量化交易。顾名思义，就是指把投资决策过程中的主要步骤进行量化处理，每个主要步骤均有一个或者几个量化模型，依据将金融市场中各种相关因子输入模型中获得的结果作出投资决策。

量化模型在投入应用之前已通过历史数据的检验(实际上大多数量化模型的建立就是在历史数据的基础上获得的)，“历史会重演”以及“是因为某些因素会造成‘历史惊人的相似’的现象”是量化交易的重要理论依据之一，不过，还必须经过现实实践的测试和检验，而且检验、测试应该要有一定的广度和深度。这与医学上的临床检验有些类似。此外，在运用过程中还要不断地修正和优化。

量化交易以模型为主体，采用大量数据，而且在相当大程度上用计算机一种的交易方式。

量化交易成功的关键在于模型的设计好坏，设计的好坏主要由模型设计者对市场的洞悉。模型构建的了解以及模型实践经验来决定的。

一般交易者买卖股票，主要是根据政策、基本面、市场以及技术等各种信息和经验来作出交易决定，这些因素则属于主观判断，并且通常容易受到情绪的影响。量化交易是将投资思路通过设定的指标、参数体现在量化模型上，通过计算机系统自动进行买卖股票，所以，量化交易的关键点就在于建立一个好的量化模型。

1.量化交易建立模型的原则

第一条原则是:必须保密。

假如说一个模型可以从市场上赚到的利润是一个定额。那么非常明显，应用的人越多，模型的寿命就越短。

这就难怪华尔街的量化交易员都对此讳莫如深，打死也不说。因此，对模型设计的参数必须保密。

第二条原则是:建立的基石必须要牢固。

模型的基石是什么?就是设计模型的原始思路。每一个模型，必须要抓住了市场的某一个规律。因此，你需要问自己，这个规律是长期存在的，还是有局限性的短期存在。

例如，在交易很低迷的时间段，依据窄幅震荡的特征设计了一个高抛低吸模型。一旦行情的特征发生改变，则这个模型很明显就不适应。模型必须建立在石头上，而不能建立在沙堆上。因此模型建立的基石必须要牢固。

第三条原则是:定期维护和升级。

有一个著名的投资家说过。模型就犹如女人一样，必须定期维护和升级。

尽管你找到了一个可以长期存在的市场规律。比如，上涨多了总是要下跌，下跌久了总是要上涨，该规律是长期存在的。然而，在不同的时期，具体的表现却可能不一样。

假如说，某段时期是上涨8%就下跌，某一段时期很有可能是上涨5%就下跌。

这便涉及参数的优化问题。

每隔一段时期，将新行情的数据加进去之后进行整体优化。

第四条原则是:必须有多种模型组合。

不管如何，单一个模型走天下是不可持续的。所有量化交易者均认同这一点。因此，不同模型之间的组合相当重要。

当模型1出现回撤的时候，可能模型2正在盈利，这时整个模型组合的净值曲线就会相对平稳许多。可以是不同周期的模型组合，也可以是不同策略的模型组合。甚至可以是不同品种的模型组合。

总的来说，交响乐比独奏好。因此，必须建立多种模型组合。

2.量化交易模型的建立方法

(1)先必须建立股市信息统计分析的基础，从大量的数据中通过数据挖掘寻找到赚钱股票的内部联系，找出入市点和退出点的基本特征。有些很简单的统计分析就能够发现规律，有些复杂的模型，需要运用到数理统计的聚类分析等算法、人工智能以及最大信息摘等很多种理论。当然，说一句实话，简单的模型大多不好使用，由于这个世界聪明的人太多，都可以发现的模型，估计有效性就不够。这也是为什么有效的模型，运用的人越少，就越有效。

(2)量化交易模型进行历史数据的模拟验证。两个星期能够达到5%的收益，至少要达到所有历史数据(包括历史上的所有时期，不仅仅包括牛市数据，而且也包括熊市数据)有效率超过8O%。这是西蒙斯对模型有效的最基本要求。当然，你也可以设计出一个模型，每个星期赚10%。西蒙斯曾经尝试过这个模型，看似很难有很高的成功率。对模型来说，交易稳健也非常重要。因此，只有降低了收益率，才能提高交易的成功率。事实上，稳健获利的交易模型，为你交易带来最后实际的成功率，通常来说远远高于5%。

(3)如果你的量化交易模型在实验过程中盈利的成功率超过80%，你就能够进行实战模拟验正了。通过3个月实战模拟验证，再对操作中模型出现的问题加以修正。假如模型能让你lO笔交易的胜率超过8笔以上，那么你就能够加仓。

(4)在实战中监控量化交易模型。假如某一个阶段连续发生模型3次交易失败的事情，那么就要停止操作，必须重新观察模型，并且分析模型失败的原因。应该重新回到步骤(l)。着手修正模型，再重新进行步骤(2)-步骤(4)。