AQF资讯|一个好的量化交易系统这些设计细节也要注意到了才行

对于做系统或者是做程序的人来说，除了要有过硬的技术，其次就是细节的处理，一个交易系统不是当中牵扯到的有很多，所以如果细节方面不注意可能要整个的做一个检查，一个好的量化交易系统在细节方面也要处理的很好才行，小编今天给大家分享的AQF资讯就是量化交易系统中的细节。

对于做系统或者是做程序的人来说，除了要有过硬的技术，其次就是细节的处理，一个交易系统不是当中牵扯到的有很多，所以如果细节方面不注意可能要整个的做一个检查，一个好的量化交易系统在细节方面也要处理的很好才行，小编今天给大家分享的AQF资讯就是量化交易系统中的细节。

一、常见的入场模式

一般常用的入场模式不外乎两种，一种是事先确定一个价格，当盘中最新价格达到或者超过这个价格，系统开仓又叫做突破进场。还有一个是在盘中计算一些指标，当这些指标达到所设定的开仓条件后，在下一个时间采样区间的开盘价系统开仓。

（1）突破信号：

突破信号一般包括两种，一种是根据昨天或者N天前的价格所计算的一个用于今天的固定不变的价格点，采用此类信号的策略为波幅突破策略，固定时间突破策略，以及枢轴线突破策略。波幅突破策略采用昨天高点减去低点计算出的一个波幅值，然后在今天开盘价基础上加上或者减去这个波幅值来确定一个固定区间，当当天最新价格突破上面区间或者下面区间时入场。固定时间突破策略是通过确定今天开盘后一段时间内的高低点，当这段时间后的价格突破了这段时间内的高低点价格后入场。枢轴线突破策略则是根据枢轴线计算方法使用昨天高点，开盘价，收盘价来计算三条阻力线和支撑线，当今天价格突破其中的某条阻力线和支撑线时入场。

还有一种突破信号是根据盘中价格即时更新的，也叫做动态带突破，其中比较经典的策略主要为唐奇安通道突破和波动率通道突破系统。其中唐奇安通道突破采用的是前一段时间的最高价和最低价作为一个动态的区间，当当前价格突破这个区间时开仓，而波动率通道则是采用统计学计算前一段时间收盘价的标准差然后在收盘价的均线上加减这个标准差来组成一个动态的标准差带，当当前价格突破这个标准差带时开仓。

（2） 开盘价指标信号：

开盘价指标信号通常有三种类型的策略，一种就是均线类。均线类策略主要是使用两个或者多个不同周期的收盘价的均线，短周期的均线向上穿越长周期或者下穿时，在一根k线的开盘价开仓。

一种是指标类策略。指标类策略通常采用一些设定好的高低点的指标值作为开仓点，比如RSI指标等，该指标盘中根据之前的价格进行实时计算，当该指标值达到预设值时在下一根k线的开盘价开仓。

还有一种是形态类策略。形态类策略通常采用事先定义好的一种形态，当当前价格形态满足这种定义好的形态时，在下一根k线的开盘价开仓。形态类策略简单的比如红三兵策略，当出现连续三根红色阳线或者三根绿色阴线时开仓。还有复杂的比如采用形态识别的策略，事先定义一种胜率相对较高的形态，然后在盘中通过形态识别的方法来计算，当当前价格形态与定义的价格形态近似度到达一定时，则在下一根k线的开盘价进场。

二、常见的过滤指标

过滤指标通常在系统设计中起到画龙点睛的作用，一个胜率相对较高的进场信号结合一个过滤指标通常会起到更加提高胜率的效果。不过过滤通常也是以牺牲进场交易次数为代价的，因减少的交易次数而进而牺牲更早的进场交易利润。常见的过滤条件包括指标类过滤，时间类过滤，以及统计型过滤。

指标类过滤：

指标类过滤通常是采用结合各类技术指标，在原有进场信号的基础上，叠加一个技术指标来进一步减少进场信号。

时间类过滤：

时间类过滤通常指因为在特定时间段开仓胜率较低，因此该段时间不开仓。

统计型过滤：

统计型过滤通常是根据历史统计，交易时只有在统计胜率较高的区间才交易。

三、常见的出场模式

趋势跟随类策略通常采用跟踪止盈型出场，而其他类型策略通常也会采用主动型出场比如固定时间出场或者反向信号出场。

跟踪止盈型出场

跟踪止盈型出场主要是通过进场盈利以后，当价格朝着不利的方向移动时，利润回吐到一定百分比时出场。还有一种吊灯出场跟跟踪止盈出场类似，只不过不管进场后是否盈利，只要价格偏离进场后的最高点（最低点）一定幅度以后即出场。

主动型出场

主动型出场多用于震荡策略中，通常有在持仓到一定时间后即出场，利润到达一定后即出场，以及出现反向信号时即出场。

四、策略失效评估

策略失效通常有两种，一种是策略思想过优化导致失效，另一种是行情波动属性跟原来历史回测时完全不一样导致的失效。常见失效通常是由过优化导致的，过优化可以通过多品种以及分段测试来避免。通常普适性好的策略也就是多品种通用的策略，思想失效的可能性较小，而只针对单一品种优化，而放到其他交易品种上时完全无法盈利的策略通常过优化概率偏高。因此通常评估策略失效与否可以通过以下几种方法：

多品种测试

多品种测试指在其他波动属性不相同的品种去横向测试该策略，如果完全无法盈利， 通常该策略失效可能性偏大。

同类策略测试

使用同类型策略来测试该品种，如果同类型策略还能有效盈利，而证明该品种波动属性没有发生本质变化，策略失效可能性较大。

五、实盘中需要注意的问题

在回测时候，由于期货合约会换月，因此回测时候跟实盘通常还会存在差异，尤其以期货指数合约回测时，实盘差距通常较大。由于指数合约是所有合约按照成交量加权生成，平滑度比主力合约要好很多，因此历史回测时通常建议使用主力合约回测为佳。

在实盘时，有时会出现集合竞价止损，但是在集合竞价价格出来后，实际发单回被交易所拒绝，因此要避免在集合竞价时出现的报单问题。

六、策略组合的构建

如上所述，单品种单策略在实盘时通常很难达到很高的收益风险比，因此需要通过策略组合来起到平滑资金曲线的效果。策略组合设计时通常需要注意以下几点：

多品种组合

多品种组合，指通过分散化的方法，在多个品种上运行策略，通过在相关度相对较低的品种上分散资金，可以有效的平抑单个品种波动性出现变化时所带来的亏损。

多周期组合

多周期组合，指通过在不同周期K线上运行策略。通常做法是通过隔夜策略和日内策略一起运行，并且日内策略通常运行在小时间周期上比如1分钟，5分钟，15分钟等，而隔夜策略通常运行在大时间周期比如30分钟，小时线，日线等等。

多策略组合

多策略组合，指通过运行不同思想不同类型的策略来起到互补效果。策略进场思想相关度要低，否则多策略反而会起到反作用。

文章来源：金程网校

人工智能吹来劲风 细分领域投资机会引关注

由于被写入政府工作报告，人工智能在两会期间获得了非常高的关注度。科技部部长万钢也表示中国人工智能创新发展规划即将出台，同时国内外巨头在相关领域的布局案例不胜枚举，这使3月中旬人工智能概念股一度站上风口，龙头股赛为智能、科大智能、科大讯飞等纷纷异动上攻，3月累计涨幅均在15%以上。

人工智能吹来劲风 细分领域投资机会引关注

不少机构均预计人工智能将成为贯穿全年的投资主题，并认为随着人工智能重磅催化剂持续密集出台，人工智能主题经过2017年初市场预热后，主题行情表现有望大幅超过预期，建议关注细分领域的投资机会。

龙头股预热表演“吸睛”

不过，近期A股市场仍继续板块轮动的节奏。经过一番躁动之后，上周人工智能相关概念股表现相对沉寂，仅科大讯飞、视源股份和巨星科技表现较好，上周涨幅在6%～8%之间。那么，人工智能后续还有“大戏”可看吗?结合往年两会热点的经验，不少机构均预计人工智能将成为贯穿全年的投资主题。

华泰证券预计，人工智能相关产业有望持续获得国家大力支持，更多细化政策有望出台，在国家重点实验室建设、政企合作研发项目、国计民生领域应用等层面对人工智能产业化予以推动。长城证券认为，未来各级政府将加大对人工智能支持力度，加快人工智能项目培育及发展，人工智能政策红利有望持续释放。人工智能主题经过2017年初市场预热后，主题行情表现有望大幅超预期。

3月以来，人工智能龙头股的市场关注度颇高，明显得到资金的青睐，预热表演相当“吸睛”。据同花顺统计显示，3月份涨幅在10%以上的相关概念股有9只，其中赛为智能成为板块的领头羊，月度涨幅为36.45%，该股上周三股价一度达到23.98元，为2015年6月以来的新高。其次是科大智能，涨幅也在29.51%;远大智能、科大讯飞3月涨幅均超过15%。此外，巨星科技、和而泰、视源股份、巨轮智能、慈星科技、川大智胜、汉王科技等的月度涨幅也居于板块前列。

从年度表现来看，这几只龙头股的涨幅也相当可观。赛为智能2017年以来涨幅达到54.85%，而科大智能、科大讯飞的年度涨幅均在30%以上，此外川大智胜今年以来也涨超20%。

商业应用初现端倪

根据艾瑞咨询的数据，2020年中国人工智能市场规模将达91亿元，年复合增速将超过50%，发展前景极为广阔。“2017中国IT市场年会”则预计2018年人工智能市场规模将达到381亿元，复合增长率达26.3%。据悉，随着一级市场产业投资不断升温，中国2012-2015年人工智能投资额增长近100倍，人工智能投资机构数量年增长率超过50%。

与之对应的是，近期国内巨头在相关领域相继发力，争相布局。3月13日，英特尔正式宣布，计划以每股63.54美元现金收购以色列驾驶辅助系统开发公司Mobileye，股权价值约153亿美元。安信证券对此评论，自动驾驶是潜力最大的人工智能终端芯片市场，英特尔此举是高溢价买了一张“船票”;阿里巴巴加速云计算布局，与北京市张北县签约了总投资180亿元的“阿里巴巴张北云计算数据中心项目投资合作协议”;百度计划在硅谷设立第二个研发机构，旨在获得人工智能方面的技术优势;科大智能3月15日发布公告，称拟投资建设科大智能机器人和人工智能产业基地项目，等等。

另一方面，人工智能的商业应用也初现端倪，例如科大讯飞智能语音识别系统、搜狗借助人工智能实现高增长等，商业应用初现端倪。可见，在资本市场上人工智能概念仍是方兴未艾，风正起时。

展博投资认为，人工智能进入分化阶段，未来应用为王。经过这几年的快速发展，可以说人工智能早就已经脱离单纯实验室和学术范畴，开始与产业更加紧密结合，实现更多具体项目和行业的落地应用。同样在风口之下必有泡沫，而未来判断人工智能最大的分化就是看其在实际应用中的效果具体有何差别。

对于后市行情能否从周期股、消费股再切换到人工智能概念股，长江证券认为，这取决于板块是否有极具进攻性的主题驱动，其重点看好人工智能细分应用中智能驾驶产业机会，主要是具备“芯片+图商+车厂+自动驾驶技术”等产业链整合能力的公司，以及智能驾驶舱等产品优先商业化量产的公司。

中泰证券则建议关注从智能驾驶到计算机视觉的主题蔓延机会，认为从一、二级市场的融资、盈利及传导路径来看，二级市场计算机视觉公司业绩有望迎来新一轮扩张。

文章来源：投资中国网

为金融风险管理保驾护航 人工智能将成金融创新的新引擎

近几年，随着人工智能、大数据、云计算等新兴技术的趋于成熟，前沿技术在具体业务和场景中也逐渐实现了应用价值，传统金融业的创新变革也就此拉开序幕。

在金融与科技加速融合发展的大趋势下，金融风险管理也被提出了更高要求。尤其是在应用人工智能、云计算等前沿技术时，如何真正实现金融安全的维护和金融风险的防范，这也是诸多金融科技公司正在探索的主要方向。

图：第二十二届中国国际高新技术成果交易会

人工智能为金融风险管理带来新变革

根据国务院印发的《新一代人工智能发展规划》数据显示，到2020年人工智能总体技术和应用与世界先进水平同步，核心产业规模超过1500亿元，到2025年人工智能核心产业规模超过4000亿元，到2030年人工智能理论、技术与应用总体达到世界领先水平，核心产业规模超过1万亿元。 人工智能正处于蓬勃发展阶段，通过对人工智能开源开放生态，释放积累数据价值，获得更多产业升级所需的技术方案，助力科技与各产业的加速融合，为经济增长释放活力。

2020年11月11日，以“科技改变生活，创新驱动发展”为主题的第二十二届中国国际高新技术成果交易会---中国高新技术论坛在深圳拉开了帷幕，吸引了诸多行业专家、学者、技术人才等在在内的各行业人士参与。

图：萨摩耶数科董事长林建明

萨摩耶数科董事长林建明11月11日下午受邀出席“未来科技峰会——人工智能与大数据”论坛，发表 “看人工智能如何引领金融风险管理的‘二次革命’ ”主题演讲，引发行业深度思考。

近日，央行发布了《中国金融稳定报告（2020）》，对2019年以来我国金融体系的稳健性状况进行了全面评估。报告认为，我国银行业金融机构整体经营稳健，风险总体可控，但金融发展面临的困难和风险挑战仍然较多，尤其是金融机构的风险管理模式存在着亟需转型的现实问题。

林建明认为，人工智能在金融服务领域开始发挥着越来重要的作用，同时也为金融风险管理带来新变革，需要积极迎接“二次革命”。

人工智能通过帮助金融机构识别欺诈行为、可疑交易和潜在的攻击等，提高风险管控能力；帮助金融机构实现自动化流程管理，提高工作效率，降低成本；帮助金融机构挖掘潜在客户，对现有客户进行画像，快速完成复杂的决策过程，提高生产力和运营效率。

在论坛上萨摩耶数科董事长林建明还分享了萨摩耶数科在人工智能领域的应用与创新。萨摩耶数科用了近5年时间，利用独立研发的“智能策略”风险管理体系，完成了从靠“人”到靠“机器”的升级。

“智能策略”风险管理体系自投产以来信贷审批通过率可提升20%-30%；资产逾期风险水平能够下降20%-50%；综合风险管控效能提升30%-50%，最高可达到79%。

为了攻克技术难题，萨摩耶数科还做了诸多努力。在特征层面，寻找 “优质客群”，挖掘客群的差异特征；在算法层面，采用了xgb、lightgbm、LR等成熟的建模方法，在确保模型稳定性的条件下，又自研并应用了一系列可以大幅提升“模型可靠性”的方法。在工程层面，既要保证产出模型策略可被灵活替换，又要从“维护便捷”的角度出发，解决与维护策略难题，提取各类模型和规则的优点，实现模型的快速替换迭代。

人工智能已成为金融行业重要的核心竞争力

据艾瑞咨询统计，2019年中国人工智能开放平台市场规模为104亿元，在2020年市场规模可达222亿元，随着未来AI开放平台保持高速增长，预计国内人工智能产业5年内的年均复合增长率将达到41%左右。人工智能的地位早已从过去的支撑、保障的从属地位，发展成为引领与重塑创新的驱动力量，逐渐成为金融业最重要的核心竞争力。

当前，机器学习、知识图谱、自动化机器人等人工智能技术在金融预测、授信决策、智能投顾等领域广泛应用，金融业正在加快实现网点智能化、营销智能化、运营智能化、客服智能化、风控智能化。人工智能等前沿技术是未来金融创新应用的重要趋势，也是金融创新与发展的巨大推动力。

萨摩耶数科多年来在人工智能领域的创新有目共睹。萨摩耶数科将自主研发的核心技术，以云服务+本地化部署的模式，为金融机构等提供全方位的科技赋能，促进金融机构风险管理模式从低维向高维的跃迁，提升政府金融监管机构防范化解金融风险能力，助力中国金融行业实现数字化、线上化、智能化转型升级。

截至2020年9月，萨摩耶数科已与包括商业银行、消费金融公司和小贷公司在内的近80家持牌金融机构达成合作，已累计为持牌金融机构输出了6000多万用户。

图片来源：网络

人工智能等创新技术与传统金融业态深入融合，提供了高效便捷、信息透明的多样化金融服务，拓展了金融服务边界，优化了金融产品特性，弥补了传统金融短板，成为服务实体经济、防控金融风险、深化金融改革的重要力量。

赋能金融科技实现创新性变革

中国工程院原常务副院长潘云鹤院士曾公开表示，人工智能和大数据等新技术将成为继互联网技术之后变革金融科技领域的全新力量。随着金融和科技的不断融合，人工智能、大数据、互联网、分布式技术和安全技术等关键软硬件已成为金融科技领域的新基础设施。

萨摩耶数科一直坚持对创新之路的探索，大力投入科研，不断将基于人工智能等前沿技术的研发产品成功应用在诸多金融机构业务场景中。例如萨摩耶数科的“K3”智能风控策略体系、“域风”智能风控管理系统、“AUTOMAN” 自动建模平台、BI数据中台报表管理系统等。

萨摩耶数科赋能金融机构数字化转型，依托人工智能和云计算等前沿技术，设计整套智能风控解决方案，贷前严格把控伪冒风险、全面审核客户资信；贷中精细化计量信用风险合理审慎投放授信；贷后持续动态业务监控、有力保障资产质量，实现业务全流程的管控，从而做到风险可观、可测、可控。

金融与科技的深度融合，让人工智能的发展未来可期。金融科技企业基于开放的生态环境，依托人工智能的研发成果，赋能金融机构等各行业数字化转型升级，在智能获客、智能风控等方面全面发力，为金融机构提供更精准、高效的咨询服务和解决方案，实现智能化、个性化的定制服务，从而提升金融机构的运营效率。同时，通过科技技术服务更多持牌金融机构，也让越来越多用户享受到普惠温暖的金融服务。科技是开放的，科技也是向善的，AI既代表科技，也代表爱，未来，萨摩耶数科将继续用AI铸就温暖金融。

来源：手机凤凰网

疫下与疫后的财富管理新动向：智能投顾引领互联网理财

2020年以来，新冠肺炎疫情突如其来并急速演变发展，快速传播到全球主要经济体，疫情蔓延和各国控制疫情措施严重影响国际贸易和投资等活动，打破了现行全球产业链正常运转，世界经济进入衰退期。如何在下行浪潮止损回稳，甚至找到新增长空间，考验更强定力和智慧！

居家战疫使得越来越多人适应和习惯非接触式服务、在线办理业务、在线消费、移动支付等智慧生活。5G、大数据、人工智能、云计算、VR（虚拟现实）、AR（增强现实）等新一代数字科技在疫情防控与复工复产复商复市得到大规模场景应用。

同时，智能投顾也趁此全民上网与上云用数智赋新时代，普及性进入互联网理财快车道。智能投顾借助大数据、云计算等金融科技，通过现代资产组合理论等算法，根据用户风险偏好、财务状况、理财目标，为用户提供量身定制的投资组合方案。

01 人工智能AI+大时代的新趋势

AI时代，马云认为，未来三十年计划经济将会越来越大，原因就在于数据的获取，市场这只无形的手可能被我们发现。

图片来源：网络

▲ AI已经可以达到或超过人类独有能力。

美国波士顿动力公司的机器人Atlas拥有立体视觉、距离感应等能力，不仅能规避障碍物，跌倒了能自己爬起来，学会了后空翻。

机器人索菲娅外形使用硅胶打造仿生皮肤，质感与人类皮肤相似，可以模仿人的面部表情和情绪。通过语音和人脸识别技术，她能理解言语模式并与人类进行对话。被授予了沙特公民身份，成为史上首个获得公民身份的机器人。索菲娅还有了自己的推特账号，作客脱口秀节目，登上时尚杂志封面。

AI在棋牌、医疗、推理能力等方面超越了人类，还学会了驾驶无人机、帮助科学家进行量子力学等复杂实验等。例如，AlphaGo（阿尔法狗）3:0干净利落地击败了围棋世界冠军柯洁，并且经过谷歌科学家多次完善后还在不断进化。

卡内基梅隆大学开发的AI系统Libratus在赛程为20天、12万手牌的比赛中击败了四名世界级扑克玩家。

▲ 智能金融跑马圈地。

已有智能投顾、智能资产配置、智能信贷、智能风控、智能客服等多种应用。

例如，建设银行用户与智能客服每天交互量达200 万次，节省了6000 以上人工客服。招商银行信用卡用户可通过加好友，与招行信用卡中心智能微信客服（小i 机器人）互动，通过银行卡或身份证号与招行网银系统绑定对接，开展还款、转账、积分兑换等复杂业务。

▲ 疫情之后的财富管理。

全民上网时代，便捷的互联网交易体验让更多人改变原来到线下购买理财产品的习惯，并拥抱智能投顾、直销银行、理财子公司等新产品、新业态。

市场风云万变，防被割韭菜意识普遍增强，投资者更相信和选择专业性，投资顾问的春天来了。

经济结构性下行，流动性价值更加凸显，房产等大额投资遭遇瓶颈，改善型购房成房产增量主流。

全民健康才是全面小康，健康意识、保障意识空前高涨，公众的保险意识增强。

由于对未来的不确定性，更多人发力追求第二收入，兼职兼薪普遍化、理财策略更进取。

消费观变化，既有预期悲观的消费抑制观，也有双循环新发展格局的稳促扩升消费观。

更多高净值人群关注全球资产配置，鸡蛋要放到不同篮子里，单一市场风险需要全球化配置对冲，海外置业、留学移民、海外基金投资、海外资本市场交易成为疫后投资重点。

图片来源：网络

02 十年后的智能投顾

需要思考的是：一是智能投顾能否成为、如何成为投顾机构、金融机构的增量业务，如何用大数据精准营销触达目标客户，而非简单的互联网粗暴打法翻版；二是智能投顾能否成为、如何成为流量入口，实现批量获客和交叉营销；三是智能投顾能否融合长尾客户和高净值客户，实现基于互联网和数据的分类施策，而非人为割裂普惠金融和财富管理，为金融机构降本增效。

▲智能投顾：投资界的AlphaGo阿尔法狗+管家式智能财富管理中心。

智能投顾是人工智能技术与金融服务深度融合的产物，最早诞生于2008年美国，即遭遇了全球金融危机的洗礼。美国智能投顾行业的资产管理规模预计到2020年增至2.2万亿美元，占据全球10%的财富管理市场。

腾讯、京东、阿里等互联网科技巨头依托庞大的用户行为数据和大数据分析能力，以APP、H5界面为入口提供智能投顾服务。银行、券商、基金、保险等传统金融机构依托已有的风险控制系统，利用本公司及关联公司的产品来开展智能投顾服务。独立的第三方智能投顾平台倾向于为用户提供全球化资产配置方案.

▲ 中美智能投顾发展。

2008年金融危机后，美国传统金融机构忙于应对公众信任危机和严苛监管，Betterment、Wealthfront等智能投顾创业公司成长起来，通过互联网信息技术，降低投资门槛，为用户提供个性化、低费率、透明化、便捷化财富管理服务，成为了行业清流。受益于人口结构变化、人工智能技术、监管法规等因素，智能投顾管理规模从2010年以来复合增长率超过80%，2020年将达到1.6万亿美元。

我国居民家庭财富稳步增长，中等收入人群日益扩大，财富管理市场空间巨大，但投资渠道稀缺，经过一轮P2P市场洗礼，互联网理财开始广泛被接受并且流行，同时大众风险意识也有所提高，年轻一代对互联网财富管理更加认同。在这个背景下，2014年底智能投顾概念开始引入我国，随后大量科技创业企业开始出现，2015年下半年以后传统金融机构也大力布局智能投顾方向。

▲ 长尾用户规模大，智能投顾在中国未来可期。

2020年《政府工作报告》提出，中国人均年收入是3万元，但是有6亿人每个月的收入也就是1000元。另外，中国缴纳公积金的人群只有1.4亿；中国大学生的比例只有8%；中国有5.5亿农村常住人口；2019年中国人均可支配收入30773元，人均可支配收入中位数26523元。我国过亿的市场主体绝大部分是小微企业。

图片来源：网络

长远看，我国经济高质量发展和精准扶贫、全面小康、数字化普及进程中，长尾客户始终是支撑智能投顾快速稳健发展的主要动力。预计到2022年，中国的智能投顾管理资产总额将超6600亿美元，用户数量超过1亿，行业空间巨大。

例如，蚂蚁聚宝理念是“让理财更简单”，单笔投资金额1000元及以下用户占比71%，90%的用户有过风险认知与实际投资行为不匹配情况；大部分用户不懂得分散投资，同时投资2只及以上基金用户仅30%（该数据不含余额宝）；人均基金持有时长仅48天（该数据不含余额宝），缺少长期投资心态；80后、90后用户占比86%；90、95后用户占35%。

蚂蚁聚宝到蚂蚁财富升级：一站式移动理财平台打造平台金融科技的组合拳从以基金销售为主的平台，变成主打综合理财应用，目的是打造与各种金融机构嫁接的平台金融科技，打造自己的金融生态。

▲ 中小银行智能投顾策略：暂缓定制 抱团发展 借道发展 暗度陈仓。

对中小银行而言，单一金融服务功能无法满足客户多样化金融产品组合需求，造成客户流失。在同业异业竞争中，因为无法推广和运行智能顾投，大量业务处理通过人工进行，成本高企。由于缺乏智能顾投等科技支撑，业务处理效率、处理质量落后于竞争对手，使客户丧失对中小银行信心。缺乏智能投顾等技术支撑，只能固守传统阵地，在金融创新业务缺乏话语权和主导权，处于跟随状态，捡竞争对手不愿做、剩下业务，难以做大做强和抵御风险。

来源：消费新时代研究资讯

量化投资将改变低效的投资交易行为

现如今股票、外汇、证券等金融市场的可投资产品正随着社会的壮大和企业的进步变得复杂，可选择的投资产品数量越来越多，为了在数量多且复杂的投资项目中选中有发展潜力的产品，以计算机强大计算能力为基础建立的量化投资就出现了。此外以量化投资为中心发展起来的还有程序化交易、算法交易、高频交易、智能交易,特别是入金外汇金融盛行，很多的朋友都在以不同的方式方法来接触外汇EA以及程序化交易。 什么是量化投资？

量化投资是将人们总结出的投资思想，利用现代统计学、数学的方法，形成若干可运算测量的数学模型，并借助现代计算机技术在海量历史数据中对模型进行验证，以寻找到能够带来超额收益的多种“大概率”模型，然后再纪律严明地按照这些策略所构建的数量化模型运算结果来指导投资。 量化投资是在怎样的市场环境中建立的? 首先，不论股市还是汇市，其价格归根结底是由市场参与者的情绪、国家的经济情况和市场交易行为共同决定的，价格的形成是所有参与者共同作用的结果，其中包含很多理性和非理性因素。其次，人们对股市或者其他事物的认知过程，是有规律可循的。这种规律的存在，为数量化模型建立提供了可行性的依据。而实现量化投资的必要条件就是将这些规律形成数学模型，并以历史统计为支撑来从中挖掘出大概率的策略模型，来对将要发生的行为进行预测。

量化投资为市场带来哪些变化?

以量化投资为基础建立的交易系统即是程序化交易，量化投资的特点是能够将交易行为模型化、流程化、程序化，这些也是程序化交易系统的特点。 数据模型是量化投资的灵魂，而模型来源于历史数据，并经过历史数据验证，以成功概率数据作为支撑，具有可操作性。 将交易流程化，流程是量化投资的命脉。一套纪律严格的交易系统，需要完善的管理流程来保证从输入到产出的一体性，从模型挖掘、模型测试、模型开发、模型应用模拟、模型实战、模型反馈六个环节去管理整个流程。 将交易行为系统化，交易系统是量化投资的骨骼。量化投资，需要一套强大的分析计算平台，用于管理量化投资的整个流程；同时还需要一个分析团队对交易系统转化成代码、测试、复盘，最后需要计算机来处理大量的交易信息。将人工交易行为转化成模型，应用于特定的行情，根据模型进行投资决策，排除人为主观因素的干扰是量化投资最大的特点。

中国投资市场需要量化投资?

中国的人口基数决定了每个行业领域的人数都比国外市场要多要复杂，包括外汇投资、股票等行业，数据显示，但截止2009年6月，中国定量投资规模总量约187亿，在全部基金管理规模中占比尚不到1%。而在美国定量投资约占全部主动股票投资的30%，可见中国投资者更相信低效率的手动交易结果。量化投资在中国尚处在起步阶段，还有非常大的发展空间，为了跟上世界的步伐，量化投资在中国市场发展并逐渐成为主要交易手段是不可避免的趋势。

文章来源：搜狐财经

什么是量化交易天堂还是地狱？

量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。在国外的期货交易市场，程序化渐渐地成为主流，国内则刚刚起步。今天我们就来分析一下它的优势和劣势。

量化交易到底有何种魅力?

所谓量化交易，是指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，减少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。

量化模型=计算机技术+量化分析师制定策略

在股票市场上，量化交易早不是什么新闻，量化从业人士张威告诉人民创投(ID：renminct)，在国外七成的交易都是通过计算机决策的，在国内这个数字也接近五成。

过去的股票市场都是靠交易员手动敲键盘来操作的，难免一失手成千古恨，这种行为被戏称为“胖手指”，相比之下，量化交易则如同点石成金的“仙人指”。量化里最美的童话就是“旱涝保收”，牛市也好，熊市也罢，都能大赚特赚。

传统股市量化中最耀眼的明星莫过于詹姆斯西蒙斯，其一手缔造的大奖章基金自1988成立至2009年西蒙斯退休的这21年间，年平均收益率达到了惊人的46%，即使是2007年次贷危机席卷美国，量化基金遭遇滑铁卢的时代，大奖章基金依然获得了骄人的73%的回报率。

量化投资中常用的策略，包括阿尔法策略，CTA策略和套利策略。阿尔法策略通过选股组合，挖掘超越市场整体表现的投资机会;CTA策略通过追随趋势，追涨杀跌;套利策略利用市场价格差异，空手套白狼。每个量化投资策略都是个黑盒子，它们是量化公司的量化投资的核心竞争力，其他外部人无法知道其中的秘密。

旱涝保收，坐收渔利，这样的“黑科技”让币圈的投资者也分外眼红。一家量化交易企业的创始人这样描述自己转行数字货币量化交易的经历：“两年前，炒币的朋友经常24小时看行情，搞得精神疲惫，问我如何在数字货币领域实现量化、程序化交易。他们提供了一个比较简单初级的模型，希望我在它的基础上扩展改造，增加风险管理模块。”

现在大大小小的数字货币量化交易团队采用的量化策略与传统外汇市场、期货市场用来做套利的策略虽然大体相似，可也玩出了新的花样，搬砖就是一个典型。搬砖学名“配对交易”，是指同类型股票或同股异地股票根据价值分析以及股价相对比例相互置换的一种套利方法，由于政策原因，同股异地搬砖并不常见，但在数字货币市场，大大小小的交易所数不胜数，不同交易所之间的价格也常有差异，利用价格差低买高卖，就成为数字货币量化中最简单粗暴的盈利方式。

量化交易的优势

1. 严格的纪律性

量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

2. 完备的系统性

完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型;其次是多角度，量化交易的核心投资思想包括宏观周期、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;再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

3. 妥善运用套利的思想

量化交易正是在找估值洼地，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。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票;与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

4. 靠概率取胜

这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

量化交易的风险性

首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出;另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

这个平台犹如币圈的一个缩影，每一个人都心惊胆战地伏在荷官的膝下，聆听骰子撞击的声音，殊不知荷官才是他们中的头号玩家。“职业投资者都知道有庄家”，张威直言。多数的量化平台可能会推出更复杂的止损策略和更出色的套利机制，但除非平台拥有足够雄厚的资本成为游戏的庄家，否则就只有被收割的命运。

量化作为工具，或许无可厚非，但许多数字货币基金以“量化”为名，公开募集资金，行走在法律的边缘。中国人民大学教授赵锡军认为，金融行业和其他行业不同，参与金融活动，动用的是别人的钱，发生风险，别人会有损失，因此政府需要更加严格地监管。

量化交易一念天堂，一念地狱。小编在这里希望广大投资者切莫游走在法律的边缘，以身试法，否则等待你的将是法律的制裁。

文章来源：聚富财经

DAFEX达菲金小雅科普：什么是智能投顾？

“智能投顾”源自美国，目前发展最成熟的地区也是美国。2010年智能投顾公司Betterment在纽约成立，壹年后Wealthfront公司在硅谷成立，智能投顾正式诞生。从2013年开始，两家公司的资产管理规模呈现了惊人的增长，到2015年底，Wealthfront拥有了约29亿美元的资产管理规模，而Betterment则超过了30亿美元。自此，华尔街掀起一股智能投顾的热潮。

图片来源：网络

所谓“智能投顾”，原名为”Robo-Advisor”。根据Investopedia的定义，Robo-Advisor是指：提供自动化，并主要以算法驱动的财务规划服务的数字化平台。典型的Robo-Ad-visor通过在线调查收集客户的财务状况和未来理财目标等信息，然后使用数据提供建议与支持客户投资。

和传统投顾相比，智能投顾最大的特征有三：

一、门槛低

二、费用低

三、高效率。

主要面对需要投顾服务，却又不具备聘任私人投资顾问的中产阶层提供服务。依据其他先进地区的案例，中产阶层也是主要接受智能投顾服务的对象。

但需要注意的是，智能投顾并不代表不会亏钱。“智能（自动化）主要是体现在投资人与实现交易过程的自动化，而不是有什麽保证赚钱的投资策略或工具。在一个投资理财的过程中，能体现智能的环节有三个：

一、投前：运用智能技术提供自动化投资风险倾向分析、导入场景化需求、投资人理财目标分析等。

二、投中：实现自动化分仓交易、交易路径的最大效率或最小成本算法、以及比对市场动态所衍生的交易策略等等。

三、投后：自动化帐户净值跟进、自动调仓提示、智能客服、与其他可预先设定场景的服务规划等等。

但是，市场上很多号称提供智能投顾服务的机构，投资人要怎么选择跟判断哪个是真正的智能投顾呢？这边也提出一些原则给大家参考：

一、智能投顾必须具备可以量化的算法逻辑，而且可被复现、被追踪、被验证。

二、智能投顾必须藉由标准化金融产品实现，因为只有标准化的金融产品具备可公评的净值，也才能真正实现理财目标的跟进与监测。

主持智能投顾的团队必须兼具金融专业与技术实力，特别是对正统金融行业的经验与深度理解，否则很容易走偏正道，危害投资人的利益。

来源：金色财经

如何选股

如何选股？

股民的必修课

        选股，是每个股民必修课。他们怀揣着一天一个板的梦想入市，却总被现实无情打脸。每天忙于股票买卖，却对自己买卖的公司知之甚少，到头来亏损比比皆是......说到底还是掌握的知识太少了，听到别人说什么好，就买什么，根本没有自己的判断和行之有效的选股方法~

常见的选股方法

        那么该如何选股呢？决定股价长期表现核心因素是价值，主要由公司业绩、其所处的行业和市场价值决定。股价短期的表现取决于市场资金、板块强弱和交易情绪。因此选股也有三大经典流派：价值派，机构派，技术流。价值投资一般选择股价与其价值相比被市场低估、业绩持续增长，所处行业持续向好的个股进行长期持有。机构派主要通过追踪主力资金如基金、社保、QFII、知名游资营业部等的持仓动向来发现他们看好正在持仓的股票，跟随操作。技术流则是通过对技术指标、成交量、K线图等进行分析找出股价上升前的各种形态：底部转折、横盘突破、持续走高形态...,以期把握股价的上升波段。

        但对初入市场的交易者来讲，他们最常做的就是“消息性”选股：只是因为听到某某消息某某新闻某某人说这只股票好，不假思索，大举杀入，往往这类股票短期波动巨大，致使他们追涨杀跌，是股民赔钱的头号杀手。

找到自己的选股风格

        无论价值选股、机构选股还是技术选股，投资者要结合自己的风险承受能力和交易习惯选择适合自己的选股方法，而这些选股方法可以单独使用，也可以相互组合使用，来提高交易胜率~接下来这三类选股方法常用选股原理和选股因子设置，我们在后面的各期“智投小贴士”中会详细介绍，请大家注意关注哦！

量化交易的风险与特点

　　量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

　　量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

　　1. 严格的纪律性

　　量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

　　2. 完备的系统性

　　完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、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；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

　　3. 妥善运用套利的思想

　　量化交易正是在找估值洼地，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。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

　　4. 靠概率取胜

　　这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

       量化交易的风险性首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

　　一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

　　由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

　　又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

　　第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

文章来源：MBA智库