基础知识
前言
本文为了通俗易懂性会牺牲严谨性，由于本人对时序（择时）和截面（选股）策略接触比较多，所以着重介绍一下这两类型策略作为。
什么是量化交易
量化交易（Quantitative Trading）是指利用数学模型和统计分析进行证券交易决策的方式，通过计算机程序自动生成或执行交易指令。
一个简单案例：某股票当日收盘价突破10日均价，则买入。这就是一个量化策略。
量化交易具有客观性：不同的人只要用了同一个数学模型，那他们作出的交易决策是完全一样的。
量化交易是一个很庞大的领域，具有众多的方向，有套利，择时，选股，事件驱动，做市，板块轮动，按频率分又有高频，低频等，按模型又分为机器学习等非线性模型和线性模型
什么是因子
我们买房的时候会根据各种因素给它估价，比如是不是学区房，离地铁多远，在哪座城市，面积多大。这些因素（机器学习中也叫特征）就是因子。
在这个过程中，我们本质上是将一堆变量输入模型（人脑），然后输出一个价格。
那么在量化交易中本质上是一样的，只不过这些变量换成了市值，收盘价，成交额等因子，输出的则是股票的涨跌幅
择时（时序）策略
择时策略，就是在时间序列上，对某个标的根据过去的一些因子，历史数据，来预测它未来是涨是跌。
一个经典的择时策略：如果收盘价上穿20日均线，则买入。下穿则卖出
代码实战：单均线策略-双汇发展-20日均线
想必有不少读者跟我一开始的想法一样，为什么用20日均线，不用10日均线，30日均线，偏偏用20这个参数？
这也引出了择时策略的一个弊病，不同参数的效果差别很大
横轴是从0-800的不同参数，纵轴是净值。这个图叫参数平原。我们可以看到，不同参数的净值结果差别会很大，可以差好几倍。
此外，择时策略的有效性也是没有那么强的。因为本质上预测未来涨跌是很难的事情。一个很简单的例子：从历史数据中是很难预测到特朗普会发什么推特，产生什么影响的。
截面（选股）策略
这里非常推荐阅读德邦证券小市值专题之一
还有这个up主也讲的很好：https://b23.tv/RHt1hSI
小市值策略可以说是最经典的一个策略了。
具体操作就是，每个月第一天，把所有股票按市值从小到大排名，买入市值最小的30只股票，本月最后一天卖出全部股票。以月为周期如此循环往复
代码实战: 讨论下大家正在实盘的策略
上述案例中，我们是用市值作为预测依据，我们认为市值越小的未来越容易涨，所以给它更靠前的排名，然后买排名最靠前的30只股票。可以看到，这里与择时策略产生了巨大的不同，我们预测的不再是股票未来的涨跌幅，而是它未来的涨跌幅的排名。
我们买入一个股票不是因为它未来会涨，而且因为它未来会比别的股票表现的更好（涨的时候涨的更多，跌的时候跌的更少）并且由于买的股票数量很多，它的参数平原会很稳定。
单因子与多因子策略
上面讲的策略只用到了市值这一个因子，所以我们称之为单因子策略。
所谓多因子策略，就是用市值，成交额，价格等多个因子算出一个指标（指标越小或越大代表未来表现会越好），再对这个指标进行排名，买排名靠前的30只股票。
由于用到了多个因子来进行预测，所以它成为多因子策略。
多因子策略根据计算方式不同又有线性和非线性之分：
线性策略：通过对各个因子线性计算算出指标进行排名。如：将各个因子求rank后赋予不同的权重相加
非线性策略（机器学习）：将各个因子输入模型（常为树模型），经过模型的运算后输出指标，根据指标进行排名选股
中性策略
Beta与alpha：我们一个人的成就取决于个人和行业。行业是否处于上升期，以及个人能力能超越行业平均水平多少，共同决定了我们最终的成就。行业影响的那部分是beta，个人产生超额的部分是alpha。
换在交易中，上涨时大盘涨多少就是beta，个股（策略）比大盘多涨多少就是alpha。下跌时大盘跌多少就是beta，个股（策略）比大盘少跌多少就是alpha。
做空可以简单理解为股票下跌赚钱。原本买了（做多）股票后，股票下跌10%，我们就亏10%。假设做空股票，那么股票下跌10%后，我们就赚10%。
中性策略，通过同时做多策略和做空大盘对冲了大盘的影响，大盘涨跌幅不再影响策略收益，所以称为中性策略（对beta保持中性）
市场上涨时：策略比大盘涨的多，做多策略赚钱，做空大盘亏钱，前者赚的比后者亏的多，还是赚钱的
市场下跌时：策略比大盘跌的少，做多策略亏钱，做空大盘赚钱，前者亏的比后者赚的少，还是赚钱的
这是原始的小市值策略：
可以看到最大回撤54%，是比较大的
现在一半仓位跑策略做多，另一半仓位做空中证1000股指期货，构建中性策略
可以看到，最大回撤从54%降到24%了，年化收益也从42%降至17%了。
中性策略一般起到减少回撤，减少收益的效果。