量化选股
量化择时
量化择时是我在没有接触量化时认为量化交易的主要内容，简单来说就是预测未来的价格趋势，根据趋势采取具体的交易策略。
1. 趋势追踪
书中介绍的第一种量化择时方法是趋势追踪，说简单点就是利用一些数学指标对历史的价格数据进行计算，来预测未来的趋势情况，最简单的是移动平均(MA)指标，使用历史各个窗口内的平均价格，来判断未来价格的走势。按照书中的分类，趋势追踪主要涉及的是技术分析中相关指标，比如滑动平均(MA)、平均差(DMA)、趋向指标(DMI)、简易波动指标(EMA)、平滑异同移动平均线(MACD)等等。目前已经不可能靠这些经典的指标来挣钱了，但是思想都是可以借鉴的，后续单独写一篇这些指标的总结。
2. 市场情绪
当市场行情较好时，往往大家对市场的情绪非常高涨，当市场行情比较萎靡时，大家对市场的情绪往往很低迷。所以，市场情绪是可以衡量市场行情的很好指标。
在该书中，主要采用了封闭式基金折价率、转股溢价率、IPO首日涨跌幅、IPO发行PE(PE, 私募股权投资)、上涨家数百分比、混合型基金平均仓位和股票型基金平均仓位一共七个指标，通过加权平均的方法计算得到市场情绪指数和市场情绪变化指数。
算法交易
算法交易的主要目的是为了降低大型交易对市场冲击，减少机会成本和风险。这些减少的冲击成本也可以认为是算法交易的Alpha。
一般算法交易分为被动型算法交易、主动型算法交易和综合型算法交易。
被动型算法交易是指根据历史数据估计模型参数，进而根据确定的模型确定算法交易策略，而不会根据实际行情进行交易时机和交易数量的调整。该策略的主要目的是为了减少滑点，即目标价格与实际成交价格的差值。常见的被动型算法交易有成交量加权平均价格(VWAP)、时间加权平均价格(TWAP)等。
主动型算法交易是根据实际行情实时判断交易的时机、交易的数量等等。主动型算法交易除了减少滑点以外，更多的重心放在了趋势预测上，根据价格的趋势做出有利的交易。
综合型算法交易则是结合了被动型算法交易和主动型算法交易。比如按照被动型算法交易将交易量分配到各个时间段，在各个时间段内按照主动型算法交易策略进行实际交易。
在算法交易中，如何刻画冲击成本和等待风险是非常重要的，书中也有介绍一些刻画方法。
成交量加权平均价格(VWAP)是市场上最常用的被动型算法交易策略之一，其主要原则是某一段时间内的交易总量占这段时间内市场的交易总量的比例恒定，即按照每段时间市场上交易总量为比例对总的交易量进行划分。VWAP的主要有四个步骤：
- 把交易日分为若干时间片，按预测每个时间片交易量占整个计划交易期总预测量的比例分配交易指令给每个时间片；
- 在每个时间段初期下达一定数量的限价单；
- 如果一段时间内交易没有被执行，且价格远离了我们的限价指令的委托价格，则取消订单重新下限价单；
- 如果时间片到达，而交易仍未完成，则使用市价完成交易。