何为量化交易？
量化交易也称为算法交易，是严格按照计算机算法程序给出的买卖决策进行的交易方式。它以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化交易并非简单的程序
大家容易把量化交易与技术分析混淆，实际上量化交易的内容丰富的多。许多量化交易系统在进行建模和运算的时候会用到基本面数据，比如估值、市值、现金流等，还有的算法将新闻作为变量进行计算。而技术分析基本只需要用到交易标的的量价数据。
量化交易特点：
1、纪律性
根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。
2、系统性
具体表现为“三多”。一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；三是多数据，即对海量数据的处理。
3、套利思想
定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。
4、概率取胜
一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。
正因量化交易具有上述优势，因此很多投资机构都会有量化策略报告，包括基本面量化、技术指标量化、情绪指标量化等。这些报告中的一部分是以非常严谨的方式做的研究，得出结论的可靠程度是很高的。
看到这里许多新手投资者一定对量化交易产生了浓厚的兴趣，那么我们有哪些量化社区可供学习参考呢？
目前人气比较高的国内社区有优矿、聚宽、米筐等，这上面汇集了不少矿工分享和讨论量化交易策略，社区还提供免费的回测平台供缺少数据的同学使用。
另外国外的量化社区更丰富，如果英文足够好，去Bing或者Google一下就能找到，届时你便能接触到量化交易领域中绝大多数的策略思想了。
制定量化策略的基本步骤有哪些？
第一步，利用现成指标构建逻辑。
软件内置了众多的技术指标，取出一个，写入买卖点，回测下历史行情，这样就可以得到一个简单的策略了。随着策略经验的积累，这里的逻辑选择会越来越多样化。
当然这样的策略一般是不赚钱的。
所以，我们第二步，进行参数优化。
选择参数遍历，观察不同参数对于策略会产生怎样的影响。一般情况下我们会得到几组看起来比较赚钱的参数。
然后，我们第三步，进行样本外检测。
比如说我们之前遍历的参数是2016年的数据得出的几个表现好的参数，那么我们就用2014/2016的数据对这些参数进行检测。一般来说，这一参数会在样本外惨淡无比，完全没有样本内优化出来的威武。
这时，第四步，进行观察，判断策略失效的原因是什么。
假设发现策略失效原因是样本外某一两次特殊的行情导致大幅亏损，那么我们就可以设置一个硬止损来规避这种风险；如果发现策略失效是因为交易次数过少，那我们就将交易逻辑稍微放松，比如要求>x的地方改为>=x甚至是>=x-1。等等等等，这种修改就是策略的经验了。
设置好新的逻辑后我们回到第二步，重复以上步骤。
最终我们修改得到了一个样本内外都赚钱的策略。
第五步，实盘追踪。
在未来一段完全未知的行情中随着时间检验策略，观察策略的真实表现究竟如何。如果表现与预期相符合，那么说明策略有效。
第六步，进行交易。
随着交易进行，我们也要观察策略的有效性，当发现策略出现超出预期的亏损时。
第七步，调整或终止策略。
关于具体开发中的经验分享
① 某种程度上来说做策略就是瞎想->尝试->瞎想->尝试的循环。
② 选择指标时一定要避免使用未来函数。
③ 参数不宜过多。
④ 参数优化中，可用的参数组越多越好，说明策略有效性高。
⑤ 在实盘中，策略的期望一般都要打折扣的，达到预期的50%就是合格。
⑥ 交易次数太少的策略一般是运气。
⑦ 测试出一条超级赚钱的曲线，一定是你逻辑写错了。
由实际步骤可以看出，量化交易并非适用于任何投资者，如果你对此交易策略有兴趣那么你需要具备一定的编程能力。但这也并非说明量化交易遥不可及。
如果你没有相应的编程能力那么可以选择购买他人的策略或者到社交交易平台跟单将是一种较为靠谱的方式。
如果你在交易中很难控制自己的情绪，想通过计算机来执行系统化的交易，但是又对数学或者技术有所恐惧，建议你可以先看下入门级的大师之作《打开量化交易的黑箱》，作者是华尔街的数量金融专家，书中结合大量的案例和真实故事为你解读，量化交易其实比你想象的更容易掌控和理解。
