摘 要：在我国的证券市场当中，投资是大家非常关注的问题。如何在很多的品种当中找到优秀的品种，如何找到合适的时间买卖，如何离开市场减少损失和获取到最大的利益，如何在不一样的行情当中选择对应的交易方法，如何在以往交易数据当中发现一些具有代表性的规律，如何要把多种交易品种和方法融合在一起，面对这些内容采用以往的方式是没办法进行解决的，通常需要采用量化交易的方法来处理，本文旨在梳理量化交易策略，并对传统遗传算法进行修改，使得更好完成相关量化交易任务。
关键词：量化;投资;策
一、量化投资简介
（一）量化投资定义
量化投资主要就是运用计算机并利用数学模型来进行投资以及决策的过程。通过数学模型和交易规则形成交易的相关指令，然后进行交易的整个过程。量化投资本质上是投资的工具，借助投资者的过往经验以及数学模型的一类工具。它的核心是把投资者的经验依据相关的模型在计算中，最终实现正确的投资操作。
（二）国内外主要的量化投资平台
金字塔交易决策系统：金字塔交易系统是一个专业的交易和行情相结合的多功能的软件，交易系统里面包括国内的商品期货、股指期货、国内外股票实时下单交易。这个平台能够支持期货市场的全部交易，而且可以展开量化投资交易，所以在这个平台当中可以展开期现、跨期套利，内外盘对冲交易等内容。
交易开拓者交易平台：交易开拓者交易平台包括实时行情分析，技术内容的分析，快捷交易，程序化交易等很多方面的内容，它的软件界面设计非常人性化，使用者能把自己的交易思路轻松转化为计算机程序，方便操作。
大智慧DTS程式化交易平台：大智慧DTS程序化交易平台，这个平台是大智慧公司开发的一款平臺，在这个平台当中包含了数据的分析、挖掘，策略的研究和量化交易融为一体，通过这个平台，能够把海量的数据内容转为正确的交易策略，平台已经受到越来越多的使用者欢迎。
国泰安量化投资平台：国泰安量化投资平台是一个集“精准全而数据流、量化投资策略构建、快速仿真撮合验证、研究与交易无缝切换”于一体的开放式、多功能研究支撑平台。
二、主要的交易策略类型
（一）趋势
趋势实际上就是从高处或者低处朝着固定的方向慢慢走低或者走高的一个过程，假设这个过程完结了，这就意味着这个趋势完结了，在我们通常的行情当中，百分之七十是震荡行情，要想判断趋势行情，一般需要注意景气、风险、舆情三个指标内容，这三个指标主要是对应的股票行情，对于期货等市场行情并不一定适用。
景气指数、低迷指数与震荡指数的计算。景气指数=股价在上涨趋势中的股票数目/股票票数×100;低迷指数=股价在下降趋势中的总股票数/股票总数×100;震荡指数=100-景气指数-低迷指数。一般可通过景气指数来大致判断行情的走势。
衡量风险指标的计算方法：其计算思想是推算某个固定时间段内两只股票收益率的相关的数据，从而进一步求得系数的标准差是多少，计算出来的结果包括中期和段期两种指标。如果短期指标过高，市场就会面临大跌的情况。
舆情指标的计算方法：舆情指标一般都是收集财经类的报刊网站上的信息，然后判断市场的行情走向，把行情变化分为几个档次，最后根据打分情况，判断市场未来的走向情况，这种方法就需要全面收集市场的消息情况。
（二）震荡
在震动的行情中我们通常可以采用网格交易的方法，这种方法的核心是把每个价格当做原点，如果行情升或者降到固定的数量，就挂卖出或者买进，这时候就设置止盈的数字，不设置止损的数字，假设行情是往积极的方向发展，则股票卖出获利，然后按照这个方法一直循环操作。假设行情一直处于震荡，那么就可以很容易获利，如果行情是单边的，那这种方法不适宜。
（三）套利
套利常用的几种手段为：期货不同月份、期货和现货两者之间、不同期货品种之间、同一期货不同市场。期货套利就是利用期货合约，假设现在的期货市场的价格水平和现货市场的价格水平之间有着差距，然后就抓住这两者之间的差距，对于价格低的品种进行买进，对于价格高的品种卖出。期货品种跨期套利就是根据市场上面交割期货合约的时间不一样展开买卖，获取一定的利益。期货跨市套利就是在不同的地区之间对一个期货合约进行买卖，投资人依据所交易品种的价格不同，进行买卖交易，获取利益的方法。期货跨品种套利，就是找寻一些相关联系比较深的品种，买入一个品种，卖出另一个品种，然后进行获利的行为。
（四）高频
高频交易实际上就是采取很短的时间进行买卖操作，来赢得利益的方法，这主要是某个证券品种买卖价格之间出现变化或者交易所之间存在价格差异的情况。这种交易对于时间要求非常快，一般都是采用把服务器安置在交易所附近的做法，减少线路传输的时间。
三、遗传算法在量化交易中的应用及算法改进
遗传算法是借鉴达尔文进化论的自然选择学说基础上的仿生算法，由密歇根大学的J.Holland教授在1975年提出，该算法通过自然选择及遗传过程中染色体的复制、交叉和变异等现象，从随机初始状态出发，通过基于概率的选择、交叉和变异等操作，最终求得最优解，以适应环境。
传统的遗传算法存在着两个缺点，一是收敛的速度比较慢，二是经常会导致局部最优解。所以本文对传统遗传算法中染色特的变异和交叉算子优化，以便能够使得适应度大的个体能够优先来到下一代，此外，它们有机会与其它个体杂交后进入到下一代，这时候如果适应度值大的个体很自然它的交叉概念就会相对小一些，对一些适应度值小的个体那么它的交叉概念就会大一些。交叉概念大就会使得收敛最优结果的时间变短，相反的情况那么收敛的速度很慢，就会使得无法向前。对于变异算子的优化方法基本一致，本文通过适应值能够发现，基因的适应值比较大的情况下，它们来到下一代的机会就会大，变异的情况就会变得很少，如果相反，适应度值很小，该基因生存可能性很小，变异情况就会变得很大。
