A. 什么是量化交易
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术磨氏族从庞大的历史数据中海核燃选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪瞎弊波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
B. 散户想做量化交易，看这篇就够了
大家好，我是喵酱，一枚沪漂转行学量化的女汉纸，酷爱rap。
量化交易不等同于高频交易，尽管高频交易在量化中占重要位置，但它的门槛极高，需要极高的硬件成本和人工成本，延迟、性能和稳定性要求也非常高。因此，对于普通散户来说，高频交易可能难以触及。
从交易频率来看，量化交易可分为高频、中低频和超低频。其中高频交易适合专业人士，而中低频和超低频则更加适合普通散户。搭建一套自己的策略环境，通常包括四个步骤：开发环境搭建、数据准备、交易策略开发和回归测试。
在开发环境搭建上，目前主流的两种平台是Python和R语言，它们提供了回测框架、时间序列分析、统计分析等库，如开源回测框架BackTrader，在AQF量化金融分析师课程中有详细教学。
数据准备阶段，需要收集与交易策略相关的数据，包括历史价格、成交量、财务数据等。数据来源包括金融数据供应商、证券交易所、财务报表等，其中tushare提供成熟接口获取数据。
交易策略开发阶段，每个股民都有自己的选股理论，如市盈率、换手率等。程序可以简化这些筛选工作，解决从数千股票中筛选的难题。
回归测试阶段，帮助交易者了解策略在过去的表现，为未来的实盘交易提供参考。如果回测效果不错，各项指标如收益率、最大回撤率、Sharp值等在可接受范围内，即可进入下一步。
模拟交易阶段，实盘交易前的模拟交易（paper trading）是常见的做法。回测使用历史数据，通过不断调整参数优化指标，但需注意避免过度拟合，市场总是变化无常。模拟交易效果通常取决于程序的灵活性以及良好的风险和资金管理算法。
个人从事量化交易是可行的，但能否赚钱则取决于个人修养和能力。总结而言，量化交易为普通散户提供了新的投资途径，但需要深入了解和实践。