今日（1.9日）三大指数小幅反弹 旅游、机器人概念股集体走强。详情点击

来源：网络 发布时间：2024-01-09 15:03:10 点击量：

市场全天震荡反弹，三大指数均小幅上涨，沪指盘中一度创出阶段新低。盘面上，旅游、冰雪产业概念股持续活跃，长白山6连板，大连圣亚5连板；户外用品概念股午后走强，浙江自然、绿茵生态涨停。机器人概念股开盘大涨，百胜智能、新时达、爱仕达、泰禾智能等10余股涨停。光伏、锂电池等新能源赛道股一度反弹，嘉寓股份、锦浪科技涨超10%，爱康科技、京山轻机涨停。

下跌方面，信创概念股陷入调整，中国软件接近跌停。总体上个股涨多跌少，全市场超3400只个股上涨。沪深两市今日成交额6742亿，较上个交易日放量166亿。板块方面，旅游、机场、机器人、公路铁路运输等板块涨幅居前，鸿蒙概念、国资云、数据要素、消费电子等板块跌幅居前。截至收盘，沪指涨0.2%，深成指涨0.27%，创业板指涨0.37%。

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。便于理解的说，量化交易主要是做这样的事：

1.从一个灵感开始

灵感就是指那些你想验证的可能会盈利的方法，比如银行股可能是良好的投资品种、一旦跨过20日均线后股价会继续涨、流传许久的羊驼交易法等等。灵感获取的方式可以是阅读、听人说、自己悟等等。

这里我们以一个简单的情况为例进行讲解。比如你的灵感是这样的：

如果股价显著低于近几日的平均价，则买入

如果股价显著高于近几日的平均价，则卖出

现在，你想知道这样操作究竟会不会赚钱？

2.把灵感细化成明确的可执行的交易策略

一般灵感都很模糊，需要将其细化成明确的可执行的策略，目的是为了能得到确定的结果，以及为后续程序化准备。比如，你通过阅读了解到索罗斯的反身性概念，想将它应用到股市，这个反身性就很模糊，就需要明确什么条件下买卖，买卖什么品种，买卖多少量等，从而形成一个明确的交易策略，让不同人根据你的描述在相同情形下都能做出相同的操作。

继续以之前那个关于平均价的灵感为例：

如果股价显著低于近几日的平均价，则买入

如果股价显著高于近几日的平均价，则卖出

显然它是不够明确的。比如多低叫显著低于？多高叫显著高于？近几日究竟是几日？买入卖出是买卖多少？我们把它细化：

如果股价低于近20日平均价10%，则用全部可用资金买入

如果股价高于近20日平均价10%，则卖出全部所持的该股票

还有一点不明确的地方，买卖哪个股票呢？我们认为这个交易方法盈利与否应该跟交易哪个股票关系不大，但st股票除外（知道st股票是一类有风险特别大的股票就好，详情请百度），所以股票的选择范围是除st股外的国内A股的所有股票。所以我们进一步细化：

每个交易日监测是除st股外的国内A股的所有股票的股价

如果股价低于近20日平均价10%，则用全部可用资金买入该股票

如果股价高于近20日平均价10%，则卖出全部所持有的该股票

现在我们基本已经把之前的灵感细化成明确的可执行的交易策略。当然，可能还有些地方不够明确，也可能有些细节还不确定要改动，这些可以随时想到随时再改，不必一次做到完美。

3.把策略转成程序

就是把明确后的策略通过编程转成程序，好让计算机能根据历史数据模拟执行该策略，以及能根据实际行情进行反应并模拟交易或真实交易。

简言之，就是把刚刚的策略翻译成计算机可识别的代码语言，即把这个：

每个交易日监测是除st股外的国内A股的所有股票的股价

如果股价低于近20日平均价10%，则用全部可用资金买入该股票

如果股价高于近20日平均价10%，则卖出全部所持有的该股票

写成类似这样的代码（下面的代码并不完全符合，只是展示下大概的样子）：

def initialize(context):

g.security = ['002043.XSHE','002582.XSHE']

def handle_data(context, data):

for i in g.security:

last_price = data[i].close

average_price = data[i].mavg(20, 'close')

cash = context.portfolio.cash

if last_price > average_price:

order_value(i, cash)

elif last_price < average_price:

order_target(i, 0)

这样一来，就把刚才细化好策略转成了代码程序，计算机就能运行了。这个过程你可以理解成用计算机能听懂的语言（代码），把你的策略告诉给计算机了。

4.检验策略效果

现在计算机理解了你的策略，你现在可以借助计算机的力量来验证你的策略了。基本的检验策略方法有回测和模拟交易两种方法。

回测是让计算机能根据一段时间的历史数据模拟执行该策略，根据结果评价并改进策略。继续之前的那个均价的策略例子的话就是这样的：

定初始的虚拟资产比如500000元、一个时期比如20060101到20160101，把这一时期的各种数据如估计股价行情等发给计算机，计算机会利用这些数据模仿真实的市场，执行你刚才告诉它的策略程序。最后计算机会给你一份报告，根据这个报告你就会知道，在20060101的500000元，按照你的策略交易到20160101，会怎样？一般包括盈亏情况，下单情况，持仓变化，以及一些统计指标等，从而你能据此评估交易策略的好坏。

如果结果不好，则需要分析原因并改进。如果结果不错，则可以考虑用模拟交易进一步验证。

模拟交易是让计算机能根据实际行情模拟执行该策略一段时间，根据结果评价并改进策略。与回测不同，回测是用历史数据模拟，模拟交易使用实际的实时行情来模拟执行策略的。举例就是这样：

设定初始的虚拟资产比如500000元，选择开始执行模拟交易的时间点，比如明天。那么从明天开始，股市开始交易，真实的行情数据就会实时地发送到计算机，计算机会利用真实的数据模仿真实的市场，执行你的策略程序。同时，你会得到一份实时更新的报告。这报告类似于回测得到的报告，不同的是会根据实际行情变化更新。同样你能据此评估交易策略的好坏。

可见，回测是用历史数据模拟执行策略，模拟交易是用未来的实际行情模拟执行策略。如果策略在回测与模拟交易的表现都非常好，你可以考虑进行完全真实的真金白银的实盘交易。

5.进行实盘交易并不断维护修正

实盘交易就是让计算机能自动根据实际行情，用真金白银自动执行策略，进行下单交易。注意，这时不再是用虚拟资产模拟交易，亏损和盈利都是真钱。实盘交易一般也会给出一份类似模拟交易的会不断更新的报告，从而不断要观察策略的实盘表现并及时调整与改进策略，使之持续平稳盈利。

(风险提示：以上信息全部来自网络公开资料，不构成投资建议）