参考：

1. 01_投资与量化投资
2. 投资者入门手册
3. 手机银行开立股票账户（现金）流程

1.1 股票投资的基本流程

1.2 投资者分析流派

1.2.1 宏观策略分析法

从宏观经济变化的大方向入手，然后再应用到具体的股票投资中，所以也叫自上而下的研究方法。具体来说就是先看当前经济下是否应该投资股票，然后了解到市场中期和长期的趋势，并理解影响这个趋势的核心驱动因素有哪些，然后在这趋势背景下选择哪种风格、主题、行业，甚至选择哪种投资组合。

特点：更多是对市场整体和背景上的“面”的研究，然后选择出最合理的方向。专业机构做股票投资时，这是运用得最多的方法之一。

1.2.2 价值投资法

这种也叫自下而上的研究方法，简单说就是选股，选出有巨大增值潜力的股票。发现好的公司后，长期持有，不用过多理会市场短期的波动，伴随公司一起成长，获得长期收益。像巴菲特、格雷厄姆、彼得·林奇和费雪等投资大师，都是这种方法的代表人物。但这种直接自下而上的投资方法，需要对行业发展等有较深的理解，知道具体行业的规模及市场蛋糕未来会有多大，行业有啥特点，竞争格局会如何演变，公司自身的核心竞争力和护城河怎样，业务、产品、盈利、品牌等如何，甚至还要剖析公司的各种财务数据，透过数据看到真实的公司样貌，并看到未来几年后的样子。

1.2.3 主题事件投资法

这是对某一事件发展趋势进行判断，通过寻找超预期或者制造预期，来找出具有相同属性特征股票的投资机会。整体可分为体系性主题和事件性主题两类。

• 体系性主题：关注宏观因素对具体股票的影响，比如说过去几年央行经常放水，就有了降息受益主题。
• 事件性主题：某某新闻，利好的事件、公司危机的事件等等都会在股价中得到反映。例如AIGC、ChatGPT股等。

1.2.3 技术分析法

散户常用。主要是以股价为研究对象，从股价变化的历史走势着手，看K线、看指标、看图形，对未来价格趋势的变化进行预测。像道氏理论、杰西和索罗斯的心理分析理论、江恩理论等都属于技术分析流。技术分析一般有三类方法，一是看指标，二是画切线，三是研究K线图。

1.2.4 量化投资法

量化投资其实就是定量投资，是通过数量化和计算机程序化的方式来进行买卖的，通过分析一定的数据，在合理逻辑的支撑下，运用某种策略来投资获得收益目前，量化投资方法在基金行业占比不高，2014年后才逐渐兴起。

1.3 量化投资

1.3.1 概念

量化投资不是一种金融产品品类，而是一种投资交易策略。量化投资策略是利用统计学、数学、信息技术、人工智能等方法取代人工作出决策，通过模型完成股票交易来构建投资组合。利用计算机技术和数学模型去实现投资策略的过程。 一般情况下，市场研究、基本面分析、选股、择时、下单等都可以由计算机自动完成。广义上可以认为，凡是借助于数学模型和计算机实现的投资方法都可以称为量化投资。当前A股市场中，国内比较常见的量化投资方法主要是多因子策略、套利策略和期货CTA策略。 相较于主观投资，量化投资策略的最大特点是其具有一套基于数据的完整交易规则。在投资决策的所有环节，始终贯穿一套完全客观的量化标准，比如，A股票的横指标达到多少的阈值时，才可以开仓，每次开仓要买多少手等交易规则。

1.3.2 优势

1. 投资范围更广泛：借助计算机技术，信息搜集更具速度和广度，分析范围覆盖整个市场，促进获得更多投资机会。
2. 程序化交易，避免主观因素：通过回测证实或证伪策略的有效性，程序化交易自动下单，克服人性弱点，避免人为情绪等主观因素的干扰。
3. 数据处理快速响应，创造交易价值：采用计算机自动分析，响应速度迅速，拥有强大的数据处理和信息挖掘能力，支撑高频交易，并验证每个决策背后的模型有效性，更有可能创造有效的交易价值。

1.3.3 风险

1. 策略失效风险：量化投资最大的风险是策略失效。但更困难的挑战在于无法预测策略什么时间会失效，而策略失效的损失会非常大。
2. 流通性风险：流通性风险主要是指市场融资风险，不是传统意义上的流通性风险。而是基于很多量化投资基金的策略很像，当许多基金都采用相似的策略，一旦出现比如大的对冲基金需要清仓，卖掉过去盈利的股票，那其他基金就可能输钱甚至被迫平仓，这就会导致有流通性风险的问题。量化投资很多因素导致很容易同质化，带来的问题就是会产生共振，更容易产生系统性的风险。
3. 模型本身的风险：量化投资需要借助模型，而建立模型需要设定各种参数，但是，这些参数很难精准估计。估计不准的时候可能会带来巨大的损失。

1.3.4 量化投资的一般流程

量化投资的一般流程包括以下几个步骤：

• 策略设计：基于金融理论、历史数据或其他分析方法，构建量化投资策略的想法。
• 回测验证：使用历史数据对策略进行回测，检验策略的有效性和可行性，以及找到优化策略的方法。
• 模拟盘验证：使用虚拟账户和资金进行模拟交易，检验策略在实际市场中的表现，调整和优化策略。
• 实盘交易：经过前面的验证和优化后，将策略投入实际交易中执行。

需要注意的是，量化投资的策略设计和实施过程需要严谨、科学、系统化的方法，同时也需要一定的技术和数学功底。成功的量化投资不仅仅依赖于策略的设计，也需要严格的风险控制和资金管理。

1.3.4 常见量化投资平台

| 平台名称 | 数据方面 | 研究方面 | 回测方面 | 模拟交易方面 | 实盘交易方面 | 交流社区方面 |
| ——————————————————- | ———————————————————— | ———————————————————— | ———————————————————— | ———————————————————— | ———————————————————— | —————————— |
| 聚宽（JoinQuant） | 提供2005年至今完整的股市Leve1数据、上市公司财务数据、完整的停复权信息。实时更新行情数据，盘后更新财务数据。此外还提供基金（包括ETF、LOF、分级A/B基金、货币基金）的行情和净值数据，金融期货数据、股票指数数据、行业板块数据、概念板块数据、宏观数据、行情数据等。 | 提供基于IPython Notebook的研究平台，支持Tick级数据，支持Python2、Python3。提供API（Application Programming Interface）。 | 支持股票、基金、期货等品种的回测，支持日、分钟、Tick级回测。 | 支持股票、股指期货、商品期货、ETF等品种的日、分钟、Tick级别的模拟交易。 | 和第一创业合作，支持股票、场内基金、期货的自动化实盘交易。 | “聚宽社区”，活跃度很高。 |
| 掘金（Myquant） | 提供近10年日/分钟/Tick级别股票数据，及财务、分红送配、行业、板块等数据。还提供股指期货、商品期货的连续数据。 | 支持Python，Matlab，C，C++，C#语言。提供API。 | 支持股票、期货等品种回测及其混合回测，支持日、分钟、Tick级回测。 | 支持股票、商品期货、股指期货等品种的日、分钟级别的模拟交易。 | 需要客户申请和人工审核，具有实盘交易权限后可以手动交易。 | “掘金量化社区”，活跃度较高。 |
| Bigquant | 提供日/分钟级别的股票、期货、基金等数据的实时和历史数据，以及新闻、社交等新型数据。 | 支持Python，提供AI开发策略。提供API。 | 支持股票、期货等品种的回测，支持日、分钟、Tick级回测。 | 支持日、分钟级别的股票、期货等品种的模拟交易。 | 可推送秒级交易信号，提供API接口对接交易终端，由用户手动交易。 | “Bigquant量化社区”，活跃度较高 |
| 米筐（Ricequant） | 提供股票、ETF、期货（股指、国债、商品期货）、现货的基本信息。股票、ETF过去10多年以来每日市场数据，股票、ETF在2005年以来的分钟线数据。ETF过去20多年以来的市场数据和财务数据。期货从1999年以来的每日行情数据。期货2010年以来的分钟线数据。中国50 ETF、商品期权的日、分钟数据。舆情大数据。 | 提供基于IPython Notebook的研究平台，支持Python，Matlab，Excel。提供API。 | 支持股票、ETF、期货等品种的回测，支持日、分钟级回测。 | 支持日、分钟级别的股票、ETF、期货等品种的模拟交易。 | 提供期货的实盘交易。 | “米筐量化社区”，活跃度较高。 |
| 真格量化 | 主要是商品期货、期货期权、金融期货、股票期权等金融衍生品的数据。 | 支持使用Python进行策略研究。提供API。 | 主要提供期货、期权的日、分钟、Tick级别的回测。 | 使用第三方模拟交易平台，主要提供期货、期权的日级别的回测。 | 主要提供期货的实盘交易。 | “真格量化社区”，活跃度一般。 |