（8.16日）沪指震荡回落跌0.82% 房地产、券商股逆势活跃。详情点击

来源：网络 发布时间：2023-08-16 16:31:18 点击量：

沪深三大股指16日早盘表现分化，沪指探底回升，创业板指持续调整；午后三大股指集体震荡走跌，最终大幅收跌。从盘面来看，房地产板块逆势大涨，天房发展、京投发展、渝开发、大龙地产等集体涨停；城镇化概念股午后拉升，山水比德、苏州规划涨超10%；券商股继续活跃，华林证券涨停，首创证券大涨7%，股价创出历史新高。下跌方面，AI概念股集体走低，科大讯飞午后触及跌停，金山办公跌超7%。此外汽车、半导体、减速器等板块陷入调整。

截至收盘，沪指报3150.13点，跌0.82%，成交额3036亿元；深成指报10579.56点，跌0.94%，成交额4006亿元；创业板指报2132.97点，跌0.73%，成交额1887亿元。

一什么是量化

量化投资方法跟普通投资者的投资不同，量化投资是通过先进的模型代替人为的主观判断，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，极大的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。（简单的说量化是实现交易的工具）

二量化投资的特点

1、纪律性：根据模型的运营结果进行决策，而不是凭感觉。

2、系统性：表现为三多，多层次、多角度、多数据。

3、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。另一方面是依靠组合资产取胜，而不是单个资产取胜。

三量化交易的发展历程

量化交易的发展已经有一定的历史历程，在这里主要以国内量化交易发展历程为主：

1、中国量化交易一开始集中在商品期货的程序化交易，比如TB开拓者、金字塔等；

2、2011年，股指期货上市后出现了股票量化对冲；

3、2012年-2014年跨越式发展阶段，很多公司的管理规模达到100亿；

4、2014年底的大幅回撤让很多股票对冲损失惨重；

5、2015年股指大幅升水，让这些产品可以通过股票股指套利来挽回损失。

6、2016年是CTA的好年份，很多新型的基于统计模型和机器学习的量化CTA展露头角，传统的TB、金字塔等本土流派也获得大丰收，没出现零和博弈互相绞杀的情况。

7、2016年著名的11.11行情之后，很多CTA都开始大幅回撤，至2017年5月22已经超越了半年。

8、2017年总体表现平淡，市场偏重白马龙头，价值投资显现，个股分化严重。

9、2018年黑天鹅频现，市场充满不确定性，量化投资经历了上一年的低谷之后，有望重现机会。

四量化交易需要具备的能力

1、系统平台的使用操作

用户选择某个交易平台后，平台软件的使用一定要熟悉，具体涉及到菜单内容以及具备的功能等，这些都是前期必须具备的。

2、编译程序语法撰写

做量化交易就一定会涉及到编程，无论你使用哪种技术语言都会涉及到编程，用户可根据所选择平台提供的说明进行参考学习。

3、对于素材的理解程度及运用

对于各种指标或者均线等基础性的材料，每个人的思考和操作风格不同，对素材的理解程度和运用方法也会各不相同。

4、交易策略营造与逻辑分析

主体对策略整个的构建需要思考判断，在技术分析和形态分析中运用一些技巧，整体交易逻辑需要进行完善，涉及进场、出场、过滤、风险管理等需要有完整的逻辑思考。

5发现问题和改良模组的能力

熟悉平台过程中会发现一些问题，需进行及时改良。

五量化交易常见的问题

1、 脚本可读性不佳

写策略的过程中，同样两个人写，A可能写的简单，B写的复杂，但发现功能是一样的，可读性佳就是用最简单直接的方式，当然我们可以采用模块化的开发，这样有利于后续新策略编写、修改等。

2、素材的选择与运用尚未醇熟

对技术指标，对自己要使用的东西如果理解的比较透彻，对后期开发自己的指标有很大的帮助。

3、策略结构及逻辑周延性不足

对于策略，如果交易结构完善的话，出现趋势的时候必然可以抓住机会，如果不完善的话，很容易错失大趋势。

4、修正改善时未能掌握重点

5、难以找出隐藏的BUG

语法上架构需要熟悉，编程过程中难免会有BUG，开发的过程中要认真仔细找出所有可能会出现BUG的地方。

（以上资料全部来自网站公开信息，不构成投资建议）