种：「趋势追踪策略」及「均值回复策略」。其中，使用较多的是趋势追踪策略，它是利用许多策略模型找出目前的市场趋势，并依此判断做多或做空，因此与波动率息息相关，也因此这种策略在趋势明确或是牛市熊市快速变换时，具有较大的优势。另一种均值回复策略，是种反趋势策略，是利用某些保持稳定均值商品，当短期波动使其价格偏离均值时，进场反向操作，即做空被高估的商品，做多被低估的商品。
- 套利：简单来说，就是利用价差来赚取获益的方式。套利方式有非常多种，这边主要介绍两种套利方式：
(1) 跨交易所套利：这种模式相对容易执行、风险小，但获益表现很不错。套利最简单的思考方式，想像在北京苹果一斤$5，山东一斤$3，那么只要你在山东买、到北京卖，一斤就赚了$2 的差价。这样的套利想法也可以套用在投资上，而在加密货币的投资上，大家给了一个搬砖的有趣名字。
(2) 跨品种套利：是指透过统计分析某些相关产品的历史价格关联，当发现价差扩大，且认定为非长期性的不稳定状态时，即透过配对交易的方式进行套利。举例来说，A、B 商品之间的价差经常性为$10，且A>B，当某天发现其价差增为$15 时，因认定此为不稳定状态，便买入B 并卖出等量A，那么当其价差回到经常性的$10 时，即可赚到$5。但要注意的是，若将此模式套用在没有存在稳定性的价格关系，其风险会上升许多。
量化交易策略与加密货币
在加密货币市场中，采用量化交易策略是一个非常适合的选择，有以下几个原因：
- 加密货币市场的价格变动快速
- 没有基本市场面可以预测其价格的变动
- 加密货币市场为24–7 全年无休交易
- 交易所众多，套利机会长期存在(据CoinMarketCap 统计，目前全球交易所有近300 家)
2011 年之前，由于大众对加密货币的认知普遍不足，量化交易尚未被应用在加密货币市场。2011 年起，交易所数量开始增多，有些嗅觉较敏锐的投资者开始利用跨交易所的价差进行套利。而自2015 年开始，加密货币市场急速成长，也经历了价格的大幅变动，许多看好其长期发展的投资人开始寻求量化交易的机会。
由于市场变化，过去较简单的量化策略已逐渐失效，多因子、机器学习等的复合型策略开始受到大家关注，量化交易对冲基金也正在兴起，许多加密货币投资人逐渐想透过量化交易对冲基金让自己持有的加密货币资产增多，但却受到量化交易对冲基金的投资门槛限制，而无法达成投资规划。
结语
量化交易日趋蓬勃发展，随着加密货币市场逐渐向合规化方向迈进，且市场正在进行生态圈演变必经的适者生存，不适者淘汰过程，想必加密资产量化交易的发展将越趋稳定。不管您是否认同其价值及概念，对其了解更深入一些，将使您在做投资选择时，更具判断力！
本文链接地址：https://www.wwsww.cn/btbjiaoyi/6356.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
