#量化交易#

在学习量化分析大盘前，我们必须先认识到以下三个问题。

一。

大盘的运行结果受到各种因素综合影响。

大盘的走势图形与市场的关注度并不是完全正相关的。

举个简单的例子，不管是在熊市还是牛市，大盘都是既有上涨的时候，也有下跌的时候，既有在5日线上方运行的时候，也有跌破5日线的时候。

二。

市场关注度是影响大盘方向的根本原因。

关注度过剩大盘容易上涨，关注度过少大盘就容易下跌。

三。

如何屏蔽掉干扰因素，找到与市场关注度紧密契合的量化方法是我们对大盘进行量化研究的关键难点。

量化分析大盘的理论突破口。

所有人都知道，大盘并不是一个股票，而是很多个股票的集合体。

既然直接分析大盘会有很多干扰因素（大盘是混沌因素影响的结果），那么我们可不可以通过分析个股来反过来推演大盘呢？答案是可行的。

量化分析的理论依据

我们大多数人都听说过一句诗：春江水暖鸭先知。

意思就是总有一小部分事物是能提前感知大方向的改变的。

再说明白一点，如果市场新进了活跃资金，不管这些活跃资金怎么选股，总就会有一小部分股票先得到活跃资金的照顾，我们将这一小部分股票称之为鸭子。

我们只需要观察市场上鸭子数量的多少，就能感知到市场关注度的多少。

这里要特别强调一点：这不是一个选股方法，我们观察鸭子的数量，目的是去推算市场的关注度，而不是去买这些股票。

因为这些股票都是已经被炒过的股票，不一定就是合适的标的股票。

关于如何选股，恒星看市会在后面继续跟大家分享。

今天我们只讨论如何量化大盘。

如何定义鸭子呢？

这里恒星给大家一个简单的指标（通达信）：

领涨:(C*100/LLV(C,6)-100)*(DYNAINFO(7)>0)*(LLV(H-L>0,6))*((C>LLV(C,6)*1.30 AND C>REF(C,1)) OR (C>=REF(C,1)*1.09999 AND C>LLV(C,6)*1.20));

蛇:=(HHV(C,6)*100/C-100)*(DYNAINFO(10)>0)*(LLV(H-L>0,6));

领跌:HHV(CROSS(蛇,15),2)*蛇*(DYNAINFO(10)>0)*(LLV(H-L>0,6))*(C

只需要将上面的指标排序出来。

领涨结果大于20的就是鸭子。

领跌结果大于0的就是蛇。

比鸭子更好用的是蛇这个输出指标

什么是蛇呢？就是能够提前感知下跌的股票。

我在大盘顶底判断的文章里分析过，场外等待买入的资金多少决定了大盘下跌的风险程度。

如果场外接盘的资金过少，必然会有连续下跌的股票出现，这时就算大盘还未出现明显的顶部拐点，也应该小心下跌的风险了。

而蛇的数量，刚刚就直接预示了场外资金的多少。

因此蛇的数量是我们判断大盘风险的关键点。

蛇的数量如果大于三只，如果大于10只，就有较强的传染性，可能短期内不少股票都有暴跌的风险。

其传染逻辑就在于，当蛇的数量达到一定规模，就表明个股的下跌所遇到的阻力很小，因此就可能引起更多的股票下跌。

鸭子和蛇具体的应用方法：如果鸭子的数量多，就表示当前市场的炒作氛围强，如果蛇的数量多，就表示当前个股下跌的风险大，如果两者数量都多，则表示个股分化会很明显。

如果蛇的数量为0，则不用过于担心大盘下跌。

就算下跌也很可能反弹。

如果蛇的数量较多，就不要过于相信大盘上涨，因为这时的上涨并没有有效的积累踏空资金。

因此上涨随时可能继续转跌。

量化分析过程

量化分析 = 逻辑+数字化

量化分析在生产生活的方方面面都是有使用的。

1个苹果2个鸡蛋是对具体事物进行数量统计，而量化分析的对象往往是抽象的。

比如工作是一个抽象的事物，对工作的量化，是公司对员工考核的一个重要手段。

通过上下班打卡收集信息来考核员工工作时长就是手段之一，但更进一步是对公司的业务进行梳理，将工作细分，对不同类型的工作进行难易标识等，如此对员工的工作‘量’能做出具体统计和准确分析。

对抽象事务建立逻辑认知并转化数学统计就可称为量化分析。

建立逻辑：感知形而上(Metaphysics)

量化给人的第一感觉就是统计、算法。

但这往往只能称其为‘归纳法’，好比塔勒布在《随机漫步的傻瓜》中用喂食火鸡所做的比喻，一千次的伸手喂食，给了火鸡伸长脖子吃食的‘安全’经验，但第一千零一次的伸手，却是牢牢掐住了火鸡的脖子，‘感恩节’到了。

火鸡对过往‘经验’的统计而得到自以为是的结论。

资本市场更是有著名的案例，美国的长期资本管理公司(LTCM)，由一群诺奖得主共同构建的资本管理公司，通过对金融市场资产价格分析并对规则利用建立的对冲基金，更是具有8个西格玛以外的风险控制体系 -- 我们的宇宙有137亿年的历史，如果从宇宙诞生那一刻开始每天都有交易，出现风控以外的事件都不该发生哪怕是一次。

然而统计归纳的‘理性’所遵循正态分布，其研究的并不是物理世界，金融市场中的人（包括机构和国家）往往会出现反常行为包括违约和违规，导致数学模型下的常态变成非常态（肥尾或偏态）。

2020年美国原油期货市场出现原油负值事件，一样是经典的案例。

再由于杠杆策略，破产在所难免。

量化的首要任务是建立对事物的认知。

建立认知需要通过‘演绎法’，演绎法的核心是从根本性出发，即基于不可变动的真理。

感知形而上（道）是‘触摸’真理最直接的方式，也是接下来定义‘真理’的首要步骤。

理性于科学：Rationalizatio

感知自然之道是智者之为，然而‘道可道非常道’，道是无形的，用文字阐述其理有所偏差，他人又会根据自己的见识去解读而无法统一。

西方带来近代科学的发展，核心就是选择数学作为阐述自然规律的语言。

伽利略被称为“现代科学之父”，他对‘科学’的解释有两条核心观点：第一，用数学定量地描述科学；第二，用实验验证科学。

开尔文勋爵(英国物理学家，热力学和气体动理论的创始人之一)经常说道：“当你能够测量你所关注的事务，而且能够用数量来描述它的时候，你就对其有所认识；当你不能测量它，也不能将其量化的时候，你对它的了解就是贫乏和不深入的。

”

所以，如果你谈的是现代科学，那你就不能乱想了（亚里士多德、老子不是谁都能当的）。

如果你还想用一些无法测量的概念来构建你的“科学体系”，那么你的方法论就是非科学的，你构建的也只能说是定性分析而非科学的定量分析。

建立数字化：名可名定义名（definition）

数字化的过程是一个化虚为实的过程，是寻找因果关系的过程，这个过程最重要是找到研究对象发展规律中的关键因子，定义它，并利用数学去证明其因果关系。

我们举一个著名的‘量化’成果，牛顿第二定律：

物体的加速度a跟物体所受的合外力F成正比，跟物体的质量m成反比，加速度的方向跟合外力的方向相同： F=m*a

这是关于力改变物体运动状态的科学成果，物体加速度a的变化是受到合外力F，和质量M的正反比关系。

合外力F,质量m和加速度a是三个关键因子，并证明了三者的因果关系。

当然至于牛顿大神如何从逻辑层感知他们之间的关系，或许需要理解‘时空结构’，‘质能关系’以及‘运动的本质’等更深层次的方向去思考。

所以能感知道并定义理论的是极少数人，我们大部分人都没有这个能力，但我们可以学习前人的理论并建立自己的逻辑来处理问题。

以理论出发就是演绎法的第一步。

接下来进入正题，简单梳理：我们是如何运用量化的手段在股票市场中进行分析的。

第1，股票市场的基石的是什么？

买股票就是买公司，公司的产品或服务创造社会价值并带来自由现金流，同时对未来可以产生的自由现金流以合适的利率进行折算从而对公司进行估值，并以合理价格买入。

（参考文章：未来现金流折现的企业估值法）。

然而企业的未来是否能带来你想要的现金流是不确定的，巴菲特提出以下三点：

1，具有护城河的商业模式；

2，优秀的管理团队；

3，合理的价格买入。

前两点着实是定性分析部分，并没有‘科学的’方式进行学习。

第2，股票价格的波动有没有科学理论（量化分析）来指导？

有效市场假说（参考文章：解读有效市场假说）和市场行为金融学。

有效市场假说的集大成者尤金·法玛和市场行为金融学的代表人物罗伯特·席勒同时获得2013年诺贝尔经济学奖。

第3，如何建立我们的买股逻辑？

核心思想：寻找具有价值的价格区间 。

其实这点跟巴菲特的合理价格买入是一个意思。

巴老是通过2点定性分析来寻找合理价格，而我们是通过定量分析来寻找合理价格：

通过有效市场假说中随机漫步和公平游戏相关理论寻找反常的价格交易区间（参考文章：对股票价格变化的理解(4)：有效市场假说如何影响股票价格），并借助行为金融学解释这段反常交易区间是‘有效买入’意愿(参考文章：对股票价格变化的理解(3)：心理意愿影响股票价格)所带来的市场行为。

标签：股票分析市场