量化自動交易,是從上個世紀70 年代的美國證券市場上的系統化交易發展逐漸演變而來的,依據美國紐約證券交易所（NYSE）的定義,凡是任何含有標普500 指數中15 只股票以上,或者是一百萬美元以上的交易,都屬于量化自動交易。

NYSE的定義主強調的是交易規模和集中性。然而量化自動交易發展到今天,其含義已經遠遠超出了紐約證券交易所當初的定義。現在給量化自動交易一個更為市場化的定義:由一定的交易模型和規則生成的買賣信號,由計算機自動執行買賣指令的交易過程。也就是用計算機程序來控制買進賣出的時機并由計算機自動執行。在這個定義當中,突出的是交易模型、計算機程序對交易的重要性。建立在一定交易模型基礎上的量化自動交易被運用到真正的投資當中,除了可以加快投資的時間效率,還能為我們創造出額外收益,這是我們所要研究量化自動交易的關鍵。 量化自動交易有交易效率高、幫助投資者規避人性弱點、便于交易中風險及成本的控制及管理、能把握市場中的精細機會等優點。

量化自動交易的應用領域主要有趨勢交易、組合管理、套利交易及其他量化策略等。國內推出的股指期貨也對國內量化自動交易領域形成推動,跨期套利、期現套利、期指趨勢投機等各種交易策略將會被集中使用。 從交易機制上來說,量化自動交易不但可以以技術分析類模型為基礎,也可以以預測類模型為交易準則。 技術分析類模型是目前量化自動交易中的主流模型,在國外這種模型已經運用得比較成熟了,在國內商品期貨等市場應用的也不較多。技術分析類模型出現的最大缺點就是具有滯后性,但準確性相對較高；預測類模型雖然克服了滯后性這個缺點,但準確率相對要低點。

隨著市場上對預測類模型研究的深入以及對該類模型的改進,該類模型的預測準確性正在不斷提高,這也是該類模型在量化自動交易中的運用前景看好的原因之一。越來越多的研究表明當前投資市場并不是完全有效的,投資者試圖通過對股價的預測獲取超額收益。國內外對股票價格進行預測的模型類別很多。根據其建模理論不同,可將這些預測模型劃分為兩大類:一類是創新類模型,建立在現代數學、生物技術等學科發展的基礎上,如灰色模型、人工神經網絡等；另一類是以統計原理為基礎的傳統預測模型,如馬爾柯夫鏈模型、ARIMA 模型等。

{來源 m.weiqiv.net.cn }