barriers / 阅读 / 详情

量化策略一般用什么平台回测?分别有什么优劣势

2023-09-19 23:09:42
共5条回复
慧慧
* 回复内容中包含的链接未经审核,可能存在风险,暂不予完整展示!

我知道一家量化策略回测平台【QResearch】,非常好用,QResearch是一个无编程的条件式回测平台,它将所有因素都抽象为因子,简单易用而不失灵活。用户只要理解自己的策略即可动动鼠标进行回测,非常适合有着丰富Idea但不会编程的用户快速验证想法;对于那些会编程的用户,QResearch也可以为之节省大把数据处理和细节处理的时间。QResearch基于高质量的数据库,提供丰富的因子库,其中大部分因子都可以追溯到相应的Paper,非常适合高校金融学院的学生和老师进行研究之用。QResearch自诞生以来就一直追求回测与实盘的一致,力争做到所见即所得的回测结果,目前只要交易费用设置得当,可以将每天回测与实盘的误差控制在0.1bp级别,这在市场上鱼龙混杂的回测平台当中显得格外突出!

总之,QResearch适合各路策略研发人员使用,包括基本面研究人员,量化研究人员,交易员,以及高校师生等,相信每一类人员都可以通过使用QResearch而提高效率,做出漂亮的研究或不俗的业绩!

该平台下Market Watch实时及历史数据(包括收益,统计,期限结构和会员持仓)已添加至Toolkit交易工具箱,网址:https://qresearch.q*****.com/toolkit

量化策略

量化策略

量化策略

量化策略

量化策略

南yi

盈时量化策略回测平台,不会编程也能玩转量化。

盈时“策略机器人”集策略智能生成、策略评估、筛选优化、批量生成等功能于一体的交互式策略生成平台。平台以计算机智能生成算法为核心,使用了机器学习、模式识别、统计学、可视化技术等人工智能技术,包含策略构建模块、混编计算模块、策略绩效优化模块等组件,在策略优化方面使用了高效的遗传编程与NSGA-II等算法,进而充分利用CPU多核心性能,实现多进程同步高效生成策略。

语言:Python

适用人群:期货投资者(有无编程基础都可)

数据库:期货

回测用时:需要排队分钟记

支持的功能:支持将策略使用在交易开拓者的平台,属于实盘交易。策略给出建议,但需要自己手动确定进行买卖。

自动生成策略原理与简介:通过设置参数,运用机器学习的方法,一键生成源码策略。

备注:国内首个利用深度学习的人工智能量化平台,不懂编程也能做量化。

盈时,专注于为客户提供高品质的量化交易技术咨询服务和领先的量化交易产品,是一家从事金融数据分析、金融软件开发、程序化交易算法与交易策略研究等业务的科技公司。

cloudcone

简单比较下,ricequant,优矿和jq。

1、数据:优矿>ricequant>jq

2、回测速度:ricequant>优矿>jq

3、平台语言:ricequant支持java和python,优矿和jq仅仅支持python

4、杂项:ricequant给每个用户更多的内存空间10G,jq和优矿只有1G。模拟交易权限rq也是更多的。当然,作为一个线上平台(本地不能直接改变使用配置),基础设施越好自然事有利。另外,ricequant支持的python模块事最丰富的。都有的就不聊了,plotly,edwards,keras等等,满足技术狂人的需求。

综上,我个人是选择ricequant.

牛云

一句话,不编程,可视化定义模型、策略,仅米狗量化一家。

马老四

期货可以用文华财经,给你一个示例

沪镍2分钟波段策略

PARAM1:=105;

PARAM2:=-25;

NX1:=7;

NX2:=8;

NX3:=9;

NN:=BARSLAST(DATE<>REF(DATE,1))+1;

YC:=REF(C,NN);

YO:=REF(REF(O,NN-1),NN);

YYC:=REF(REF(C,NN),NN);

TDO:=REF(O,NN);

TDOMAX:=MAX1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));

TDOMIN:=MIN1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));

LOTS:=300000/(0.1*UNIT*CLOSE);

MA5BD:=(ABS(REF(O,SUMBARS(NN=1,2))-REF(C,SUMBARS(NN=1,1)+1))+ABS(REF(O,SUMBARS(NN=1,3))-REF(C,SUMBARS(NN=1,2)+1))+ABS(REF(O,SUMBARS(NN=1,4))-REF(C,SUMBARS(NN=1,3)+1))+ABS(REF(O,SUMBARS(NN=1,5))-REF(C,SUMBARS(NN=1,4)+1))+ABS(REF(O,SUMBARS(NN=1,6))-REF(C,SUMBARS(NN=1,5)+1)))/5;

HHS:=REF(HHV(H,10),NX2)*(1000+NX3)/1000;

LLS:=REF(LLV(L,10),NX2)*(1000-NX3)/1000;

BUYMARKET:=IF(YYC/YC>=1,1,0);

BUYMARKETBUYPRICE:=IF(BUYMARKET=1,TDOMAX+PARAM2*MA5BD/100,TDOMAX);

BUYMARKETSHORTPRICE:=IF(BUYMARKET=1,TDOMIN-PARAM1*MA5BD/100,TDOMIN);

SHORTMARKET:=IF(YYC/YC<1,1,0);

SHORTMARKETBUYPRICE:=IF(SHORTMARKET=1,TDOMAX+PARAM1*MA5BD/100,TDOMAX);

SHORTMARKETSHORTPRICE:=IF(SHORTMARKET=1,TDOMIN-PARAM2*MA5BD/100,TDOMIN);

JUMPK:=ABS((REF(O,NN-1)-YC)/YC*1000);

NNN:=IF(JUMPK>3,9,0);

KEY:=ABS(YC-YO)<=0.2*MA5BD AND ABS(YC-YO)>=0*MA5BD;

KEY1:=ABS(YC-YO)<=2.5*MA5BD AND ABS(YC-YO)>=0.25*MA5BD;

LASTMAXBKPRICE:=IF(COUNTSIG(BK,REF(NN,NN)*3)>0,HHV(BKPRICE,REF(NN,NN)*3)*(1000+0)/1000,C);

LASTMINSKPRICE:=IF(COUNTSIG(SK,REF(NN,NN)*3)>0,LLV(SKPRICE,REF(NN,NN)*3)*(1000-0)/1000,C);

LASTMAXBPPRICE:=IF(COUNTSIG(BP,REF(NN,NN)*3)>0,HHV(REF(C,BARSBP),REF(NN,NN)*3)*(1000+0)/1000,C);

LASTMINSPPRICE:=IF(COUNTSIG(SP,REF(NN,NN)*3)>0,LLV(REF(C,BARSSP),REF(NN,NN)*3)*(1000-0)/1000,C);

XX1:=IF(LASTOFFSETPROFIT<0 AND ISLASTBP=1,BARSBP,1000);

XX2:=IF(LASTOFFSETPROFIT<0 AND ISLASTSP=1,BARSSP,1000);

YY1:=IF(ISLASTBPK=1,BARSBK,1000);

YY2:=IF(ISLASTSPK=1,BARSSK,1000);

NN>=NNN AND BKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);

NN>=NNN AND SKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);

NN>=NNN AND BKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);

NN>=NNN AND SKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);

NN>=NNN AND BKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);

NN>=NNN AND SKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);

NN>=NNN AND BKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);

NN>=NNN AND SKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);

BKVOL>0 AND BUYMARKET=1 AND C<=TDOMIN-PARAM1*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);

SKVOL>0 AND BUYMARKET=1 AND C>=TDOMAX+PARAM2*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);

BKVOL>0 AND SHORTMARKET=1 AND C<=TDOMIN-PARAM2*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);

SKVOL>0 AND SHORTMARKET=1 AND C>=TDOMAX+PARAM1*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);

BKVOL>0 AND C<BKPRICE*(1000-NX1)/1000,SP(BKVOL);

SKVOL>0 AND C>SKPRICE*(1000+NX1)/1000,BP(SKVOL);

BKVOL>0 AND BARSBK>NX2 AND C<=LLS,SP(BKVOL);

SKVOL>0 AND BARSSK>NX2 AND C>=HHS,BP(SKVOL);

BKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000<-5 AND NN=1,SP(BKVOL);

SKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000>5 AND NN=1,BP(SKVOL);

SETALLSIGPRICETYPE(TRACING_ORDER);

CLOSEKLINE(0,3);

相关推荐

量化交易策略有哪些?

01、海龟交易策略海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节,都进行了详细的设计,这基本上可以作为复杂交易策略设计和开发的模板。02、阿尔法策略阿尔法的概念来自于二十世纪中叶,经过学者的统计,当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数,属于传统的基本面分析策略。在期指市场上做空,在股票市场上构建拟合300指数的成份股,赚取其中的价差,这种被动型的套利就是贝塔套利。03、多因子选股多因子模型是量化选股中最重要的一类模型,基本思想是找到某些和收益率最相关的指标,并根据该指标,构建一个股票组合,期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢,则可以做多该组合,同时做空期指,赚取正向阿尔法收益;如果是跑输,则可以组多期指,融券做空该组合,赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。04、双均线策略双均线策略,通过建立m天移动平均线,n天移动平均线,则两条均线必有交点。若m>n,n天平均线“上穿越”m天均线则为买入点,反之为卖出点。该策略基于不同天数均线的交叉点,抓住股票的强势和弱势时刻,进行交易。双均线策略中,如果两根均线的周期接近,比如5日线,10日线,这种非常容易缠绕,不停的产生买点卖点,会有大量的无效交易,交易费用很高。如果两根均线的周期差距较大,比如5日线,60日线,这种交易周期很长,趋势性已经不明显了,趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要,趋势性越强的品种,均线策略越有效05、行业轮动行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。06、跨品种套利跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平;二是增强市场的流动性。07、指数增强增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同,增强型指数投资并无统一模式,唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实,基金经理试图尽可能保持标的指数的各种特征。08、网格交易网格交易是利用市场震荡行情获利的一种主动交易策略,其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量.不同大小的网格,在突破网格的时候建仓,回归网格的时候减仓,力求能够捕捉到价格的震荡变化趋势,达到盈利的目的。09、跨期套利跨期套利是套利交易中最普遍的一种,是股指期货的跨期套利(Calendar Spread Arbitrage)即为在同一交易所进行同一指数、但不同交割月份的套利活动。10、高频交易策略高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易,比如,某种证券买入价和卖出价差价的微小变化,或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快,以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方,以缩短交易指令通过光缆以光速旅行的距离。
2023-09-07 11:26:472

什么是量化投资交易策略

期货市场 相关的 中信证券:数量交易策略与算法研究—股指 -期货市场CTA交易策略设计及EMA开发 的 资源 下载地址: 或百度搜索 宽客在线 然后站内搜索 "中信证券:数量交易策略与算法研究—股指 -期货市场CTA交易策略设计及EMA开发"
2023-09-07 11:27:044

什么是量化投资交易策略

量化投资策略就是利用量化的方法,进行金融市场的分析、判断和交易的策略、算法的总称。量化投资策略类型包括:(1) 趋势判断型量化投资策略,判断趋势型是一种高风险的投资方式,通过对大盘或者个股的趋势判断,进行相应的投资操作。如果判断是趋势向上则做多,如果判断趋势向下则做空,如果判断趋势盘整,则进行高抛低吸。这种方式的优点是收益率高,缺点是风险大。一旦判断错误则可能遭受重大损失。所以趋势型投资方法适合于风险承受度比较高的投资者,在承担大风险的情况下,也会有机会获得高额收益。(2) 波动率判断型量化投资策略,判断波动率型投资方法,本质上是试图消除系统性风险,赚取稳健的收益。这种方法的主要投资方式是套利,即对一个或者N个品种,进行买入同时并卖出另外一个或N个品种的操作,这也叫做对冲交易。这种方法无论在大盘哪个方向波动,向上也好,向下也好,都可以获得一个比较稳定的收益。在牛市中,这种方法收益率不会超越基准,但是在熊市中,它可以避免大的损失,还能有一些不错的收益
2023-09-07 11:28:461

量化交易主要有哪些经典的策略?

交易策略,量化策略,主观策略,常见策略。交易策略:一个完整的交易策略一般包括交易标的的选择,进出场时机的选择,仓位和资金管理等几个方面。按照人的主观决断和计算机算法执行在策略各方面的决策中的参与程度的不同,可以将交易策略分为主观策略和量化策略。主观策略:主观策略主要依靠投资者的主观判断,期货市场的投资者通过对产业上中下游、供需、宏观经济预期等的调查做出自己的判断。类似股票市场的主观投资者通过深入研究行业的各个方面,调查行业内的上市公司,形成交易决策。量化交易注意事项在量化交易中,交易规则、参数和回测都要依靠历史数据计算获得。我们无法判断这些从历史数据中获得的规律能否在未来的市场中持续有效,所构建的交易模型也无法判断能否应用。简单的量化因子和策略更容易让人理解和接受,但越是简单的策略越容易被人们知悉,量化交易所获得的超额收益也越低。
2023-09-07 11:28:551

量化策略就是自己写代码吗

量化策略不是自己写代码。1、量化策略是指股票买入与卖出,以及有策略的思路进行实现。2、要有策略思路。买入条件:对短均线上穿长均线的股票实施买入操作卖出条件:对短均线下穿长均线的股票实施卖出操作长均线我们选取10日均线,短均线选取5日均线,5日均线上穿10日均线金叉买入,死叉卖出,是最常见的短线操作策略之一。3、就要想办法实现。计算选股指数。
2023-09-07 11:29:131

量化策略对什么的挖掘和使用

另类数据。量化策略是一套固定的逻辑分析,是对另类数据的挖掘和使用。量化策略既可以自动执行,也可以人工执行,操作是非常简单的。
2023-09-07 11:29:221

量化交易都有哪些主要的策略模型

随着量化交易的发展,单一技术指标的策略会面临失效的问题。所以现在的策略都是复合型的。经典量化交易策略(包括价值投资、技术指标、配对轮动、机器学习等)、研究型文章等
2023-09-07 11:29:523

十大经典量化交易策略

海龟交易策略阿尔法策略多因子选股双均线策略行业轮动跨品种套利指数增强网格交易跨期套利高频交易策略拓展资料海龟交易法是著名的公开交易系统,1983年著名的商品投机家理查德. 丹尼斯在一个交易员培训班上推广而闻名于世,它涵盖了交易系统的各个方面。其法则覆盖了交易的各个方面,并且不给交易员留下一点主观想象决策的余地。它具备一个完整的交易系统的所有成分。海龟交易法的内容一个完整的交易系统包含了成功的交易所需的每项决策:1、市场----买卖什么2、头寸规模----买卖多少3、入市----何时买卖4、止损----何时退出亏损的头寸5、离市----何时退出赢利的头寸6、策略----如何买卖市场——买卖什么第一项决策是买卖什么,或者本质上在何种市场进行交易。如果你只在很少的几个市场中进行交易,你就大大减少了赶上趋势的机会。同时,你不想在交易量太少或者趋势不明郎的市场中进行交易。头寸规模——买卖多少有关买卖多少的决策绝对是基本的,然而,通常又是被大多数交易员曲解或错误对待的。买卖多少既影响多样化,又影响资金管理。多样化就是努力在诸多投资工具上分散风险,并且通过增加抓住成功交易的机会而增加赢利的机会。正确的多样化要求在多种不同的投资工具上进行类似的(如果不是同样的话)下注。资金管理实际上是关于通过不下注过多以致于在良好的趋势到来之前就用完自己的资金来控制风险的。买卖多少是交易中最重要的一个方面。大多数交易新手在单项交易中冒太大的风险,即使他们拥有其他方面有效的交易风格,这也大大增加了他们破产的机会。入市——何时买卖何时买卖的决策通常称为入市决策。自动运行的系统产生入市信号,这些信号说明了进入市场买卖的明确的价位和市场条件。止损——何时退出亏损的头寸长期来看,不会止住亏损的交易员不会取得成功。关于止亏,最重要的是在建立头寸之前预先设定退出的点位。离市——何时退出赢利的头寸许多当作完整的交易系统出售的“交易系统”并没有明确说明赢利头寸的离市。但是,何时退出赢利头寸的问题对于系统的收益性是至关重要的。任何不说明赢利头寸的离市的交易系统都不是一个完整的交易系统。策略——如何买卖信号一旦产生,关于执行的机械化方面的策略考虑就变得重要起来。这对于规模较大的帐户尤其是个实际问题,因为其头寸的进退可能会导致显著的反向价格波动或市场影响。
2023-09-07 11:30:021

cta策略与量化策略区别是什么?

就投资方法来说,CAT策略可以分为主观CTA和量化CTA,说白了就是目的一样,但手段不同。CTA套利是一门艺术,它考验的不仅是基金经理敏锐的洞察力,同时也是决定一家CTA策略私募机构发展好坏的重要标准之一。CTA是Commodity Trading Advisor,即商品交易顾问的缩写。CTA本来是一个纯粹的金融监管词汇,代表的是专门为客户提供期货交易咨询和服务的个人或组织。后来演化为一种由专业的基金管理人以追求绝对收益为目标,运用客户委托的资金投资于期货市场、期权市场,并收取相应投资顾问费用的一种基金形式。市场上CTA基金产品琳琅满目,选出真正优质的量化CTA产品,建议投资人可以从以下方面进行考量:1、看业绩选择CTA基金,首先看其历史业绩表现和业绩的可持续性,时间越长收益越高,说明产品越好。2、看团队选择CTA基金,一定要深入研究其团队构成,一个成功可持续的CTA基金,必须依靠团队实力,好的团队可以进行多策略投资,能够在各种市场形态中均能取得较好的投资收益,因此团队的专业实力、稳定性等极其重要。
2023-09-07 11:30:121

量化交易策略研发的三个层次

最近调研了一些投资公司,发现一些人说自己做的是量化交易,却搞不清楚到底什么是量化交易。 我是个很爱学习的人,为了弄清楚什么事量化交易,特意查百度逛知乎,我是从这个问题开始的: 程序化交易是量化交易吗? 这里我先把几个概念总结一下: 程序化交易 或者自动化交易,是将策略交由计算机执行的交易模式。量化交易中,不少交易是通过计算机自动执行的,但两者不能划等号。 对冲交易 更多说的是一种交易理念,而非具体的策略。 量化交易 更多是基于数据和历史统计基础,制定的一些交易策略。哪怕不用计算机执行,但基于交易因素的数量变化引发的交易,都可以叫做量化交易。 而后,我在知乎上扒到一段文字,介绍了量化交易的策略研发方法,可以比较好的解答不同概念之间的关系,以及量化策略的进阶。作者将量化策略研发分成三个层次: 第一类:传统策略量化 很久以前,交易员们就开始做趋势策略、反转策略、剥头皮策略、做市策略等各种不同风格的策略,只不过那时是手工操作,或者半自动化。随着市场发展技术成熟,量化交易把这些策略的研发和执行自动化了,从而提高了研发效率和水平、降低了交易成本,较大程度的排除了人的不稳定因素。 这类交易,可以说是利用技术来提高原有策略的研发和执行,并且交易频率和规模也有了变化,但本质上并不算崭新的策略类别,以前赚钱的策略也许能赚的多一些,亏钱的策略,量化也不能把他变成赚钱,这就是 【思路错了量化也救不了你】 。 目前国内多数量化交易都属于此类。 第二类:科学技术驱动策略 纯粹或很大程度上基于技术(technologies)差别的策略。这个类别也有一定历史,但真正变成一个庞大且引人注目的策略类别,则是在近10年计算机技术的飞速发展过程中产生的。常见的情形是,某机构因为采用的算法效率更高,计算机硬件更强大(超级计算机),产生了细微的速度和计算优势,从而在交易上抢得先机,并运用自动化交易频繁交易大量产品,用巨大的交易量产生稳定的收益。这类策略中IT技术和科学模型起了很关键的作用。这就是【 技术就是你的思路】 。 举个例子: 较早开始高频交易的Tradebot就是这类策略的典型运用者,在2002年就达到了每天一亿个订单,差不多在那个时候很多传统做市商被Tradebot和Getco这样的新型电子做市商挤出市场,后来Tradebot和Getco同样一路用技术碾压其它电子做市商竞争对手。 在2005年, Tradebot 剥离了BATS Global Markets,也就是现在美国第三大股票市场BATS。而1999年Tradebot刚成立时,工作室地点是美国农村Kansas City的一间小地下室,里面阴暗潮湿,只有5个交易员坐在电脑屏幕前监控交易,那时每台电脑上都配备了一套叫着“Tradebot”的软件。而Getco 对策略的运用更广,野心更大。2012年,也是老牌做市商的 Knight 因技术故障,向纽交所发送大量错误order,导致公司巨亏4.4亿美元,股价两个交易日暴跌七成,被Getco以18亿美元价格收购。 人们常对西蒙斯文艺复兴的大奖章基金长期持续的高回报印象深刻,而实际上不太为媒体所知的是 Tradebot 常年保持每天(而不是每月或每年)盈利,not even one single losing day,原因是文艺复兴有很多新基金要向外部投资者融资(赚钱的大奖章很早停止了外部融资,而实际新基金表现比大奖章差很多),需要做一定程度的IR,而Tradebot不对外部投资者开放,自己低调赚钱,这也是HFT很普遍的特点。如果不是市场几次出现大动荡,HFT被揪出来当替罪羊,媒体口诛笔伐,基本是没有多少人知道这个低调类别的存在。 这一类,国内已经有一小批类似的交易者进入,他们深入研究交易规则和市场结构,制定相应的高频策略,配合高效软件硬件,争取积少成多的盈利。 第三类:新型量化策略 这类策略则是得益于计算机技术的发展,而慢慢发展起来的策略类别。它不完全是基于执行的技术优势,更多是利用技术研发出新策略。例如统计套利,需要较多计算机计算资源进行数据挖掘、模式识别,这在以前仅仅靠人力是难以胜任的。IT技术的发展和成本的降低使得这些策略的研发得以可行。这就是 【技术产生新策略】 。 这一类目前国内还处于萌芽期。 【感谢知乎作者 Leon 】 拓展: 如何设计量化交易策略?
2023-09-07 11:30:281

十大量化经典策略——双均线策略

最近想把量化投资十大经典策略都重新复现一遍,作为回顾,也作为学习。就从最基础的双均线策略开始,为了程序编写的简便起见,直接采用了聚宽平台,不然的话,股票的基本面数据和历史数据需要我自己去爬取,需要自己写爬虫,或者使用tushare之类的第三方包,不过tushare现在很多功能都需要有一定的积分了才可以使用。 构建双均线交易策略。使用两根均线,一根长周期均线,一根短周期均线。当短期均线从下往上穿越长周期均线的时候,买入;当短期均线从上往下穿越长周期均线的时候,卖出。 加入止损和仓位管理,并计算买入的股票数量;测试时间最好从2010年开始跑过整轮牛熊;使用的均线周期为15日,60日均线。 1.根据设置的长短周期,计算均线值 2.每日收盘后判断,若出现金叉,则把该股列入买入股票池,并计算5日平均波幅ATR,确定止损价为当然最低价-ATR,并根据风险比例和仓位,计算出可以买入的数量amount,保存在待买入列表中;若出现死叉,或股价跌破止损价,则将股票保存到待卖出股票列表中; 3.第二天,开盘判断待买入股票是否在持仓列表中,如不在,则买入,加入到持仓列表中;对待卖出列表中的股票进行卖出。 采用宁波银行"002142.XSHE",今世缘"603369.XSHG",两个股票作为股票池进行回测 2019-8-1至2021-2-1,策略收益32.57%,跑输沪深300指数 2010-8-1至2021-2-1,策略收益151.55%,跑赢沪深300指数 由于投资标的特定为宁波银行和今世缘,因此不能说选别的股票也是这个效果,于是我增加了选股策略: 4.股票池中的列表从沪深300成分股中选择,选择净利润同比增长率为正,扣非净利润为正,roe为正,净资产回报率为正的股票,并取净利润增长率和eps倒序排序,选前三个股票,每天开盘前选股。 选股之后,对股票池内的股票进行双均线择时,回测了2010-8-1至2021-2-1的结果如下: 可以看到,还是略为跑输沪深300指数的,可见单纯的依靠双均线策略,长期来看很难跑赢沪深300指数,这也就是说,对于普通投资者,坚持定投指数基金,的确可以打败大部分的主动型投资基金经理。
2023-09-07 11:30:361

编写量化策略需要注意的几个细节问题

编写量化策略需要注意的几个细节问题量化平台的出现,省去了quanter们自己打数据结构的时间和精力,可以集中在策略的想法构建上。但量化平台虽然好,还是会有一些功能会受到限制,因此,有时候还是需要自己清洗数据和编写回测程序。这里总结一下在量化策略编写中需要注意的数据处理问题,供参考:1.数据复权。在量化策略的编写中,是需要对原始的开盘和收盘价进行复权的,以处理因为分红、配股等因素造成的股价变动。很多量化平台都已经对开盘价和收盘价进行了复权处理,可以直接用,但自己进行数据清洗的时候,尤其是在计算日收益率的时候,一定要用复权价。2.剔除涨停股票。量化策略在实盘跑的时候,可能会遇到各种各样的实际操作问题,比如反转策略,基本逻辑很简单,就是选好那些排序期累计收益率排名靠前的股票并买进持有,然而有可能面临的问题是,在建仓那天,已经选好的那些股票有可能会开盘涨停,根本没办法买进。所以,在自己编写量化策略回测的时候,要将涨停股票在买进的时候剔除,这样回测的结果才更加接近实际。3.剔除停牌股票。在因子选股过程中,一般会有一个观测期(或者称为排序期),根据这个观测期内因子表现,来选择表现较好的股票来建仓。然而,可能遇到的问题是,在观测期内,有些股票会出现停牌,有的还会停牌好多天。在自己写策略的时候,要注意,在观测期内是需要把那些停牌时间较长的股票剔除掉的,因为停牌往往意味着会有重大信息发布,可能会对当前的选股因子产生较大影响。剔除方法也比较简单,例如观测期为90天,那么如果一只股票的停牌时间超过了90天的五分之一,即18天,那么就可以剔除它。4.关于平仓平不掉的问题。编写好的量化策略,在实盘交易的时候有可能遇到这么一种情况,就是在想卖的时候卖不掉(比如跌停),还是例如反转策略,在一个持有期结束,准备进入下一个持有期的时候,是需要把现有仓位卖掉再换新的仓位,然而,如果遇到跌停,那么根本就平不掉。如果量化策略回测中没有考虑这种情况,就可能会跟实际情况有差异。应对策略也很简单,可以继续持有现在平不掉的股票到可以平掉的那一天再平掉,这就需要把回测代码再进一步细化了。幸运的是,这种问题属于比较细节的问题,平不掉的情况遇到的也不会太多,所以对回测结果也不会产生很大影响(不像交易费用那样影响巨大),在因子测试等简单回测中,不考虑这个问题应该没什么大碍。但如果真正实盘回测,我觉得还是有必要把这个问题用代码描述出来的,这样才能更接近实际交易。
2023-09-07 11:30:441

量化分析的量化投资策略

量化投资技术几乎覆盖了投资的全过程,包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易,资产配置,风险控制等。1·量化选股量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法,如果该公司满足了该方法的条件,则放入股票池,如果不满足,则从股票池中剔除。量化选股的方法有很多种,总的来说,可以分为公司估值法、趋势法和资金法三大类2·量化择时股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立,股票价格充分反映了所有相关的信息,价格变化服从随机游走,股票价格的预测则毫无意义。众多的研究发现我国股市的指数收益中,存在经典线性相关之外的非线性相关,从而拒绝了随机游走的假设,指出股价的波动不是完全随机的,它貌似随机、杂乱,但在其复杂表面的背后,却隐藏着确定性的机制,因此存在可预测成分。3·股指期货套利股指期货套利是指利用股指期货市场存在的不合理价格,同时参与股指期货与股票现货市场交易,或者同时进行不同期限,不同(但相近)类别股票指数合约交易,以赚取差价的行为,股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。4·商品期货套利商品期货套利盈利的逻辑原理是基于以下几个方面 :(1)相关商品在不同地点、不同时间对应都有一个合理的价格差价。(2)由于价格的波动性,价格差价经常出现不合理。(3)不合理必然要回到合理。(4)不合理回到合理的这部分价格区间就是盈利区间。5·统计套利有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利,是一种风险套利,其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利在方法上可以分为两类,一类是利用股票的收益率序列建模,目标是在组合的β值等于零的前提下实现alpha 收益,我们称之为β中性策略;另一类是利用股票的价格序列的协整关系建模,我们称之为协整策略。6·期权套利期权套利交易是指同时买进卖出同一相关期货但不同敲定价格或不同到期月份的看涨或看跌期权合约,希望在日后对冲交易部位或履约时获利的交易。期权套利的交易策略和方式多种多样,是多种相关期权交易的组合,具体包括:水平套利、垂直套利、转换套利、反向转换套利、跨式套利、蝶式套利、飞鹰式套利等。7·算法交易算法交易又被称为自动交易、黑盒交易或者机器交易,它指的是通过使用计算机程序来发出交易指令。在交易中,程序可以决定的范围包括交易时间的选择、交易的价格、甚至可以包括最后需要成交的证券数量。根据各个算法交易中算法的主动程度不同,可以把不同算法交易分为被动型算法交易、主动型算法交易、综合型算法交易三大类。8·资产配置资产配置是指资产类别选择,投资组合中各类资产的适当配置以及对这些混合资产进行实时管理。量化投资管理将传统投资组合理论与量化分析技术的结合,极大地丰富了资产配置的内涵,形成了现代资产配置理论的基本框架。它突破了传统积极型投资和指数型投资的局限,将投资方法建立在对各种资产类股票公开数据的统计分析上,通过比较不同资产类的统计特征,建立数学模型,进而确定组合资产的配置目标和分配比例。
2023-09-07 11:30:511

为什么做量化策略股票比期货容易那么多

收益和波动,很多职业投资者的目标都是超越市场。问题在于大多数投资人都希望长期获得高回报并超越市场,但同时却厌恶短期的大幅度波动。遗憾的是,投资组合的低波动与超越市场的表现不可兼得;概率和赔率的组合就是期望,经常有人说量化朝着大概率的方向做,但有没有想过0.9概率为正但收益是10%,而0.1的概率为负但收益是负99%。其实,量化是朝着高期望的方向做,这个例子的期望收益是负0.9%,赌久了肯定亏干净;优化和过度拟合是通过对上面期望值的筛选后,初选出来的量化模型需要进一步优化,比如测试新参数、测试适应哪些行情等,通过测试不同参数可以得到对历史行情更为有效的策略;量化的本质是对于每一个交易策略来看,要想获得高收益必定承受高波动,对其优化的时候两者一定无法兼顾,且时间轴上来看无法做到适应所有的行情。由于交易策略不会适应所有的市场行情,所以在某一个策略无效时,不会给整个资金带来致命损失,所以管理人要经常测试所有的模型,以及时调整参数、删减模型、增加模型。
2023-09-07 11:31:051

量化交易主要有哪些经典的策略

给你一个模型,也是一个经典模型改编的沪镍2分钟波段策略PARAM1:=105;PARAM2:=-25;NX1:=7;NX2:=8;NX3:=9;NN:=BARSLAST(DATE<>REF(DATE,1))+1;YC:=REF(C,NN);YO:=REF(REF(O,NN-1),NN);YYC:=REF(REF(C,NN),NN);TDO:=REF(O,NN);TDOMAX:=MAX1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));TDOMIN:=MIN1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));LOTS:=300000/(0.1*UNIT*CLOSE);MA5BD:=(ABS(REF(O,SUMBARS(NN=1,2))-REF(C,SUMBARS(NN=1,1)+1))+ABS(REF(O,SUMBARS(NN=1,3))-REF(C,SUMBARS(NN=1,2)+1))+ABS(REF(O,SUMBARS(NN=1,4))-REF(C,SUMBARS(NN=1,3)+1))+ABS(REF(O,SUMBARS(NN=1,5))-REF(C,SUMBARS(NN=1,4)+1))+ABS(REF(O,SUMBARS(NN=1,6))-REF(C,SUMBARS(NN=1,5)+1)))/5;HHS:=REF(HHV(H,10),NX2)*(1000+NX3)/1000;LLS:=REF(LLV(L,10),NX2)*(1000-NX3)/1000;BUYMARKET:=IF(YYC/YC>=1,1,0);BUYMARKETBUYPRICE:=IF(BUYMARKET=1,TDOMAX+PARAM2*MA5BD/100,TDOMAX);BUYMARKETSHORTPRICE:=IF(BUYMARKET=1,TDOMIN-PARAM1*MA5BD/100,TDOMIN);SHORTMARKET:=IF(YYC/YC<1,1,0);SHORTMARKETBUYPRICE:=IF(SHORTMARKET=1,TDOMAX+PARAM1*MA5BD/100,TDOMAX);SHORTMARKETSHORTPRICE:=IF(SHORTMARKET=1,TDOMIN-PARAM2*MA5BD/100,TDOMIN);JUMPK:=ABS((REF(O,NN-1)-YC)/YC*1000);NNN:=IF(JUMPK>3,9,0);KEY:=ABS(YC-YO)<=0.2*MA5BD AND ABS(YC-YO)>=0*MA5BD;KEY1:=ABS(YC-YO)<=2.5*MA5BD AND ABS(YC-YO)>=0.25*MA5BD;LASTMAXBKPRICE:=IF(COUNTSIG(BK,REF(NN,NN)*3)>0,HHV(BKPRICE,REF(NN,NN)*3)*(1000+0)/1000,C);LASTMINSKPRICE:=IF(COUNTSIG(SK,REF(NN,NN)*3)>0,LLV(SKPRICE,REF(NN,NN)*3)*(1000-0)/1000,C);LASTMAXBPPRICE:=IF(COUNTSIG(BP,REF(NN,NN)*3)>0,HHV(REF(C,BARSBP),REF(NN,NN)*3)*(1000+0)/1000,C);LASTMINSPPRICE:=IF(COUNTSIG(SP,REF(NN,NN)*3)>0,LLV(REF(C,BARSSP),REF(NN,NN)*3)*(1000-0)/1000,C);XX1:=IF(LASTOFFSETPROFIT<0 AND ISLASTBP=1,BARSBP,1000);XX2:=IF(LASTOFFSETPROFIT<0 AND ISLASTSP=1,BARSSP,1000);YY1:=IF(ISLASTBPK=1,BARSBK,1000);YY2:=IF(ISLASTSPK=1,BARSSK,1000);NN>=NNN AND BKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);BKVOL>0 AND BUYMARKET=1 AND C<=TDOMIN-PARAM1*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);SKVOL>0 AND BUYMARKET=1 AND C>=TDOMAX+PARAM2*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);BKVOL>0 AND SHORTMARKET=1 AND C<=TDOMIN-PARAM2*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);SKVOL>0 AND SHORTMARKET=1 AND C>=TDOMAX+PARAM1*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);BKVOL>0 AND C<BKPRICE*(1000-NX1)/1000,SP(BKVOL);SKVOL>0 AND C>SKPRICE*(1000+NX1)/1000,BP(SKVOL);BKVOL>0 AND BARSBK>NX2 AND C<=LLS,SP(BKVOL);SKVOL>0 AND BARSSK>NX2 AND C>=HHS,BP(SKVOL);BKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000<-5 AND NN=1,SP(BKVOL);SKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000>5 AND NN=1,BP(SKVOL);SETALLSIGPRICETYPE(TRACING_ORDER);CLOSEKLINE(0,3);是文华财经
2023-09-07 11:31:177

量化交易主要有哪些经典的策略

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态,其最重要手段的概率取胜,最重要的技术是概率统计,最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时,也应该用我们的经验来确定是否把某技术参数放进去,因为一般来说定性投资比较好用的参数指标对量化投资同样适用。量化投资区别于传统定性投资的主要特征在于模型。我打个比方,我们看病,中医与西医的诊疗方法是不同,中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的经验,主观定性程度大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。中医对医生的经验要求非常高,他们的主观判断往往决定了治疗效果,而西医则要从容得多,按事先规定好的程序走就行了。量化投资就是股票投资中的西医,它可以比较有效地矫正理智与情绪的不兼容现象。  量化投资的一般思路:选定某些技术指标(我们称之为参数,往往几个组成一组),并将每一个参数的数据范围进行分割,成几等份。然后,用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序,连接至大型数据库进行统计计算,自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用,因为这里涉及到一个概率陷阱的问题,比如说,有1到100这一百个数字放在那里,现在让你选择,请问你选到100的可能性是多大?是的,就是1/100,如果较幸运你选到了100并不能说明你比别人聪明,而是概率的必然。所以,在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证,只有验证合格后才能试用。  量化投资原始数据策略:我们选用96年后的市场数据,因为96年股市有过一次交易政策改革(你可以自己查询了解一下),为了不影响研究结果我们不采纳96年以前的数据进数据库。  量化投资研究的硬设备:高计算性能电脑,家用电脑也可以,不过运算时间会很长,我曾经用家用电脑计算了三个月时间才得到想要的数据。  统计方法:可以选用遗传算法,但我在这里陪大家做的是比较简单的模型,所以采用普通统计方法就可以了。  用于量化研究的软件:我采用的是免费的大型数据库MYSQL,ASP网络编程语言,以及可以设置成网络服务器的旗舰版WIN7操作系统。
2023-09-07 11:31:441

期货中主观策略,量化策略是什么意思

给你一个模型自己体会一下,是文华财经的沪镍2分钟波段策略PARAM1:=105;PARAM2:=-25;NX1:=7;NX2:=8;NX3:=9;NN:=BARSLAST(DATE<>REF(DATE,1))+1;YC:=REF(C,NN);YO:=REF(REF(O,NN-1),NN);YYC:=REF(REF(C,NN),NN);TDO:=REF(O,NN);TDOMAX:=MAX1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));TDOMIN:=MIN1(TDO,REF(TDO,NN),REF(REF(TDO,NN),NN));LOTS:=300000/(0.1*UNIT*CLOSE);MA5BD:=(ABS(REF(O,SUMBARS(NN=1,2))-REF(C,SUMBARS(NN=1,1)+1))+ABS(REF(O,SUMBARS(NN=1,3))-REF(C,SUMBARS(NN=1,2)+1))+ABS(REF(O,SUMBARS(NN=1,4))-REF(C,SUMBARS(NN=1,3)+1))+ABS(REF(O,SUMBARS(NN=1,5))-REF(C,SUMBARS(NN=1,4)+1))+ABS(REF(O,SUMBARS(NN=1,6))-REF(C,SUMBARS(NN=1,5)+1)))/5;HHS:=REF(HHV(H,10),NX2)*(1000+NX3)/1000;LLS:=REF(LLV(L,10),NX2)*(1000-NX3)/1000;BUYMARKET:=IF(YYC/YC>=1,1,0);BUYMARKETBUYPRICE:=IF(BUYMARKET=1,TDOMAX+PARAM2*MA5BD/100,TDOMAX);BUYMARKETSHORTPRICE:=IF(BUYMARKET=1,TDOMIN-PARAM1*MA5BD/100,TDOMIN);SHORTMARKET:=IF(YYC/YC<1,1,0);SHORTMARKETBUYPRICE:=IF(SHORTMARKET=1,TDOMAX+PARAM1*MA5BD/100,TDOMAX);SHORTMARKETSHORTPRICE:=IF(SHORTMARKET=1,TDOMIN-PARAM2*MA5BD/100,TDOMIN);JUMPK:=ABS((REF(O,NN-1)-YC)/YC*1000);NNN:=IF(JUMPK>3,9,0);KEY:=ABS(YC-YO)<=0.2*MA5BD AND ABS(YC-YO)>=0*MA5BD;KEY1:=ABS(YC-YO)<=2.5*MA5BD AND ABS(YC-YO)>=0.25*MA5BD;LASTMAXBKPRICE:=IF(COUNTSIG(BK,REF(NN,NN)*3)>0,HHV(BKPRICE,REF(NN,NN)*3)*(1000+0)/1000,C);LASTMINSKPRICE:=IF(COUNTSIG(SK,REF(NN,NN)*3)>0,LLV(SKPRICE,REF(NN,NN)*3)*(1000-0)/1000,C);LASTMAXBPPRICE:=IF(COUNTSIG(BP,REF(NN,NN)*3)>0,HHV(REF(C,BARSBP),REF(NN,NN)*3)*(1000+0)/1000,C);LASTMINSPPRICE:=IF(COUNTSIG(SP,REF(NN,NN)*3)>0,LLV(REF(C,BARSSP),REF(NN,NN)*3)*(1000-0)/1000,C);XX1:=IF(LASTOFFSETPROFIT<0 AND ISLASTBP=1,BARSBP,1000);XX2:=IF(LASTOFFSETPROFIT<0 AND ISLASTSP=1,BARSSP,1000);YY1:=IF(ISLASTBPK=1,BARSBK,1000);YY2:=IF(ISLASTSPK=1,BARSSK,1000);NN>=NNN AND BKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C>=BUYMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY1=1 AND BUYMARKET=1 AND C<=BUYMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);NN>=NNN AND BKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C>=SHORTMARKETBUYPRICE AND C>=LASTMAXBKPRICE AND C>=LASTMAXBPPRICE AND XX1>REF(NN,NN),BK(LOTS);NN>=NNN AND SKVOL=0 AND KEY1=1 AND SHORTMARKET=1 AND C<=SHORTMARKETSHORTPRICE AND C<=LASTMINSKPRICE AND C<=LASTMINSPPRICE AND XX2>REF(NN,NN),SK(LOTS);BKVOL>0 AND BUYMARKET=1 AND C<=TDOMIN-PARAM1*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);SKVOL>0 AND BUYMARKET=1 AND C>=TDOMAX+PARAM2*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);BKVOL>0 AND SHORTMARKET=1 AND C<=TDOMIN-PARAM2*MA5BD/100 AND YY1>REF(NN,NN),SPK(BKVOL);SKVOL>0 AND SHORTMARKET=1 AND C>=TDOMAX+PARAM1*MA5BD/100 AND YY2>REF(NN,NN),BPK(SKVOL);BKVOL>0 AND C<BKPRICE*(1000-NX1)/1000,SP(BKVOL);SKVOL>0 AND C>SKPRICE*(1000+NX1)/1000,BP(SKVOL);BKVOL>0 AND BARSBK>NX2 AND C<=LLS,SP(BKVOL);SKVOL>0 AND BARSSK>NX2 AND C>=HHS,BP(SKVOL);BKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000<-5 AND NN=1,SP(BKVOL);SKVOL>0 AND (REF(O,NN-1)-YC)/YC*1000>5 AND NN=1,BP(SKVOL);SETALLSIGPRICETYPE(TRACING_ORDER);CLOSEKLINE(0,3);
2023-09-07 11:32:064

为什么量化投资策略回测收益那么高,那不是没人亏钱了

不是的。历史上有2个传奇人物,一个是巴菲特,价值投资的代表,长期年化收益约20%;另一个是西蒙斯,量化投资的代表,长期年化收益好像是35%现在网上不少量化策略,动辄收益好几十甚至超过100%,对比一下就能发现问题。很多策略回测时看起来收益是高,吸引眼球,但实盘效果不行,有点甚至亏钱(有一些是他们做给别人看的;有一些人他们自己做出收益率很高的策略后来投资,自己中了陷阱都不一定知道)真正严格意义上的量化投资,在流程上是严谨、复杂的,每步都很精细,最后还要进行一系列的检验,绝非在网上的量化平台随便搞搞就能做出来。(当然网上也有一些优秀的策略,但不容易鉴别出来)———————————————我是分割线————————————————另外想到一点,在现实中很多基金公司收益都跑不过大盘指数,长期平均能赢市场的,很少。投资并不是一件简单的事。
2023-09-07 11:32:224

股民的策略进行量化的难度有多大?

股票是交易不是投资,所谓量化交易必须有个前提,就是股票简单重复历史走势
2023-09-07 11:32:341

如何识别优秀的量化交易策略

通过回测、仿真、实盘一系列的过程去识别是否优秀
2023-09-07 11:32:563

量化交易领域有哪些经典策略

这个真的看心情下菜的88
2023-09-07 11:34:282

影响量化多头策略的3个因素是什么?

影响量化多头策略的3个因素是什么?1、实行T+0操作。投资者都知道,在A股市场中的股票都是T+1交易制度。当然,如果股票出现了被套的情况,我们是可以采用T+0操作的。比如我们手里有100股被套,那么在交易日时,再次买入100股。趁盘面出现拉升时,将自己手里的100股卖掉。通过这种方式进行降低成本。2、继续补仓。补仓的主要目的是平衡我们的成本,在股票被套的时候,我们可以抓住市场中的机会,给股票进行补仓。将自己的持股成本降低,如果股票出现了一波上涨,就可能帮助我们迅速回本解套。3、高抛低吸。如果投资者持有的股票数量较多的话,可以趁股票出现上涨的时候,卖出部分的股票。在股票回调之后,我们再次买入同等数量的股票。反复的使用这种方法,也是可以帮助我们快速解套的。4、重仓解救。在股票被套之后,如果用户手里还有资金的话,可以用资金重仓被套的股票。在股票出现上涨的时候,再将重仓部分的股票卖掉。但是,需要投资者注意的是,这种方式往往存在着较大的风险,出现失败可能全仓被套。
2023-09-07 11:34:462

如何利用excel回测量化投资策略?

用excel回策量化策略,效率太低了,而且数据过大的话excel完成不了,可以利用现有的量化交易平台,如果非的用excel回策,你至少要学会各种技术指标,和如何用计算机语言描述走势行情分析,还需要会编辑回测所用的各种回测指标公式,你才能完成excel的量化回测,初学时可以用这个但,实际应用时,至少要用一套量化分析平台的软件,或者自己利用c语言,Python,等开发出一套量化分析软件。
2023-09-07 11:35:101

量化交易的从业者,痛点有哪些

痛点1:好的量化交易投研工具目前市场上好的量化交易平台不多,大多数只是作为投研学习用得平台,真正能保证 安全和实盘的真心不多,现国内高端的量化交易平台能够实现高质量的清洗数据、策略开发、回测、仿真以及能够实盘仅有少数,掘金量化交易平台就是其中之一。痛点2:基于历史数据回测由于量化策略是基于历史数据分析的,基础的量化模型在设计之初都是经过至少三年以上的历史走势追溯,即构建量化模型的投资周期都是长线的。量化因子的互相作用及平衡也是基于长期的,短期市场的波动尽管会对量化因子产生影响,但短期影响并不会在长期投资中产生决定性因素。一旦当前市场表现和过去出现较大差别,那么,基金业绩表现肯定就会不好。痛点3:策略同质化现象严重当前的公募市场上,很难见到精妙的、具有独特竞争力的量化策略,不少策略趋同,大量相似量化策略的登堂入室,让其收益回归平均甚至难以达到平均水平。一些基金为了避免出现持仓过于集中在中小创的情况,它们会把大盘股强制配进去,做成一个中性策略,该做法可有效降低单一风险,使得在风格切换中,避免净值大幅回撤,但代价当然也是整体预期收益降低,比如在中小创风口来临时,采用这种方法的基金业绩就会逊色很多。当然,在策略贫乏的市场环境中也有量化基金守正出奇,闯出了一片新天地,上投摩根阿尔法就是典型代表。在今年风格骤变的行情中,该基金以近 19% 的收益率领跑主动型量化基金,其秘诀就在于:采用了哑铃式投资技术,同步以 " 成长 " 与 " 价值 " 双重量化指标进行股票选择。这样一来,就克服了单一风格投资所带来的局限性。哑铃式投资技术 ( Barbell Approach ) 是目前国际市场上较为成熟的一种投资方法,其基本操作思想在于同时投资于两类风格差异较大的产品,构建的投资组合具有两种产品的某些优点,同时能够回避某些市场波动带来的损失。当前,不少基金公司已经意识到,变则通,不少机构正在动态调整量化策略。拓展策略的延展性、修改量化因子等,已经成为不少量化产品的选择。痛点4:受策略局限性的制约目前,市场上的公募量化基金普遍采用的是阿尔法策略,有效的套利、做空等多策略都不能灵活运用,这导致量化基金策略偏向于做多。而私募量化基金,因其策略的多样性,使其更容易适应市场变化。此前,股指期货 " 松绑 " 所传递出的信号,从中长期看,对量化基金来说绝对是利好。而随着资本市场未来上市更多的金融衍生品,将有效解决股市单边市的问题,量化策略可配置的品种也将越来越丰富,届时量化投资或将大有可为。作为市场相对成熟的美国,导致近期量化策略,尤其是 CTA 策略 " 失效 " 的主因究竟又是什么?对冲基金 Quest Partners LLC 的联合创始人兼首席投资官 Nigol Koulajian 给出了答案。他表示:" 已经适应了这个市场环境的 CTA 在越来越倾向于长期交易,它们的持仓规模在增大,并且很多投资者运用的是同样的策略,一旦出现趋势逆转,对市场的影响将是巨大的。"
2023-09-07 11:35:321

量化中性策略是什么

中的兴策策略,如果是量化中性策略的话,那么你可以在策略中组织一些比较好的。然后在莲花。
2023-09-07 11:35:562

【策略】量化对冲的三种策略

期货市场行情瞬息万变,交易本身也蕴含极大风险。不过,投资并非一定是“刀口舔血”,通过数据分析和特定的交易软件,投资者也可获得稳定的收益。如今进入衍生品时代,量化对冲交易将成为投资者的核心策略。 ▌市场有波动就能赚钱 2011年底,国际大宗商品市场的波动越来越多地显示出资金面的重要性,而非传统的基本面在决定市场波动。这种新变化,使投资者越来越依赖资金的分析来做出决策,这也在一定程度上推动了量化对冲交易的发展。 所谓量化投资,其本质就是利用数据和模型来进行投资决策工作。东方证券资深分析师丁鹏表示,目前国内的量化对冲交易仍处于起步阶段,但国际市场上早已不乏成功案例。如在美国,由“对冲基金之王”詹姆斯·西蒙斯管理的“大奖章”基金连续20年年均盈利达35%。西蒙斯的主要策略就是利用强大的数学模型和计算机软件,通过对历史数据的相关性分析来预测未来,在全球市场的不同产品中进行高频交易,赚取微小的波动差,从而获取一个稳健持续的收益。 丁鹏指出,对冲交易更多的属于中性策略,不太受到牛熊市大环境的影响,只要有波动就能赚钱。他认为,投资的暴利时代已经结束,在衍生品时代,虽然市场操作的难度大大增加,但稳健盈利将会成为资产管理的核心竞争力,且绝对收益产品也将变成高净值客户的追求。因此,量化对冲交易将成为获取绝对收益的核心。 丁鹏表示,目前国内市场应用较多的还是期现的套利交易,而实际上,量化的概念包括期货、期权套利及算法交易等。以股指期货套利为例,其基本概念是指利用股指期货市场存在的不合理价格,同时参与股指期货与股票现货市场交易,或同时进行不同期限、不同(但相近)类别股票指数合约交易来赚取差价的行为,其主要方法包括期现、跨期、跨市、跨品种套利等。 而期权套利的优点在于收益无限的同时,风险损失却有限,因此很多时候利用期权取代期货来做空,进行套利交易,比单纯利用期货套利具有更小的风险和更高的收益率。其主要方法包括股票—期权套利、转换套利、跨式套利、宽跨式套利、“蝶式”套利和“飞鹰式”套利等。 ▌量化对冲三种交易策略 流动性回扣交易 为争取更多的交易订单,美国所有的证券交易所都为那些创造流动性的券商提供一定的交易费用回扣,通常为0.25美分/股。不论买单还是卖单,只要交易成功,交易所即向该流动性的原始提供券商支付回扣,同时向利用该流动性进行交易的券商征收更高的费用。随着这种激励机制的普及,越来越多以专门获取交易回扣为赢利目的交易策略便应运而生。 例:假设机构投资者的心理成交价格在30-30.05美元。如果交易系统中的第一个买单(如100股)配对成功,以30美元成交。这样,交易系统中第二个买单(如500股)便显示出来。假设该买单也配对成功,以30美元成交,根据上述交易信息,专门从事流动性回扣策略的高频交易者的计算机系统即可能察觉到机构投资者其他后续30美元买单的存在,遂迅速采取行动,报出价格为30.01美元的买单100股。毫无疑问,那些曾以30美元出售股票的券商更愿以30.01美元的价格出售给该回扣交易商。 交易成功后,回扣交易商立刻调整交易方向,将刚刚以30.01美元购得的100股股票以相同价格,即30.01美元挂单卖出。由于30美元股价已不复存在,故该卖单很可能被机构投资者接受。 这样一来,尽管回扣交易商在整个交易过程中没有赢利,但由于第二个主动卖单给市场提供了流动性,从而获得交易所提供的每股0.25美分的回扣佣金。不言而喻,回扣交易商所获得的每股0.25美分的盈利是以机构投资者多付出的1.0美分为代价的。 猎物算法交易 在美国,超过一半的机构投资者的算法报单遵循国家最佳竞价原则。根据该原则,当一个报单由于价格更为优先,从而在排序上超过另一个报单时,为能成交第二个报单,常常调整股价并与前者保证一致。事实上,一只股票的算法报单价格常以极快的速度相互攀比追逐,从而使该股票价格呈现出由高到低、由低到高的阶段性变动趋势,这也正是在实际交易中经常看到数量有限的100股或500股小额交易常常将股价推高或拉低十美分至几十美分的原因。 所谓猎物算法交易策略,就是在对上述股价变动历史规律进行研究的基础上而设计,即通过制造人为的价格来诱使机构投资者提高买入价格或降低卖出价格,从而锁定交易利润。 例:假设机构投资者遵循国家最佳竞价原则,且心理成交价格在30-30.05美元。像上例中流动性回扣交易商一样,猎物算法交易商用非常相似的程序和技术来寻找其他投资者潜在的连续算法订单。在计算机确认价格为30美元的算法报单的存在后,猎物算法交易程序即发起攻击:报出价格为30.01美元的买单,迫使机构投资者迅速将后续买单价格调高至30.01美元。然后猎物算法交易商进一步将价格推高至30.02美元,诱使机构投资者继续追逐。 以此类推,猎物算法交易商瞬间将价格推至机构投资者能接受的价格上限30.05美元,并以此价格将股票卖给后者。交易商知道30.05美元的人为价格一般难以维持,从而在价格降低时补仓赚取利润。 自动做市商交易 做市商的主要功能即为交易中心提供交易流动性。与普通做市商一样,自动做市商高频交易者通过向市场提供买卖订单来提高流动性。不同的是,他们通常与投资者进行反向操作。自动做市商高频交易者的高速计算机系统,具有通过发出超级快速订单来发现其他投资者投资意向的能力。比如,在以极快速度发出一个买单或卖单后,如果没有迅速成交,该订单将被马上取消。然而,如果成交,系统即可捕捉到大量潜在、隐藏订单存在的信息。 例:假设机构投资者向其算法交易系统发出价格在30.01-30.03美元之间的系列买单,外界无人知道。为发现潜在订单的存在,自动做市商高频交易者的高速计算机系统以30.05美元的价格发出一个100股的卖单。由于价格高于投资者价格上限,因此没引起任何反应,该卖单被撤销;计算机又以30.04美元再次探试,还是没引起反应,该卖单也被撤销;计算机再以30.03美元探试,结果交易成功。 基于此,计算机系统即意识到一定数量价格上限为30.03美元的隐藏买单的存在。于是,运算功能强大的该计算机系统随即发出30.01美元的买单,并利用其技术优势赶在机构投资者之前进行成交,然后再以30.03美元的价格反卖给机构投资者。
2023-09-07 11:36:151

量化策略研究员成长之路?

量化策略研究员成长之路:先从一个领域切入,比如期货CTA,有了策略上实盘之后,基本没有太多的日常工作,可以再研究商品套利、对冲、日内等,商品研究透彻后,再研究股票阿尔法、股票日内回转、股票指数增强,等股票也成熟了,可以研究期权策略,等期权也研究透了,可以研究债券。作为量化交易领域的另类分支——宏观量化投研领域,到底一个宏观量化策略研究员需要怎样的修为,才能在这条艰辛而又充满着无限成就憧憬的路上持续走下去。作为一个最初立志成为一个物理学家的科学研究者,我的职业经历至少可以给那些刚刚踏入或者即将踏入宏观量化投研领域的年轻人一个善意的提示——要想在宏观量化投研领域发展。宏观量化研究更注重严格的推导和精确的数据验证,同时又不乏大胆的理论假设。在这个领域,我们一直推崇AQR的深入研究精神,在基本面和市场研究领域,AQR永远保持着自己独立的探索思路和严密的理论验证。相关信息最初的宏观研究和经济研究大多是从周期研究开始的,归根溯源所有的经济周期从根本上都是人类的生命周期,因为人类生命的限制,所以基本上一个完整的经济周期都是以10的倍数来衡量的,或者从更广义的角度去理解,人类长达百年的科技周期某种程度上也是生命周期的终极体现。每一个科技周期的兴起都是随着一个个科学巨匠的诞生和生命终结为最终的时间标准的。所以归根结底,无论是科学研究还是经济研究最终还是受到人类的生命周期的影响。所以直到现在,所以宏观研究甚至是市场研究还是离不开传统图表分析。从这些行业,甚至经济的图表中,无数的计量经济学背景的研究者研究的是这些经济数据的波动和市场波动之间领先和滞后的关系,大家都试图找到打开领先于市场的那把钥匙,无论这把钥匙是定性的,或者半定量分析再加上主观的递归法。
2023-09-07 11:36:231

如何构建简单实用的量化择时策略

所谓量化择时,简单来讲就是利用某种数量化的方法判断市场走势。如果判断是上涨,则买入持有;如果判断是下跌,则卖出清仓;如果判断是震荡,则进行高抛低吸。这个问题显然没那么简单。大盘明天是涨还是跌?下周是涨还是跌?下个月是涨还是跌?明年是涨还是跌?如果有谁能像章鱼帝那样准确预测,那一定富甲天下了!像这样的难题,有什么比较好的解决方案呢?大数据择时?机器学习?人工智能?这些乍听之下就感觉高大上的量化择时方法对于许多在短短半年内历经三次股灾险死还生的投资者而言,恐怕是既心向往之而又感无能为力吧!其实,正如我们前面的简单策略所展示的那样,只要我们不过于贪婪,即使没有这些高大上的方法,通过构建一个简单实用的量化择时系统,也可以在较长时期内跑赢市场,获取相对稳定的长期投资收益。比较常用的量化择时方法,除了隐马尔科夫(HMM)、支持向量机(SVM)等基于机器学习(Machine Learning)理论的较复杂方法之外,还包括趋势择时、市场情绪择时、有效资金模型、赫斯特指数等诸多方法。我们前面所展示的正是基于移动均线的趋势择时策略。
2023-09-07 11:37:591

如何创建自己的量化交易策略组合?

1、你首先要有策略,且要有一定数量的策略,思路不一样,不是指品种和时间周期不一样;2、这些策略的组合有减少交易风险的功效,有组合在一起的对冲机制,这样才有组合的必要;3、有极端行情风险的综合预判能力,减少自动运营下因黑天鹅而导致巨亏的情况。具备以上三个条件,再考虑你问的问题。如果不具备,先让自己具备这个条件
2023-09-07 11:38:301

量化投资策略到底什么是量化投资

量化投资是通过量化软件工具,将交易思路编写成交易策略进行的交易。可以参考文章:量化投资交易策略的开发
2023-09-07 11:38:544

股票量化交易策略是什么意思

量化投资策略就是利用量化的方法,进行金融市场的分析、判断和交易的策略、算法的总称。所谓的量化就是通过海量的数据客观分析决策,利用模型扑捉价差,获得持续稳定的收益,从而避免了人为主观因素干扰。对冲即利用配对交易寻找套利空间,无视熊牛市,市场涨跌均可获利,从而规避系统性风险。应答时间:2021-06-02,最新业务变化请以平安银行官网公布为准。 [平安银行我知道]想要知道更多?快来看“平安银行我知道”吧~ https://b.pingan.com.cn/paim/iknow/index.html
2023-09-07 11:39:204

量化交易主要有哪些经典的策略

研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态,其最重要手段的概率取胜,最重要的技术是概率统计,最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时,也应该用我们的经验来确定是否把某技术参数放进去,因为一般来说定性投资比较好用的参数指标对量化投资同样适用。量化投资区别于传统定性投资的主要特征在于模型。我打个比方,我们看病,中医与西医的诊疗方法是不同,中医是望、闻、问、切,最后判断出的结果,很大程度上基于中医的经验,主观定性程度大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。中医对医生的经验要求非常高,他们的主观判断往往决定了治疗效果,而西医则要从容得多,按事先规定好的程序走就行了。量化投资就是股票投资中的西医,它可以比较有效地矫正理智与情绪的不兼容现象。  量化投资的一般思路:选定某些技术指标(我们称之为参数,往往几个组成一组),并将每一个参数的数据范围进行分割,成几等份。然后,用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序,连接至大型数据库进行统计计算,自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用,因为这里涉及到一个概率陷阱的问题,比如说,有1到100这一百个数字放在那里,现在让你选择,请问你选到100的可能性是多大?是的,就是1/100,如果较幸运你选到了100并不能说明你比别人聪明,而是概率的必然。所以,在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证,只有验证合格后才能试用。  量化投资原始数据策略:我们选用96年后的市场数据,因为96年股市有过一次交易政策改革(你可以自己查询了解一下),为了不影响研究结果我们不采纳96年以前的数据进数据库。  量化投资研究的硬设备:高计算性能电脑,家用电脑也可以,不过运算时间会很长,我曾经用家用电脑计算了三个月时间才得到想要的数据。  统计方法:可以选用遗传算法,但我在这里陪大家做的是比较简单的模型,所以采用普通统计方法就可以了。  用于量化研究的软件:我采用的是免费的大型数据库MYSQL,ASP网络编程语言,以及可以设置成网络服务器的旗舰版WIN7操作系统。
2023-09-07 11:40:181

量化策略一般用什么平台回测?分别有什么优劣势

最近在京东的量化平台做了一个财务指标的多因子筛选股票的策略,采取的是筛选股票在研究里面做,回测和实盘操作在策略中进行,感觉这样似乎更好调整些,希望和大家分享。京东的量化平台上有一个模块叫做“研究”,在里面可以选择在右上栏的new下拉选择Python 3,也就是用内部搭建的Python 3 结合京东提供给用户的数据可以写代码,我个人的筛选策略也写在研究里面,是不公开的。在“研究”的一些内置函数和“策略”中的有所不同,最主要的就是研究中获取股票各类价格的函数是get_price,而不是策略中的get_history,具体的注意事项和函数介绍详见 在“研究”的一些内置函数和“策略”中的有所不同,最主要的就是研究中获取股票各类价格的函数是get_price,而不是策略中的get_history,具体的注意事项和函数介绍详见 平台帮助文档下的“策略研究API文档”和“Python API文档”就分别对应平台的“研究”和“策略”模块,用户使用时可以放心查阅。另外,我想大家对于这样的一个量化策略平台,一定都会有一定的疑问,那就是其一:量化平台有很多,京东量化平台有什么优势呢?其二:Python自带的程序包和各类数据公司提供的数据接口API不是也可以方便大家写策略吗?平台存在的必要是什么?另外,我想大家对于这样的一个量化策略平台,一定都会有一定的疑问,那就是其一:量化平台有很多,京东量化平台有什么优势呢?其二:Python自带的程序包和各类数据公司提供的数据接口API不是也可以方便大家写策略吗?平台存在的必要是什么?对于第一个问题,京东量化平台的竞争优势在于我们数据的准确性。由于数据已经经过清洗,编写的策略运行起来才能有的放矢,再也不用担心侧(NaNs)漏(Infs)。另外京东作为大型电商,有很多“特色数据”,即京东行业数据,就是不同行业的指数数据。拿这些数据写起策略来会不会产生更多的收益呢?来平台 写写见分晓哦~嗯,第二个问题...首先,作为一个用过Anaconda和某知名坑爹付费数据提供商的Python API接口写策略的人,用平台无疑能为各类人士 I mean, 小白和中高端金融从业人士) 省去不少麻烦:回测的函数不用麻烦写了,那些handle_data自然按照设定的回测频率(天/分钟)帮你跑完,图像、风险指标分析一目了然;另外,作为一个平台,它的社区里面会有很多算法、策略和学习心得的分享及交流。京东量化平台正在致力于打造这样的一个平台,平台里的数据完全免费开放,数据准确(有错也能及时修复数据)且必需函数一应俱全。In a word, 满足各类中高端(quant)人士(码农)需求。刚才说的用“研究”内置Python写的多因子模型代码和一些使用心得稍后也会放在平台的“社区”模块下,还望大家给予关注哦~~~
2023-09-07 11:40:282

国内股票的量化投资策略有哪些,特别是基本面量化

普通股股东有权从公司利润分配中得到股息。普通股的股息是不固定的,由公司赢利状况及其分配政策决定。普通股股东必须在优先股股东取得固定股息之后才有权享受股息分配权。地刮,刮起我心底曾经做过的梦和你给过的楼堂馆所
2023-09-07 11:40:392

量化投资策略的优势有哪些

量化,别乱用词
2023-09-07 11:40:502

有没有什么好的量化投资策略(做的股指期货)?求大神帮助

这年头量化策略就是高频交易 最后拼得是速度 你先拉专线 买服务器 买一手行情 投入个百万再说 好的策略没速度 抢不过别人 你行情比别人慢个1秒或者500毫秒 你搞啥量化
2023-09-07 11:41:042

如何设计量化交易策略

1.自下而上好,所有的理论都是基于数据和案例推导而出,这些数据和模型所有人都知道,也不一定符合你的性格和目标。2.小周期容易控制亏损,回撤大小决定一个模型的存亡。3.因为别人不会告诉你他的策略。4.流程是这样的,a.自己想一个策略或从别人那里获得一个自己可以理解的策略。b.写成代码。c.用历史数据做测试。d.实盘测试。e.小资金测试。f.大资金部署。g.维护5.只有对操作品种的深刻理解才能保证模型在遭受挫折的时候坚持下来。6.策略的独特性决定策略与策略之间的竞争力,抄别人的策略很可能赚不了钱,不是不能抄,要在抄的基础上再创新。量化交易我认为是一种创新工作,不是把已有的经验转交给软件执行就完事了。
2023-09-07 11:41:141

量化交易的四大技术痛点都是什么?

要看你是量化交易的开发者,还是量化交易的使用者。 一,对于量化交易的开发者, 1,程序的开发能力,编程能力 2,没有完善的交易系统 3,懂程序的人不懂交易,懂交易的人又不懂编程,如果两人合作开发,因为怕技术外泄的原因,双方都有所保留,以致合作难以达到好的境界, 4,完整的数据,量化交易的程序开发,有赖于 历史 数据的测试,可市场里不是每一种品种都有足够的数据可以提供来测试,例如新上市的股票或者期货合约, 二,对于量化交易的使用者 1,大多使用者都是用别人开发的成果,导致没有足够的信任和信心,赚钱还好,亏钱就难以坚持 2,量化交易程序化交易往往都依赖于很多数据参数,使用者很难把握好参数的设置 3,不同的级别会有不同的效果,使用者很难选择最佳级别 4,市场的参与主体不断在发生演变进化,导致市场也跟随着演变,固化的量化交易程序,不一定能适应不断向前走的市场 以上希望能够帮到你痛点1:好的量化交易投研工具 目前市场上好的量化交易平台不多,大多数只是作为投研学习用得平台,真正能保证 安全和实盘的真心不多,现国内高端的量化交易平台能够实现高质量的清洗数据、策略开发、回测、仿真以及能够实盘仅有少数。 痛点2:基于 历史 数据回测 由于量化策略是基于 历史 数据分析的,基础的量化模型在设计之初都是经过至少三年以上的 历史 走势追溯,即构建量化模型的投资周期都是长线的。量化因子的互相作用及平衡也是基于长期的,短期市场的波动尽管会对量化因子产生影响,但短期影响并不会在长期投资中产生决定性因素。一旦当前市场表现和过去出现较大差别,那么,基金业绩表现肯定就会不好。 痛点3:策略同质化现象严重 当前的公募市场上,很难见到精妙的、具有独特竞争力的量化策略,不少策略趋同,大量相似量化策略的登堂入室,让其收益回归平均甚至难以达到平均水平。 一些基金为了避免出现持仓过于集中在中小创的情况,它们会把大盘股强制配进去,做成一个中性策略,该做法可有效降低单一风险,使得在风格切换中,避免净值大幅回撤,但代价当然也是整体预期收益降低,比如在中小创风口来临时,采用这种方法的基金业绩就会逊色很多。 当然,在策略贫乏的市场环境中也有量化基金守正出奇,闯出了一片新天地,上投摩根阿尔法就是典型代表。在今年风格骤变的行情中,该基金以近 19% 的收益率领跑主动型量化基金,其秘诀就在于:采用了哑铃式投资技术,同步以 " 成长 " 与 " 价值 " 双重量化指标进行股票选择。这样一来,就克服了单一风格投资所带来的局限性。 哑铃式投资技术 ( Barbell Approach ) 是目前国际市场上较为成熟的一种投资方法,其基本操作思想在于同时投资于两类风格差异较大的产品,构建的投资组合具有两种产品的某些优点,同时能够回避某些市场波动带来的损失。 当前,不少基金公司已经意识到,变则通,不少机构正在动态调整量化策略。拓展策略的延展性、修改量化因子等,已经成为不少量化产品的选择。 痛点4:受策略局限性的制约 目前,市场上的公募量化基金普遍采用的是阿尔法策略,有效的套利、做空等多策略都不能灵活运用,这导致量化基金策略偏向于做多。而私募量化基金,因其策略的多样性,使其更容易适应市场变化。 此前,股指期货 " 松绑 " 所传递出的信号,从中长期看,对量化基金来说绝对是利好。而随着资本市场未来上市更多的金融衍生品,将有效解决股市单边市的问题,量化策略可配置的品种也将越来越丰富,届时量化投资或将大有可为。 作为市场相对成熟的美国,导致近期量化策略,尤其是 CTA 策略 " 失效 " 的主因究竟又是什么?对冲基金 Quest Partners LLC 的联合创始人兼首席投资官 Nigol Koulajian 给出了答案。他表示:" 已经适应了这个市场环境的 CTA 在越来越倾向于长期交易,它们的持仓规模在增大,并且很多投资者运用的是同样的策略,一旦出现趋势逆转,对市场的影响将是巨大的。"
2023-09-07 11:41:221

量化策略怎么会泄漏

虚假信号。一个交易策略要求你利用信号触发前的价格进行交易,那么这个交易策略就存在偷价的问题。偷价发出的交易信号不会消失,但是你已经没有机会利用这个信号进行交易了。
2023-09-07 11:41:411

以下投资策略中,不属于量化策略的是( )。

【答案】:C量化投资策略有多因子策略、量化红利策略和量化阿尔法策略等。C项,国际上比较流行的投资组合保险策略主要有对冲保险策略与固定比例投资组合保险策略。
2023-09-07 11:42:001

量化交易主要有哪些经典的策略

这是别人总结的,我也是复制他人的请参考一下吧!量邦科技资深人士总结:(1)股票、基本面、新闻消息之间的关系不停变化记得2009年美股到达低点的时候,很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱,而高价的优质公司的股票想要翻一倍都要花上很久很久。而在另一段时间跨度或者另一个市场里,可能又是另一番情景。所以跨市场、长期有效的量化交易系统极少甚至可以说没有。(2)有些关键信息并不容易量化微博是市场突发消息和传闻的最大出处,所有投资者都不会无视这里传出的讯息。但是这里的消息格式往往不规范,语法也千奇百怪,你无法让计算机程序挑选出有效信息并运用于自动交易中。(3)过去并不代表未来多数时候,通过历史数据测试可以证明的你的设计交易策略在过去的表现,这是量化交易世界中非常重要的一块内容。不过并不是所有人都能意识到,过去不代表未来。这意味着一些交易策略在过去表现的很好,但是在未来可能会带来巨大的亏损。
2023-09-07 11:42:132

如何获取策略灵感——《量化交易》速读二

可能与大家平时的认识不同,在量化交易中,获取策略灵感并非是最难的部分。可以通过很多公开的渠道获取到,比如投资书籍、报纸、主流媒体及公开的学术文章。也可能很多人认为,复杂的学术文章才能构建出优秀的量化交易策略,但事实并非如此。许多学术文章中提出的量化策略,过于复杂与过时,需要昂贵的外部数据支撑回测,而且很多策略只针对小盘股。小盘股实际中的流动性要远比文章中的假设更差。 但这并不是说,就无法从公开信息获取价值。就我个人而言,就发现许多交易这论坛或博客中,有一些原理简单的量化策略,它们同样盈利情况很好。 大家心中一直都有这个疑问,“ 这些人将自己的量化策略公诸于众,会不会影响到自己的策略的营利性? ” 这个怀疑是有道理的,这些公开的策略,大部分都没有经过严格的回测。它们往往只能在一段时间、一些特定的股票下才有效,而且很多并没有考虑交易成本。但是,这里的一个trick就是: 作者就构建了一个量化交易主题的个人博客,他发现将自己“秘密”的量化策略想法公开后,反而从他的读者渠道源源不断的得到很多有效的想法。你自认为秘密的策略,可能对于读者来说却稀疏平常。一个策略成功与否,往往在于策略的修改及变化。而且如果你的策略存在问题,读者往往会很快给予反馈,从而避免时间、精力、金钱上的进一步损失。 所以量化策略的真正难点在于 这里有一个常见的误区。在平时很多人反复的告诉我们,希望获得长期的最大资本利得。最好的策略是—— 买入持有 。而这个观点在数学上是完全错误的。在现实当中。获取长期最大收益的方法是,取最高的夏普比率(只要你能够方便的融资,从而提高杠杆)。 接下来,假设你已经找到了一些满足你各种条件的策略,同时它们都有进行回测,并且回测结果证明他们可以获取很不错的历史收益。在进一步研究实现这些策略前,有一些简单快速的方法来检查他们是否会浪费你的时间金钱? 而夏普比率,是实际上是一种特殊的信息比率。对于货币中性策略时适用。所以这里的基准,一直是无风险利率。而在现实当中,大部分交易者。即使他们使用的是方向性策略,也同样使用夏普比率。因为夏普比率在不同的策略之间进行比较,非常方便。 通常来说,一个夏普比率低于1的策略,不适合单独作为一个策略执行。 本文就到这里,感谢阅读,欢迎订阅~
2023-09-07 11:42:311

量化策略研究员会出差吗

会。量化策略研究员需要收集和分析大量的金融市场数据,包括历史价格数据、财务数据等,这些数据需要亲自到相关机构或市场进行采集,因此需要进行出差;量化策略研究员需要与其他机构、投资者或合作伙伴进行会议、研讨会或商务洽谈,需要其到不同的地方进行出差。
2023-09-07 11:42:401

量化对冲领域有哪些经典的策略和传奇人物

阿斯内斯是法玛在芝加哥大学指导的金融博士,其博士毕业论文在三因子模型的基础上加入了动量因子,以四因子模型的形式完成了一系列的实证分析。博士毕业后阿斯内斯进入高盛,成为了一名量化交易分析员,随后在高盛组建了全球阿尔法基金,主要从事以量化为导向的交易工作,业绩不俗。1997年他离开高盛创办了自己的AQR资本管理公司,目前该公司是全球顶尖的对冲基金之一。虽然没有直接的证据证明阿斯内斯在工作中采用的是多因子模型基础上的股价预测技术,但是可以想见的是,市值、账面市值比、动量因子和因子模型应该与其量化交易策略存在一定的关联。阿斯内斯在一些访谈和学术论文中也时常谈到价值、动量/趋势、低风险、套息等相关概念,是为佐证。由学术研究进入量化交易实业领域的一个更为极端的例子,应该是文艺复兴科技公司的西蒙斯,这也是中国读者较为熟悉的一个量化交易从业者。西蒙斯于1961年在加州大学伯克利分校取得数学博士学位,年仅23岁,并在30岁时就任纽约州立大学石溪分校数学学院院长。他在1978年离开学校创立了文艺复兴科技公司,该公司因为旗下的量化旗舰基金——大奖章基金傲人的业绩而闻名。关于西蒙斯所使用的量化交易策略,坊间一直有诸多猜测。许多人认为其所使用的应该是基于隐马尔科夫模型的量化交易策略,原因在于西蒙斯的早期合伙人鲍姆是隐马尔科夫模型估计算法的创始人之一,同时文艺复兴科技公司招聘了大量的语音识别专家,隐马尔科夫模型正是语音识别领域的一个重要技术工具。作者对这一说法持怀疑态度,不过不管怎样,从文艺复兴科技公司比较另类的人员构成来看,这应该是一个比较纯正的使用量化交易策略进行运作的对冲基金公司。虽然大部分的量化对冲基金正在使用的交易策略都或多或少的进行保密,但是仍然有一些量化交易策略在多年的使用后开始慢慢为外界所熟知,统计套利就是其中之一。这个策略的概念最早产生于摩根斯坦利,当时的做法也被称为配对交易,实际上就是使用统计的方法选取一对历史价格走势相似的股票,当两支股票之间的价格差距变大、超出一定阈值之后,就分别做多和做空这两支股票,依靠该价格差在随后的时间里回归到正常水平来获取收益。由于这种量化交易策略既源自于统计分析、又存在等待价差回归的套利特性,因此被称之为统计套利。而随着对这类交易策略的进一步深入研究,统计套利策略目前已经远远超出了配对交易的范畴,变得更加的复杂和多样化。肖曾经是摩根斯坦利这个统计套利交易组的成员之一,他于1980年在斯坦福大学获得计算机博士学位,随后留校进行学术研究。肖在1986年加入摩根斯坦利后负责该组的技术部门,但是在两年之后、如同统计套利的首创者班伯格(注)一样、由于政治斗争等原因从公司离职,并创立了自己的德劭基金公司。结合了肖的大规模并行计算研究背景和在摩根斯坦利接触到的统计量化策略,德劭基金公司利用计算机量化模型作为主要的策略进行交易并取得了巨大的成功。值得一提的时,肖在对冲基金领域扎根之后,仍然不忘科学研究,其成立的德劭研究公司致力于通过强大的计算机硬、软件能力在分子动力学模拟等生化科研领域取得前沿性进展。这与阿斯内斯一直在金融杂志上发表学术论文的行为,相映成趣,当然肖的学术研究相对而言可能更为极客一些。相比起统计套利,传统意义上的套利策略是一个更为人熟知、更经典的量化交易策略。实际上现代金融框架的一部分都是基于“无套利”这样一个假设原则建立起来的,可见套利策略的深入人心与重要性。如果说统计套利的重点在于刻画和预测多个资产间的统计关系,那么传统套利可能就更重注于各个资产的价值计算,以及策略执行时的交易成本估计和优化。只不过量化交易策略进化到现在,统计套利和传统的套利策略已经是互相渗透、互相融合的了。以计算机能力见长的德劭基金公司,对这两种套利策略应该都是有所涉及的。说起套利,不得不提到长期资本管理公司。这家公司的阵容十分豪华,包括债券套利的先驱梅里韦瑟、两位诺贝尔奖获得者莫顿和斯科尔斯、美联储副主席穆林斯等诸多顶级从业者,主要从事的正是债券的量化套利交易,当然其中也会包含一些其他形式策略的成分。公司成立的前三年间表现非常出色,但是在1998年俄罗斯国债违约之后,相关的连锁反应使得公司产生巨大亏损,在美联储的干预下被华尔街几家公司出资接管,形同倒闭。实际上,长期资本管理公司在俄罗斯债券上的损失本身并不大,但是许多大金融机构在亏损环境下必须保证足够的资本量,因此通过出售流动性较好的七大工业国债券等资产来减低风险、增加资本,全球主要债券价格在卖出压力下大幅下跌,波动巨大,这才导致了杠杆极大的长期资本管理公司在债券套利上产生巨额亏损。
2023-09-07 11:42:501

量化投资策略的趋势判断型量化投资策略

量化选股就是利用数量化的方法选择股票组合,期望该股票组合能够获得超越基准收益率的投资行为。量化选股策略总的来说可以分为两类:第一类是基本面选股,第二类是市场行为选股。基本面选股介绍了多因子模型、风格轮动模型和行业轮动模型。市场行为选股介绍了资金流模型、动量反转模型、一致预期模型、趋势追踪模型和筹码选股模型。 与股指期货套利类似,商品期货同样存在套利策略,在买入或卖出某种期货合约的同时,卖出或买入相关的另一种合约,并在某个时间同时将两种合约平仓。在交易形式上它与套期保值有些相似,但套期保值是在现货市场买入(或卖出)实货、同时在期货市场上卖出(或买入)期货合约;而套利却只在期货市场上买卖合约,并不涉及现货交易。商品期货套利主要有期现套利、跨期套利、跨市场套利和跨品种套利4种 有别于无风险套利,统计套利是利用证券价格的历史统计规律进行套利的,是一种风险套利,其风险在于这种历史统计规律在未来一段时间内是否继续存在。统计套利的主要思路是先找出相关性最好的若干对投资品种(股票或者期货等),再找出每一对投资品种的长期均衡关系(协整关系),当某一对品种的价差(协整方程的残差)偏离到一定程度时开始建仓——买进被相对低估的品种、卖空被相对高估的品种,等到价差回归均衡时获利了结即可。统计套利的主要内容包括股票配对交易、股指对冲、融券对冲和外汇对冲交易。 期权(Option)又称选择权,是在期货的基础上产生的一种衍生性金融工具。从其本质上讲,期权实质上是在金融领域将权利和义务分开进行定价,使得权利的受让人在规定时间内对于是否进行交易行使其权利,而义务方必须履行。在期权的交易时,购买期权的一方称为买方,而出售期权的一方则称为卖方;买方即权利的受让人,而卖方则是必须履行买方行使权利的义务人。期权的优点在于收益无限的同时风险损失有限,因此在很多时候,利用期权来取代期货进行做空、套利交易,会比单纯利用期货套利具有更小的风险和更高的收益率。
2023-09-07 11:43:081

汇添富成长多因子量化策略在哪个银行买

江苏银行,恒丰银行,苏州银行,工商银行不过我建议你买基金的话,还是直接去基金公司官网买,这样的手续费比较少。毕竟找银行代销的话,银行是要收钱的。
2023-09-07 11:43:352

期权期货量化策略在职研究生考试科目有哪些?

各行各业对于高级管理的人才的需求都在不断增加,于是就有不少考生想知道期权期货量化策略在职研究生考试科目有哪些。在职研究生考试科目确实是很多考生关心的问题,考试科目是根据考生选择的考试类型和专业来决定的,考生可以提前有所了解并做好相关准备。一、期权期货量化策略在职研究生是什么期权期货量化策略在职研究生属于量化投资在职研究生,培养为推动我国量化投资的发展,为广大投资者和专业投资管理机构提供专业服务。量化投资交易策略,以其高业绩、稳定性、低成本等优点,成为全球投资界追捧的热点,其市场规模和份额不断扩大。金融学院量化投资方向在职课程培训班班力求通过学习提升量化投资人员策略研发能力及量化基金的管理水平。二、期权期货量化策略在职研究生考试科目同等学力申硕在职研究生考试科目是外语和专业课综合,外语一般考英语,在英语四级的水平,也可以选择小语种,专业课综合就是平时所学的专业课的知识,考试是通过制,满分一百分,考生在四年四次的考试机会里,通过考试即可。在职研究生报名条件是:从事社会工作三年以上的大专学历者(大专学历不能申请经济学硕士学位)。大学本科毕业三年,并获得学士学位,可申请经济学硕士学位。完成学业后可以获得结业证,满足本科学历且学士学位满三年的学员可以参加申硕考试,考生通过申硕考试完成论文答辩后可以授予硕士学位。申硕考试每年5月进行全国联考,3月在中国学位与研究生教育信息网进行网上报名。外经贸课程培训班学习方式是:不脱产学习,隔周周末(六、日)上课。考研政策不清晰?同等学力在职申硕有困惑?院校专业不好选?点击底部官网,有专业老师为你答疑解惑,211/985名校研究生硕士/博士开放网申报名中:https://www.87dh.com/yjs2/
2023-09-07 11:43:421

量化选股策略是什么?多因子模型是什么

多因子选股采用一系列的因子(主要考虑使用价值、成长、质量以及市场等四大类因子)作为选股标准,将多个具有逻辑背景的因子策略相结合,选取在各个因子上综合得分较高的股票构建投资组合。通过这种方式选出来的股票通常不会在某个因子上有特别的短板,能够综合很多信息最后得出一个选股结果。同时,因为在不同的市场情况下,总有一些因子会发挥作用,因此多因子模型的表现相对来说也比较稳定。多因子选股模型网页链接
2023-09-07 11:44:084

量化交易靠谱吗,收益稳定吗?

量化是指以数学统计和数学建模为基础,利用计算机技术,从海量的历史和当前数据中,发掘出能够大概率带来超额收益的交易方式,避免人工交易过程中由于投资者情绪波动带来的非理性决策导致的负面影响。一个合格的量化交易模型,必须基于有明确的经济含义的趋势判断或者套利原理,进行进一步的系统化和程序化抽象,呈现出来的形式是一套逻辑完备的可执行的交易指令流程和逻辑控制方案。什么是策略?策略,字面意义是指可以实现目标的方案集合;简单地讲,就是一系列预设的行为模式,分别在不同的触发条件会被启用。在证券交易中,策略是指当预先设定的事件或信号发生时,就采取相应的交易动作。什么是量化策略?所谓量化,就是把行为模式中的事件或信号数字化,通过一套固定的逻辑来分析,而不是单凭人的感觉或直觉进行判断和决策。传统的交易员通常是在看到某种图形化的技术形态后,就执行一些特定的交易,如果能把图形形态用一系列计算机程序能识别的数据来描述,让程序自动判断并决策是否要进行交易,并自动进行仓位的管理和风险控制动作,这样也就变成了量化策略。通常来讲,一般所谓的量化策略是指整个交易过程完全实现为计算机程序,从数据接收、处理到交易执行都是由计算机程序自动完成。 为了开发这样的量化策略,预先需要收集一定量的数据,并在其基础上建立一套基于数字的处理决策模型,通常把这一过程叫做量化策略的研究;策略研究好后,就要实现它,让它run起来。用量化策略的方式来做投资到底靠谱吗?我们以一个量化平台的数据来看一下:根据易宽量化平台发布的基于17年12月数字货币跑的一周策略(2017.12.11-17)回测数据来看:一周策略(2017.12.11-17)回测数据可以看到三个策略均获得正收益,现在数字货币行情大幅波动,正是使用策略进行交易的好时机!擎天柱“擎天柱”获得大幅收益,策略自从12月11日进场做多后,一直持有到现在,目前仍是浮盈持有状态,如果之后价格回落止盈出场,收益率会有所降低。倚天剑“倚天剑”进场较晚,但点位不错,进场不久就开始拉升,目前也是持有多单。蓄势待发“蓄势待发”进场最早,然而过早的止盈导致之后反复开仓止损,对那一段行情不太适应,好在最后一段抓到略微挽回损失。任何一个投资个体的判断与决策过程都会不同程度地受到认知、情绪、意志等各种心理因素的影响。而量化投资依靠计算机配置投资组合,克服了人性弱点,使投资决策更科学、更理性。
2023-09-07 11:44:261

一个Pythonic的i问财量化策略工具包

wencai是i问财的策略回测接口的Pythonic工具包,满足量化爱好者和数据分析师在量化方面的需求。 https://github.com/GraySilver/wencai-master 具体API接口请点击这里: Wiki Example 1 .获取回测分析 Example 2 . 获取策略 Example 3 .历史交易查询 Welcome to Star and Follow~
2023-09-07 11:45:291