跳到主要内容

金融市场基础

深入理解金融市场结构是量化交易的基础。本节系统介绍各类金融市场的运作机制。

市场类型​

股票市场​

A股市场特点:

  • T+1交易制度：当日买入的股票需次日才能卖出
  • 涨跌停限制：主板±10%，创业板/科创板±20%
  • 交易时间：9:30-11:30, 13:00-15:00
  • 最小交易单位：100股（1手）

美股市场特点:

  • T+0交易：当日可多次买卖
  • 无涨跌幅限制
  • 做市商制度（Market Maker）
  • 盘前盘后交易（Pre-market/After-hours）
# 市场数据对比
market_comparison = {
    'A股': {
        'settlement': 'T+1',
        'price_limit': 0.10,
        'trading_hours': '4小时',
        'currency': 'CNY'
    },
    '港股': {
        'settlement': 'T+2',
        'price_limit': None,
        'trading_hours': '5.5小时',
        'currency': 'HKD'
    },
    '美股': {
        'settlement': 'T+2',
        'price_limit': None,
        'trading_hours': '6.5小时+盘前盘后',
        'currency': 'USD'
    }
}

期货市场​

商品期货:

  • 金属：黄金、白银、铜、铝
  • 能源：原油、天然气
  • 农产品：大豆、玉米、小麦

金融期货:

  • 股指期货：沪深300、中证500、上证50
  • 国债期货：2年期、5年期、10年期

期货核心概念:

保证金制度：
- 初始保证金：开仓时需缴纳的保证金（通常5-15%）
- 维持保证金：持仓期间需保持的最低保证金
- 追加保证金：当保证金不足时需补足

杠杆计算：
杠杆倍数 = 合约价值 / 保证金

期权市场​

期权基本要素:

  • 标的资产：股票、指数、期货等
  • 行权价：约定的买卖价格
  • 到期日：期权有效的最后日期
  • 权利金：购买期权的价格

期权类型:

类型权利适用场景
看涨期权(Call)以行权价买入预期上涨
看跌期权(Put)以行权价卖出预期下跌

期权策略矩阵:

          预期上涨      预期下跌      预期震荡
看涨期权   买入Call      卖出Call      卖出Call
看跌期权   卖出Put       买入Put       卖出Put
组合策略   牛市价差      熊市价差      跨式/宽跨式

市场参与者​

机构参与者​

公募基金:

  • 受监管严格，持仓披露透明
  • 追求相对收益（跑赢基准）
  • 策略以基本面投资为主

私募基金/对冲基金:

  • 策略灵活多样
  • 追求绝对收益
  • 量化私募是主要对手方

做市商:

  • 提供流动性，赚取买卖价差
  • 高频交易为主
  • 需要交易所授权

市场微观结构​

订单簿深度:

卖5: 10.05    500手
卖4: 10.04    300手
卖3: 10.03    800手
卖2: 10.02    200手
卖1: 10.01    600手  ← 最优卖价(Ask)
─────────────
买1: 10.00    400手  ← 最优买价(Bid)
买2:  9.99    700手
买3:  9.98    350手
买4:  9.97    500手
买5:  9.96    250手

价差(Spread) = 10.01 - 10.00 = 0.01 (0.1%)

流动性指标:

def calculate_liquidity_metrics(order_book):
    """计算流动性指标"""
    bids = order_book['bids']
    asks = order_book['asks']

    # 买卖价差
    spread = asks[0][0] - bids[0][0]
    spread_pct = spread / ((asks[0][0] + bids[0][0]) / 2)

    # 市场深度（±1%）
    mid_price = (asks[0][0] + bids[0][0]) / 2
    depth_range = 0.01

    bid_depth = sum(qty for price, qty in bids
                    if price >= mid_price * (1 - depth_range))
    ask_depth = sum(qty for price, qty in asks
                    if price <= mid_price * (1 + depth_range))

    # 订单簿不平衡
    total_bid = sum(qty for _, qty in bids[:5])
    total_ask = sum(qty for _, qty in asks[:5])
    imbalance = (total_bid - total_ask) / (total_bid + total_ask)

    return {
        'spread': spread,
        'spread_pct': spread_pct,
        'bid_depth': bid_depth,
        'ask_depth': ask_depth,
        'imbalance': imbalance
    }

市场指数与基准​

主要指数​

A股指数:

  • 上证指数：上海证券交易所综合指数
  • 深证成指：深圳证券交易所成份指数
  • 沪深300：沪深两市市值最大的300只股票
  • 中证500：剔除沪深300后的500只中盘股

全球指数:

  • S&P 500：美股大盘基准
  • Nasdaq 100：科技股代表
  • MSCI World：全球股票市场

基准选择​

def select_benchmark(strategy_type, market):
    """根据策略类型选择合适基准"""
    benchmarks = {
        'A股': {
            '大盘股策略': '000300.SH',  # 沪深300
            '小盘股策略': '000905.SH',  # 中证500
            '全市场策略': '000001.SH',  # 上证指数
        },
        '美股': {
            '大盘股策略': 'SPY',        # S&P 500
            '科技股策略': 'QQQ',        # Nasdaq 100
            '全市场策略': 'VTI',        # 全美股票
        }
    }
    return benchmarks.get(market, {}).get(strategy_type)

交易成本分析​

显性成本​

佣金:

  • A股：万2.5 - 万3（买卖双向）
  • 美股：0−0 - 0.005/股（很多平台免佣）

印花税:

  • A股：卖出时收取千分之0.5
  • 美股：无

隐性成本​

滑点:

def estimate_slippage(order_size, avg_daily_volume, volatility):
    """
    估计滑点成本

    Args:
        order_size: 订单金额
        avg_daily_volume: 日均成交额
        volatility: 年化波动率

    Returns:
        预估滑点百分比
    """
    # 市场冲击模型（简单线性近似）
    participation_rate = order_size / avg_daily_volume

    # 临时性冲击（可恢复）
    temporary_impact = 0.1 * participation_rate ** 0.5

    # 永久性冲击（不可恢复）
    permanent_impact = 0.05 * participation_rate

    # 波动性调整
    vol_adjustment = volatility / 0.2  # 以20%为基准

    total_slippage = (temporary_impact + permanent_impact) * vol_adjustment

    return total_slippage

买卖价差成本:

def calculate_spread_cost(turnover, avg_spread_pct):
    """
    计算全年价差成本

    假设：
    - 每次交易都付出完整价差的一半
    - 换手率 = 年交易量 / 总资产
    """
    cost_per_trade = avg_spread_pct / 2
    annual_cost = turnover * cost_per_trade
    return annual_cost

市场有效性​

有效市场假说​

弱式有效:

  • 历史价格信息已完全反映
  • 技术分析无效
  • 但基本面分析可能有效

半强式有效:

  • 所有公开信息已反映
  • 基本面分析无效
  • 只有内幕信息可能获利

强式有效:

  • 所有信息（包括内幕）已反映
  • 无法持续获得超额收益

市场异象​

量化策略通常利用市场异象获取收益：

异象描述可能解释
动量效应过去涨的股票未来继续涨行为金融学、信息不对称
价值效应低估值股票长期跑赢风险补偿、过度反应
规模效应小盘股收益更高流动性补偿、机构限制
低波动异象低波动股票收益更高杠杆约束、彩票偏好

延伸阅读​