关于量化研究的论文

量化交易的功能一般包含三大块：研究、模拟、实盘。转化到技术层面为：数据、回测、实盘、安全等等。基于国内市场，我们遇到的挑战如下：1：数据数据包含两类，一类是行情数据，一类是财务、基本面、舆情、研报等其他数据。行情数据：目前市面上分钟级的数据比较精准，可以用于中低频的交易回测；历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得，较容易找到的渠道很容易出现漏数据、不精确等情况，需要工程师专门结合了多家数据源进行核对修复。2：回测回测最难的在于如何确定成交量，同时要考虑复权、停牌、ST*等问题，这里面有很多细节3：安全安全在交易的开发中是重中之重，如何保证策略的安全性，不被外部、内部人员所窃取，分为2部分。一部分是WEB安全，一部分是策略的编译安全。因为量化交易是用户可编程的，我们量化选用的是PYTHON语言，因为有强大的科学计算库和高性能，导致用户可以调用很多系统级API，在这上面我们下了很大的功夫来保证用户的策略安全，做到理论级的策略隔离。只能大概讲一下，这里面每一个部分都可以延伸出来成为一个话题。

都可以，看您擅长那个方面虽然您打算做量化研究，但在前期打基础时最好看一些比较经典的关于质性研究的论文，这样在前期时你可以将质性研究和量化研究进行对比，总结出相同点和相似点，这样更有利于您开展后续的量化研究。定量研究一般是为了对特定研究对象的总体得出统计结果而进行的。定性研究具有探索性、诊断性和预测性等特点，它并不追求精确的结论，而只是了解问题之所在，摸清情况，得出感性认识。定性研究的主要方法包括：与几个人面谈的小组访问，要求详细回答的深度访问，以及各种投影技术等。在定量研究中，信息都是用某种数字来表示的。在对这些数字进行处理、分析时，首先要明确这些信息资料是依据何种尺度进行测定、加工的，史蒂文斯（）将尺度分为四种类型，即名义尺度、顺序尺度、间距尺度和比例尺度。