量化交易是什麼？量化交易缺點有哪些？量化交易策略全解析- TEJ ...

量化交易是什麼？與一般交易有哪些差別？

量化交易是一套透過電腦程式來執行的交易方法，依照明確定義的交易策略及規則，自動化獲取、清洗、統計、分析大量數據，以建立數據模型並下單交易，再經反覆回測驗證、策略重構，形成一套有邏輯和客觀的量化交易。

這樣數據驅動的概念，如今已被許多交易量體龐大的對沖基金或大型機構採用，希望能在全球股市中找到獲利方程式。與一般交易相比，量化交易在以下幾個層面有所區別：

	量化交易	一般（主觀）交易
交易投入時間	24小時全天候投入，能隨時察覺全球市場變動、即時交易。	投入時間有限，進而導致只能從有限的資訊與時間內，做出投資決策。
交易速度	快，一達到下單標準即啟動交易。	慢，可能錯失投資良機。
選股策略	由不斷回測、優化的數據模型挑選。	個人經驗法則或技術分析。
關注範圍	廣，可同時處理全球上千檔股票，可容易找出巨觀的產業板塊變動或個股漲跌與事件的相關性。	窄，通常在10檔以下。
是否可回測	是，藉由調整各項變因權數，即可瞭解各模型的可靠性、勝率、風險等。	僅能從過往績效回測

量化交易能夠排除人性的貪婪、恐懼等主觀情感，且依據歷史數據進行客觀的交易，因此受到許多投資人的喜愛。只不過，仍有投資者或機構選擇採用主觀的人為交易，其原因在於量化交易仍有一些限制，以下為各位分別介紹量化交易優缺點：

4個量化交易優點

許多投資人在入門時，經常會因為經驗不足、受到市場情緒的影響，或是沒有準確判讀消息面，導致每一次交易都像是在猜漲跌，嚴重受到情緒影響。透過量化交易可以使投資變得更加紀律，且可回測驗證，摒除個人的主觀情緒。

人為主動投資者，很多時候都是仰賴多年來累積的投資經驗，對於剛入門的投資者而言，在時間、經驗與金錢有限的狀況下，量化交易更能迅速打下投資基礎，透過一次次的回測、修正模型，慢慢建構出屬於自己的投資策略。

量化交易比起主觀交易，能夠更快篩選出合適的交易標的。主動投資者則需要一個個評估每檔股票，沒辦法監控到可能獲得超額報酬的領域或個股，因此若搭配量化交易使用，通常就能大幅增加研究範圍，找到增投資的可能性。

當交易的資金及量體越來越多時，由於人的精力有限，將會面臨有效管理的臨界點，此時若搭配量化交易，將盯盤與交易的工作交給機器來做，投資人只要負責訂定策略，就能大幅降低失誤發生的可能性。

能透過量化交易來驗證自身策略是否能盈利，判斷在過去是否能賺錢，並藉由調整參數敏感性來反覆驗證策略，以提高績效穩定度。

量化交易可以針對技術指標、除權息行情、法說會、獲利創新高、重大事件等部分來即時追蹤，並藉由觀察市場特性，來統計日內趨勢，或是觀察到星期幾較容易上漲。

4個量化交易缺點

由於是依據歷史數據所建構出的模型，當市場發生大幅變動時會無法及時反應，例如金融市場規則改變、市場短期失靈、黑天鵝事件或是市場情緒大幅恐慌時，這時都會造成超出預期的績效。

可別以為採用量化交易，就代表一切全部交給程式或AI去跑，由於量化交易的策略較多是以過往歷史數據作回測，在執行量化交易後，交易員仍然要依照數據績效、表現，定期做程式上或策略上的優化，不然若都沒有調整量化交易，長期下來虧損和獲利也可能波動較大哦！

我們常可以看見坊間許多利用 Python 爬蟲、分析資料的教學，但最難的部分不是寫程式，而是怎麼拿到數據，更準確的說，拿到「別人沒有」的數據。對非大型投資機構的投資者而言，許多進階數據可能需「付費」才能獲得，若越來越多人拿著同樣的數據進行量化交易，那麼就會使利潤變稀少，因此資料取得也是困難點之一。

大多數進行量化交易的人或機構，都擁有大規模資金，原因在於量化交易的買賣次數頻繁，需要大量資金來談手續費優惠，且量化交易多數時候是以機率為主，在長期市場震盪時必須承受回檔時的波動，資金較小的投資者較難承受此波動，資金也常是量化交易者的門檻之一。

就算是在自動化平台操作量化交易，量化交易針對coding、數學、邏輯能力要求均較高，對於新手來說進入門檻可能稍高。