量化平台算法及开通看这里！

哈喽大家好，身为量化推荐人好久更新量化内容了，让大家久等了，那么做量化的你如果需要开通智能算法可以看过来！

何为算法交易

算法交易是由事先根据算法决定好的策略执行而没有人为因素的干扰。利用计算机程序和数学模型来决定交易下单的时机、价格和数量的交易方法 ，通过将大单拆为小单，以减小市场冲击成本，提高交易效率和交易隐蔽性的智能化交易执行方式，是人工交易与计算机辅助交易系统的完美组合。

算法交易的优势是大家看好的

1、历史性的评估：自动交易的策略可以根据回测历史数据被确定性评估，从而更好得发现策略在未来的潜在盈利能力。

2、高效性：算法交易可以让交易员不需要盯盘从而节省时间，并且可以在同一个投资组合中使用多种交易策略。还能持续自动调节杠杆和风险因子的影响。这点普通交易员是做不到的。

3、没有主观因素的输入：因为没有人为的主观影响，自动化交易没有贪婪和恐惧的情绪因素，可以很好得执行交易策略，但是可能因为一些外部因素导致盈利能力停止，比如政权更替。

4、对比：系统化交易在统计的数据上不论是历史数据还是当前的交易数据都是可以从多个维度进行对比，因此可以在不同的策略中选取评估水平最好的策略，这比主观交易只对比盈利和亏损更好。

5、高频：一些顶尖的盈利策略是通过超高频的交易实现，而这些操作人类无法完成。

算法交易的劣势我们也是需要注意下

1、资金量的需求：算法交易在市场上的交易资金需求量更大，因为能够自动交易的经纪商通常对于资金需求更高。

2、编程和科学的专业知识：算法交易员需要在编程方面有一定的能力，并且在建模的同时需要一些科学的专业知识，尽管python中有很多库帮助处理了很多问题，但是依然需要很多关于编程和科学的专业知识。

科学方法

对一些数据的行为进行假设，比如一个均值回归的假设，然后进行测试，使用包括ADF指标（检验时间序列的平稳性）、赫斯特指标（检验是否为有偏随机游动）以及方差比率的测试（波动率），最后进行分析根据测验与假设的符合性评估模型是否合适作为策略的依据。书中的所有策略都是根据观察假设得来。

为什么使用Python

前面是关于算法交易的优势，现在来讨论编程语言Python的优势。

1、学习 ：python作为一门程序语言是比较简单的，可以快速入门。

2、库：python有很多功能强大的库——Numpy（进行矢量操作，如数组，列表的处理）、Scipy（关于数学算法的一个库，包括一些拟合最优化，回归之类的数学算法）、Pandas（主要关于数据框的处理，以及时间序列的分析），statsmodel（关于统计模型）、scikit-learn（机器学习，关于策略的分析和评估）、IPython（交互发展）和matplotlib（画图库）。

3、发展速度:Python的发展速度非常迅猛，且不会失去策略的健壮性。

4、执行速度：虽然不能与C++速度一样，在执行的时候依然可以保持一个较高的速度执行。

5、交易执行：Pyhton对于很多更大的经纪商是有插件帮助连接的，因此可以更好得执行算法交易。

6、成本/适用范围：Python是开源免费的，且可以跨平台适用。