在交易里面人最容易犯的毛病就是“追涨杀跌”，一是见涨追买，见跌追卖。结果钱没有赚到却赔了不少。这是因为人类有贪婪、愚蠢、恐惧等大脑盲点和误区，导致交易时容易发生各种脑残和欠揍行为。
感情本是人最大的优势，但在交易里却成为人最大的劣势。为了避免人类在交易里种种作死行为，人们开始引入量化交易。机器永远按指令行事，不会感情用事。这也是量化交易最大的魅力“纪律”。
人类只要把交易经验和知识变成“因子”，然后机器按照这些“因子”去找信号，并执行。到价格低了就买入，价格高了就卖出。
永远不再发生这样的事情：你早上开盘做了一个投资组合，结果上午一看新闻，或者一看盘，组合一时收益欠佳，甚至亏了。就恐惧坐不住了，立马欠手给卖了，结果收盘的时候发现如果不卖其实还满意了，现在却真亏了。
在这里向读者介绍这本书《深入浅出python量化交易实战》。 这是一本Python量化交易实战书，适合对量化交易了解不多，已经有python编程基础，但对量化交易感兴趣的读者学习使用。这本书以交易实战的方式引导读者一步一步学习量化交易策略，从经典的移动平均策略和海龟策略一直讲到因子投资和自然语言处理技术的应用，让初学者从基础的交易策略搭建入手，最终体验到国际前沿技术的应用。
01、因子投资
因子投资是时下投资界非常热门的方向，在过去十年里发展迅速。根据Morningstar的估计，全美投资于因子投资模型的资产在2017年就超过了1万亿美元。黑石在2019年底发布的报告称，全美通过ETF投资于因子模型的资金已经达到了4820亿美元，并且仍在高速增长。而大多数普通中国投资者对于因子投资却知之甚少。
那么什么是因子投资呢？在WorldQuant上给出的因子公式是这样的：
（rank(Ts_ArgMax(SingedPower(((returns<0)?stddev(returns,20):close,2,5))-0.5)
看到上面的公式，普通人肯定脑壳发麻。什么鬼东西！而《深入浅出Python》这本书友好的地方，是没有用这么专业的方式来解释因子投资。
书里对因子投资这样解释：“因子其实就解决两个问题：一是买谁；二是什么时候买和什么时候卖。解决“买谁”这个问题的因子，一般称为量化选股因子；而解决“什么时候买和什么时候卖”这个问题的因子，一般称为量化择时因子。”
通过作者这样的解释，普通人的我们一下子就理解了什么是因子。因子是人的决策因素，因子是被翻译给机器听的，然后机器按照因子去寻找信号，并买入和卖出。
而且因子更厉害的地方在于，它不仅仅是单个因子判断 ，而且还能做到多因子共同判断。你可以不断对因子模型和策略进行改进，从而使得它们更好服务于你。
作者在书中不仅对传统基本面因子“市值”、“市现率”、“净利润率”、“净利润增长率”等举例实践操作，还对创新因子“情绪因子”进行实验。通过展示实例操作力图让读者明白设计因子的思路，并掌握因子的用法。
当我们读到书中这些因子投资方法时，只要拓展思考 一下。就可以得出结论。在因子投资里，量化投资策略是无数种可能性的。比如基本面因子、价值因子、技术因子、动量因子、情绪因子、波动因子、规模因子、质量因子等。只要发挥自己的聪明才智，这样就能找到自己的投资组合指标。
02、自然语言处理技术在量化交易运用
巴菲特有句经典名言：“在别人恐惧时我贪婪,在别人贪婪时我恐惧。” 投资者视这句话为金石良言却又感叹自己无法做到。因为在实际交易操作中，往往是别人恐惧，我也恐惧，别人贪婪，我也贪婪。为什么这句话在股市操作中如此难以实现？
之所以难，就难在股市中我们无法量化贪婪和恐惧。当指数到达某个点时，我怎么确定大家都贪婪？而指数跌到某个点时，我又怎么确定大家都恐惧呢？
别人贪婪时我恐惧，别人恐惧时我贪婪，归根结底是我们需要一个方案：捕捉大众的情绪和注意力。
在这时，NLP（自然语言处理）技术就排上场 。NLP能够通过捕捉市场上数据、新闻、评论、自媒体等信息，将人类语言变成符号和关系，从而让计算机读懂我们人类的语言，分析出人类大众的情绪和注意力，进而提供更精确交易判断依据。
由于人类理解数据与机器理解数据是不一样的，为了让机器能读懂文本，我们就需要对文本数据进行处理。
难得的是《深入浅出python量化交易实战》这本书深入浅出向读者展示，如何运用NLP技术进行文本数据处理实战。
书中一步一步指导，利用“聚宽”平台提供的舆情数据、从输入加载数据代码，到文本数据清洗，再到运用“结巴”分词工具实现列表分词，提取关键词，最后计算出关键词的权重，从而推测出与市场相关的注意力在哪里。
接下的章节里，作者还向我们介绍了话题建模实战。话题建模是让机器帮助我们在海量的文本当中快速找到关键信息。想象一下，在这个信息爆炸增长的时代里，每天新增的网络信息都是数以亿计的。假如让一个人在1天当中看完并了解核心信息，恐怕以人类的能力实在做不到。但是机器却是有可能办到的。
使用LDA话题建模，能让机器根据我们的要求，从文档中提取出指定数量 的话题，并且告诉我们每个话题包含的高频词都有哪些，从而判断出市场的注意力在哪里。
我们还可以利用贝叶斯模型判断文本的是正面情绪还是负面情绪，让机器识别出市场投资者的情绪。
03、写在最后
如今，随着人工智能技术的飞速发展，人类也进入了智能时代。传统以人为主的交易，将慢慢交给机器做决定。机器和算法变成主角，人类退居二线。因为比起人类读报表找到的信号，机器 可以同时收集表内数据 、表外数据 、小道 消息、卫星数据、google搜索、消费者行为变化，甚至察言观色。机器比起人在读取信号的速度和数量上都有着巨大优势。
虽然我们未来可能不从事量化交易工作，但是不要忘了我们也是交易世界里的一员，身为鱼有必要了解水质。 而透过这本《深入浅出Python量化交易实战》，我们可以一窥量化交易的世界是怎么运转的。
