什么是量化交易？
度娘官方版——理论这么说
量化交易是指利用先进的数学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筛选出各种能够带来超额收益的“大概率”事件，以便制定策略，大大降低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做出非理性的投资决策。
简介-工作场所的量化交易
量化交易主要是基于纯数据，做一些统计工作，找到一套有积极预期的交易信号系统。这个信号系统会告诉我们什么时候买进，什么时候卖出。与其他交易系统相比，它是一个非常客观的交易系统，不涉及任何主观因素，是一个全自动的系统。
什么是有积极预期的交易系统？
正预期系统是其平均利润为正。在这种情况下，随着次数的增加，其最终交易结果趋于正，因为最终值趋于乘以次数的平均结果。
单笔交易可能会赔钱，因为它有输赢的概率。然而，这不是问题。因为如果我的系统有积极的预期，它的最终结果和趋势是盈利的，它就会回归盈利。
举个反面的例子，比如去赌场玩百家乐。作为一个赌徒，与赌场相比，我们的正面预期体系是负面的。就是赌的次数越多，输的概率越大，最后趋于100%。所以我们应该从统计学的角度来看问题，而不是从单一的角度，而不是从盈亏的角度来看问题。
这是量化交易和其他交易方式最本质的区别。比如主观交易，可能是根据一些基本面或者信息来判断某个点应该做多还是做空，什么时候买卖。这是一套主观交易的方式。而量化交易就是从完全不同的角度来看待这件事。
进阶版-量化交易岗到底是什么？
策略岗位:首先你会从事数据整理和清洗，然后上升到策略制定，再到量化研究员，最后到基金经理。基金经理实际管理的是投资组合，而不是单一的策略。
量化IT支持岗:刚开始会做一些账户实时监控系统的UI开发，然后会做账户适配开发，也就是CPP开发，然后会做一些整个基金的IT架构开发。比如整个基金可能需要一些东西组合起来才能下单，所以需要从it价格考虑。
专业-量化交易有哪些经典策略？
R-breaker:它清晰地构建了一个完整的计算框架，包括如何计算买点，如何计算卖点，如何计算反转点。这一切都非常全面。这个可以仔细研究，但是不一定要抄，因为抄是没有意义的。但是你可以通过策略本身把它看成一个盈利的模式。
海龟交易法:可以看看里面是怎么计算止损、少数、进场点、出场点的。这是一个完美的策略框架，我们可以在这些策略上制定自己的策略。
值得注意的是，如果你制定了一个很多人都没有考虑过的策略，如果与众不同，你会相对注意到市场上的一些低效，这样你的竞争对手会更少，你的优势会更大。
统计型策略:这种策略是对利差进行建模，利差在一个恒定的范围内波动，这样你就可以构造一些均值回归型的套利策略。
当你写交易策略的时候，一定要注意这个策略的优点、缺点和优点。任何交易策略都不可能是完美的，有利也有弊。了解它的弱点很重要。
你的策略之所以能盈利，是因为它在市场上一定有一定的优势。如果你的策略撤退，说明你的策略会撤退，因为它在面对市场时有一些劣势。所以知道自己策略的劣势是很重要的。
其实制定交易策略就是在问一个问题，就是“如何才能让我的系统获得长期的正利润？”相对来说，这个更重要。
我能做这份工作吗？！
当然啦！只要你想，你就可以！
量化交易岗没有明确硬性的门槛要求。也不需要财经专业背景。当然，如果大家都懂一点金融知识就更好了，但这不是强制要求。
他们主要偏爱编程和数理统计。因为量化交易是基于编程的，基于程序的。所以写程序的能力很重要！还有就是数理统计的能力，主要是用来让你在我们分析大量数据的时候，有一个清晰的框架来处理一些问题。如果你学过一些数理统计的技巧，会有很大的帮助。
个人能力和性格会更依赖于复工的实用性。因为我们在做一些量化交易策略开发的时候，是很枯燥的。在得到一些历史数据后，我们做一些清理和整理工作。这需要大量的重复，如果你不够耐心和细心，很难做好这些事情。
而且目前市场对人才的需求还是蛮大的，无论是从战略制定的角度，还是从量化IT支持的角度。
目前量化交易在国内前景很好，因为它是从另一个角度看交易问题。这个角度需要利用很多计算机知识，有一定的门槛，所以还是比较有优势的。
其实编程/计算机是基本功，其次数学会培养非常清晰的思维。但没有硬性门槛，关键是你所拥有的与用人单位的需求相匹配。
没有编程基础很容易学会量化交易。其实我认识的五十多岁的人都学过编程学量化交易，而且学得还不错。最重要的是对自己有信心，持之以恒。有时候我觉得坚持更重要。
那么如何开始呢？
书籍。因为量化投资在中国起步很晚，书基本都是美国作家写的。下面列出前5本书，算是量化交易的金融基础知识。至于软件程序，都是机器学习和大数据相关的通用技能，就不在此赘述了。
量化本身客观上是一件很有意思的事情，就是你不要把它当成赚钱的交易策略，这是低效的。把它当成一个寻找和发现问题本身的过程。
