原文：A brief introduction to algorithmic trading
编译：Aslan
来源：头等仓
近年来，算法交易越来越受欢迎。事实上，据统计，量化对冲基金行业在2018年管理的资产超过1万亿美元，几乎是10年前的两倍。
在数字化和机器学习的时代，投资界对量化投资过程的方法越来越感兴趣。越来越多的传统投资管理公司聘用数据科学家和机器学习专家，希望采用严格的科学方法投资，从而提高收益率。
在本系列的文章中，我将带领你了解鲜为人知的算法交易行业内部的工作秘密。
起源
量化投资的理念绝不是最近才出现的，它们很可能源自哈里•马科维茨（Harry Markowitz）的著作。在1952年发表于《金融杂志》（Journal of Finance）的开创性论文《投资组合选择》（Portfolio Selection）中，马科维茨介绍了应用数学模型解决最优投资组合配置的思想。
自那以后，由于过去二十年技术爆炸性增长，出现了许多先进的算法。随着计算能力的提高，越来越多的数学家和计算机科学家开始从事科学投资，每天都在开发更复杂的模型。
要理解算法交易，或许最好的起点是它要解决的问题本质：增加收益，降低风险。
虽然在随后的文章中我们会详细地讨论这两个概念，但有一点，问题的核心一直是优化，从数学的角度来看，算法交易必须依赖于科学！
整个量化投资流程都服从于优化原则，仔细想想，是不是任何一家企业都是如此？
问题的关键是如何预测收益和风险？
这就是量化交易员和研究人员要做的：预测收益和风险。量化的方式因地制宜，但目的一致。
预测风险和收益
交易员和研究人员如何做出他们的预测？有很多方法，一种是统计分析金融资产的价格，一种是分析替代数据集。
替代数据集的一个著名例子是大型零售商停车场的卫星图像。如果停车场停放很多车，大量人群购物，公司的利润将会更大！
上例属于消费者行为类别，还有许多其他类别。替代数据行业在过去十年蓬勃发展，截至
猜你喜欢
文章评论
冷萃财经原创，作者：Awing，转载请注明出处：https://www.lccjd.top/2020/07/02/%e4%b8%80%e6%96%87%e4%ba%86%e8%a7%a3%e7%ae%97%e6%b3%95%e4%ba%a4%e6%98%93%e7%9a%84%e7%a7%98%e5%af%86%ef%bc%8c%e9%a2%84%e6%b5%8b%e9%a3%8e%e9%99%a9%e5%92%8c%e6%94%b6%e7%9b%8a/
支付宝扫一扫打赏
文章评论