1樓：okoooook
更重要的問題可能是：「概率」在交易中是不是有用的。
幾點看法：
1。 如果市場真的是有效的，那麼 sum(概率*盈虧幅度）應該趨近於0。如果不趨近於0，總有人發現這種偏差，並利用之，以使之逐漸失效。
2。概率應該建立在足夠大的樣本統計之上。足夠大的樣本，或者有足夠頻繁的模式，恐怕都逃不過（1）中所屬邏輯；如果樣本數目不夠大，即使假定這樣統計出來的概率是會重複且穩定的，考慮資金成本，恐怕也是無利可圖的。
3。概率統計這門學問肯定是有用的，可以避免很多不正確的、似是而非的結論，但正確的方法和演算法下，是否能逃脫上述兩點的約束恐怕也不是那麼樂觀。
4。這年頭，計算機的計算能力是恐怖的，數數（shu3 shu4）更是其拿手好戲。概率角度上的偏差存在的可能性、頻繁程度、持續性、穩定性應該更小---考慮到交易成本、資金成本，很可能不是有利可圖的。
概率是有用的，至少可以證偽；僅概率角度考慮問題，很可能是無利可圖---可能需要更底層的邏輯支撐下來使用概率。
2樓：石大勺講投資
量化交易模型可以非常簡單、或超級複雜。很多交易模型並不需要特別高深的數學統計知識。很多量化的專業人士覺得模型越複雜越好，結果證明往往不是這樣，模型複雜了over fitting 的風險大。
在量化交易 智慧型交易 程式化交易逐漸普及的今天，傳統人工交易此時的優勢何在？
嗶嗶叨兒 首先市場並非乙個規律執行的程式，充滿了各種人為的干預，量化也好，程式化也好能做的最多是風險控制，跟利潤虧損最優化。人工的優勢比起量化程式化更加靈活吧。 淪為神 如果你的手工交易能賺錢 並且享受做交易的樂趣 那麼機械人就取代不了你 如果你想把交易的時間用來做其他事情 那麼機械人就可以替代你！...
手工交易者轉型到量化交易有哪些常見的問題？可以提供些如何轉型的有效建議嗎？
BigQuant 最大的問題是如何把自己的經驗和靈感轉化成計算機語言，並且搭建成乙個好的模型。這對於程式設計能力要求非常高。但我們把這個門檻降低了，視覺化 模組化的方式，只要拖拽 連線，調節相關引數就能完成 BigQuant寬客學院 基礎理論 眾多開源案例 平台使用詳細指南 百年牛市 手工交易者轉型...
您覺得在量化交易的衝擊下，手動交易沒前途了嗎？
極地之鷹 其實這是不同的方向。量化交易，是以數學建模和策略的方式來獲取交易價差的利潤，在量化交易的衝擊下，手動高頻交易，可能是最容易受到影響的交易手法。很多量化交易從業人員從哲學上來說其實不懂交易，但懂數學，而且很懂。然而大多數成功的手動交易者其實屬於哲學類交易，跟隨趨勢，跟隨市場情緒，中低頻交易，...