精华内容
下载资源
问答
  • 量化择时
    2020-05-07 17:18:42

    量化择时的概念   

    择时交易是指利用某种方法来判断大势的走势情况,如果判断上涨则买入持有,如果判断下跌则卖出清仓,如果判断震荡则高抛低吸,从而获得超越大盘的收益。量化择时就是使用数量化方法来找出影响大盘走势的信息,对未来大势进行判断。

    常见的量化择时策略 

    1.趋势跟踪择时

    趋势跟踪择时认为趋势存在延续性,只要找到趋势跟踪操作就可以跑赢大势。常用技术指标作为策略依据,比如MA、MACD、ADX、BOLL等等。趋势择时最为简单,最容易被投资者学习使用。

    2.市场情绪择时

    市场情绪择时是利用投资者情绪来判断大势走势,当市场情绪热烈时大盘容易继续上涨,当投资者悲观失望资金撤出市场时,市场容易继续下跌。通过投资者调查、封闭基金的折溢价水平和新增开户数等信息可以来判断目前的市场情绪。

    3.有效资金择时

    有效资金择时通过判断不同时点推动大盘运行的有效资金的多寡来判断大势走势,行情的转向往往需要有有效资金的推动来实现。

    4.牛熊线择时

    牛熊线择时认为股市大部分在进行随机的布朗运动,但在之外也有部分规律存在,通过牛熊两条线来过滤随机噪音,从而识别真实的趋势方向,获得超额收益。

    5.分形理论择时

    分形理论择时认为资本市场存在大量不同投资期限的投资者对信息有着不同的反应,因此资产价格并不是随机游走的,而是具有趋势增强性的,当前价格走势与过去走势也不是独立的而是具有相关性的。通过HURST指数,可以判断目前走势偏离随机游走的程度,当HURST指数低于0.5时,之前的趋势对当前走势不再具有增强性,即可判断价格随时可能翻转。

    6.支持向量机(SVM)择时

    支持向量机(SVM)择时认为股票市场中金融规律复杂、影响因素太多,大量的信息直接产生的关系往往是非线性的,传统数学模型还需要苛刻的假设,无法很好的进行描述。而SVM作为数学挖掘领域应用于模式识别的新技术,克服了传统统计模式识别的缺点,具备良好的机器识别能力。

    7.噪音择时

    噪音择时策略认为市场中大型的知情交易者提前掌握了了市场信息,但是他们在交易中会隐藏自己的交易意图,避免进出市场对价格产生影响。而这种掩饰交易意图的行为在不影响行情趋势的时候却引起了市场噪音的增大,通过发现市场噪音突然放大的时候,就可以跟随大型知情交易者来获取利润。

    来源:Healthy的博客

    推荐阅读:

    1.一个量化策略师的自白(好文强烈推荐)

    2.股票期货经典的量化交易策略都在这里了!(源码)

    3.期货/股票数据大全查询(历史/实时/Tick/财务等)

    4.三分钟弄明白为什么贝叶斯是量化工作者最常用的工具

    5.学习Python有哪些书籍?这里有一份书单送给你

    6.江湖中常说的“网格交易法”到底是什么?

    7.10种经典的日内交易策略模型思路

    8.干货 | 量化选股策略模型大全

    9.量化金融经典理论、重要模型、发展简史大全

     

    更多相关内容
  • 长城证券_20160527_长城证券金融工程深度报告:量化择时之技术分析指标择时初探.pdf
  • 20210523-广发证券-A股量化择时研究报告:金融工程,风险仍需持续关注.pdf
  • 20210328-广发证券-金融工程:A股量化择时研究报告,抱团股融资盘变化.pdf
  • 20210606-广发证券-A股量化择时研究报告:三个模型,三个角度.pdf
  • 20210530-广发证券-A股量化择时研究报告:金融工程,北向流入而ETF流出.pdf
  • 20210321-广发证券-A股量化择时研究报告:金融工程,头部产品Beta变化.pdf
  • python 量化择时——度量市场“恐惧与贪婪”的量化择时指标
  • 20210328-广发证券-A股量化择时研究报告:金融工程,抱团股融资盘变化.pdf
  • 三、量化择时

    千次阅读 2022-02-13 16:51:14
    文章目录量化择时总览1. 趋势择时(1)传统趋势指标1)MA(移动平均)2)MACD(指数平滑异同移动平均线)3)DMA指标(平均线差指标)4)TRIX(三重指数平滑移动平均指标)(2)自适应均线1)自适应均线的算法2. 市场...

    量化择时总览

    择时交易是指利用某种方法来判断大势的走势情况,是上涨还是下跌或者是盘整。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,这样可以获得远远超越简单买入持有策略的收益率,所以择时交易是收益率最高的一种交易方式。

    量化择时就是利用数量化的方法,通过对各种宏观微观指标的量化分析,试图找到影响大盘走势的关键信息,并且对未来走势进行预测

    量化择时方法简介
    趋势择时基本思想来自于技术分析,技术分析认为趋势存在延续性,因此只要找到趋势方向,跟随操作即可。趋势择时的主要指标有MA、MACD、DMA等
    市场情绪择时利用投资者的热情程度来判断大势方向,当情绪热烈,积极入市时,大盘可能会继续涨;当投资者情绪低迷、不断撤出市场的时候,大盘可能继续下跌。
    有效资金模型与选股模型中的资金流模型类似,其是通过判断推动大盘上涨或者下跌的有效资金来判断走势,因为在顶部和底部时资金效果具有额外的推动力。
    牛熊线择时思想就是将大盘的走势划分为两根线,一根为牛线,一根为熊线。在牛熊线之间时大盘不具备方向性,如果突破牛线,则可以认为是一波大的上涨趋势的到来;如果突破熊线,则可以认为是一波大的下跌趋势到来。
    Hurst指数Hurst指数是分形理论在趋势判断中的应用,分形市场理论认为,资本市场是由大量具有不同投资期限的投资者组成的,且信息对不同投资者的交易周期有着不同的影响。利用Hurst指数可以将市场的转折点判断出来,从而实现择时。
    SVM是一种分类技术,具有效率高、推广性能好的优点,SVM择时就是利用SVM技术进行大盘趋势的模式识别,将大盘区分为几个明显的模式,从而找出其中的特征,然后利用历史数据学习的模型来预测未来的趋势。
    SWARCH模型是海通证券开发的一种利用宏观经济指标来判断大盘的策略,该模型主要刻画了货币供应量M2和大盘走势之间的关系,揭示我国证券市场指数变化与货币供应量之间的相关关系。
    异常指标择时主要处理一些特殊情况下的择时,例如,在大盘出现顶点或者低点的时候,有些指标容易出现异常数据,这段介绍了市场噪声、行业集中度和兴登堡凶兆3个策略。

    1. 趋势择时

    技术分析的理论基础基于三项市场假设:市场行为涵盖一切信息;价格沿趋势移动;历史会重演。

    技术指标是技术分析中使用最多的一种方法,通过考虑市场行为的多个方面建立一个数学模型,并给出完整的数学计算公式,从而得到一个体现证券市场的某个方面内在实质的数字,即所谓的技术指标值。

    (1)传统趋势指标

    1)MA(移动平均)

    葛南维移动平均线八大法则。其中,四条用来研判买进时机,四条用来研判卖出时机移动平均线在价格之下,而且又呈上升趋势时是买进时机;反之,平均线在价格线之上,又呈下降趋势时则是卖出时机。

    交叉择时法则,即当一条短期均线从下向上穿过长期均线时,形成所谓金叉,此时应该做多;而当一长期均线从上向下穿过短期均线时,形成所谓死叉,此时应该做空或空仓

    2)MACD(指数平滑异同移动平均线)

    MACD指标是根据均线的构造原理,通过分析短期(常用为12日)指数移动平均线与长期(常用为26日)指数移动平均线之间的聚合与分离状况,对买进、卖出时机做出判断的技术指标,是一种典型的趋势型指标。

    MACD的计算
    (1)计算短期(S日)指数移动平均线和长期(L日)指数移动平均线EMA1、EMA2。
    (2)计算离差值DIF=EMA1-EMA2。
    (3)计算DIF的N日指数移动平均线,即DEA。
    (4)计算MACD=2*(DIF-DEA)。在MACD的计算和测试中,需要设定的参数主要包括短期均线和长期均线的计算天数S、L,以及DEA的计算天数M

    MACD的运用
    (1)DIFF、DEA均为正,DIFF向上突破DEA,买入信号。
    (2)DIFF、DEA均为负,DIFF向下跌破DEA,卖出信号。
    (3)DEA线与K线发生背离,行情反转信号。
    (4)分析MACD柱状线,由红变绿(正变负),卖出信号;由绿变红,买入信号。

    3)DMA指标(平均线差指标)

    DMA是依据快慢两条移动平均线的差值情况来分析价格趋势的一种技术分析指标。
    它主要通过计算两条基准周期不同的移动平均线的差值,来判断当前买入卖出的能量的大小和未来价格走势的趋势。

    DMA的计算
    (1)计算短期(S日)移动均线和长期(L日)移动均线MA1、MA2。
    (2)计算平均线差DMA=MA1-MA2。
    (3)计算DMA的M日移动平均线,即AMA。在DMA的计算中,需要设定的参数主要是短期均线和长期均线的计算天数S、L,以及AMA的计算天数M。

    DMA的运用
    (1)DMA向上交叉其平均线AMA时,买进。
    (2)DMA向下交叉其平均线AMA时,卖出。
    (3)DMA与股价产生背离时的交叉信号,可信度较高

    4)TRIX(三重指数平滑移动平均指标)

    TRIX指标是根据移动平均线理论,对一条平均线进行三次平滑处理,再根据这条移动平均线的变动情况来预测股价的长期走势。
    TRIX的计算
    (1)计算N日的指数移动平均线EMA。
    (2)对上述EMA再进行两次N日指数移动平均后得到TR。
    (3)计算TRIX=(TR-昨日TR)/昨日TR*100。
    (4)计算TRIX的M日简单移动平均MATRIX。在TRIX的计算中,需要设定的参数主要是三次移动平均的天数N,以及MATRIX的计算天数M。

    TRIX的运用
    (1)TRIX由下往上交叉其平均线时,为长期买进信号。
    (2)TRIX由上往下交叉其平均线时,为长期卖出信号。

    (2)自适应均线

    固定均线是最简单的情况,虽然效果很好,但是也有很大的缺点。
    通常均线总是有一个给定的参数,如10日均线、60日均线,其中10日均线变化快一点,60日均线变化慢一点。这个参数是由人给定的,一旦给定了,在整个画线的过程中不管行情怎么变动都不会变化。
    比如,在市场反复震荡时短期均线频繁地转向,而在市场快速上升或者下跌时长期均线反应迟钝,这就会造成频繁发出错误开平仓信号。

    1)自适应均线的算法

    1)价格轨迹的效率
    一般来说,投资者都有这样的经验,就是在震荡多的走势上要使用较慢的均线,在趋势快速展开的走势上需要用更快的均线。

    在行情的走势图中,可以大致分为两种走势:一种是一直上攻的走势,被称为高效率的,因为每一天收盘价格的变动都直接贡献于总的涨幅;另一种是反复震荡的走势,被称为低效率的,很多次收盘价格的变化相互抵消。类似于物理学中路程和位移的概念,如果走过的路程很长,但是位移很小,在实现位移的目标考量下,这样的运动可以称为低效率的。

    价格轨迹的效率定义
    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述

    根据自适应均线的买卖策略是:
    (1)自适应均线自下向上拐头,买进。
    (2)自适应均线自上向下拐头,卖出。

    拐头与否可以这样定义,自适应均线的每一个周期的增长率如果从正值变为负值,即为下拐头;从负值变为正值,即为上拐头。

    2. 市场情绪

    展开全文
  • 20210314-广发证券-A股量化择时研究报告:金融工程,净值仍与抱团股高相关.pdf
  • 什么是量化择时

    千次阅读 2019-07-17 11:31:59
    在趋势判断型量化投资策略中,择时交易作为其核心内容,同时也是收益率最高的一种交易方式。从字面上来理解不难看出,择时交易是利用某种方法来判断大势的走势情况是上涨、下跌还是盘整?如果判断是上涨,则买入持有;...

    我们可以将量化投资策略的类型简单地分为两种:其一、趋势判断型量化投资策略。其二、波动率判断型量化投资策略。在趋势判断型量化投资策略中,择时交易作为其核心内容,同时也是收益率最高的一种交易方式。从字面上来理解不难看出,择时交易是利用某种方法来判断大势的走势情况是上涨、下跌还是盘整?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,这样可以获得远远超越简单买入持有策略的收益率。但是由于大盘趋势受到国家宏观经济、微观企业、国家政策及国际形势等因素的影响,想要准确判断大盘走势是非常困难的。那么我在这里简单地给大家介绍几种量化择时的方法:

    (1)趋势量化择时

    趋势择时的基本思想来自于技术面的分析,趋势择时选取的主要指标有MA、MACD、DMA等。趋势型指标通常是利用两根线的交叉作为交易信号,并以此来判断买卖时点。技术面分析认为趋势存在一定的延续性,因此,只要找到了趋势方向,跟随操作便可。但就单个证券而言,不同的计算参数会导致不同的择时效果,因此在进行择时模型构建时,首先需要检验单个指标在不同参数下的测试效果,并选择一个相对较好的参数,然后再将多个指标结合起来,构建一个多指标的择时模型。

     

    (2)量化择时市场情绪量化择时

    市场情绪择时就是利用市场上投资的热情程度来判断大势方向,当情绪热烈时,积极入市,大盘可能会继续涨;当投资者情绪低迷、不断撤出市场的时候,大盘可能继续下跌。其中,情绪指标通常包括:投资者信心指数、折溢价率、新股数据、投资者行为等。

     

    (3)量化择时有效资金量化择时

    有效资金模型和选股模型中的资金流模型类似,是通过判断推动大盘上涨或者下跌的有效资金来判断走势,因为在顶部和底部时资金效果具有额外的推动力。

     

    (4)量化择时牛熊线量化择时

    牛熊线择时的思想就是将大盘的走势划分为两根线,一根为牛线,一根为熊线。在牛熊线之间时大盘不具备方向性,如果突破牛线,则可以认为是一波大的上涨趋势的到来;如果突破熊线,则可以认为是一波大的下跌趋势到来。

     

    (5)量化择时Hurst指数量化择时

    Hurst指数是分形理论在趋势判断中的应用,分形市场理论认为,资本市场是由大量具有不同投资期限的投资者组成的,且信息对不同投资者的交易周期有着不同的影响。利用Hurst指数可以将市场的转折点判断出来,从而实现择时。

     

    (6)量化择时SVM量化择时

    SVM是一种分类技术,具有效率高、推广性能好的优点,SVM择时就是利用SVM技术进行大盘趋势的模式识别,将大盘区分为几个明显的模式,从而找出其中的特征,然后利用历史数据学习的模型来预测未来的趋势。

     

    (7)量化择时SWARCH量化择时

    SWARCH模型是一种利用宏观经济指标来判断大盘的策略,该模型主要刻画了货币供应量M2和大盘走势之间的关系,揭示我国证券市场指数变化与货币供应量之间的相关关系。

     

    (8)量化择时异常指标量化择时

    异常指标择时主要处理一些特殊情况下的择时,例如,在大盘出现顶点或者低点的时候,有些指标容易出现异常数据,主要有:市场噪声、行业集中度和兴登堡凶兆3个策略.

    拓展阅读:

    1.经典量化选股方法——没有秘密的多因子

    2.如何构建一个属于自己的择时体系

    3.市面上经典的量化交易策略都在这里了!

    4.被动与主动的完美结合:指数增强策略的魅力

    5.配对交易 —— 这个股票策略曾年赚5000万美元

    展开全文
  • 20210411-申万宏源-量化择时周报:经济复苏推升通胀预期,震荡阶段关注一季报业绩披露.pdf
  • 这是我所写的matlab量化择时模型回测代码,望大家笑纳并提出意见
  • 本篇报告将从金融工程的角度,通过一个完整的技术择时指标构造流程为例,一一讨论研究者可能会在量化择时领域会遇到的疑难点,并最终提供一个金融工程视角下技术择时指标研
  • 我们对 Robert F.Whitelaw (1997)提出的 Tsharp 值指标[以下简称 Tsharp 值]进行改良,使之适应 A 股市场,并针对上证综指
  • 量化择时:希尔伯特-黄变换 这部分内容打算分成四个部分,分别是数理、算法介绍、实操和机器学习部分,做完一个part就发一个part。 Part1数理 将时间序列的股价日指数转换为信号形式会是什么样子的呢?是否能从...

    量化择时:基于经验模态分解的希尔伯特-黄变换

    这部分内容打算分成四个部分,分别是数理、算法、实操和机器学习部分,做完一个part就发一个part。

    Part1数理

    将时间序列的股价日指数转换为信号形式会是什么样子的呢?是否能从指数的信号形式中,观察其频率域的频谱和振幅来判断指数涨跌的周期性和波动?从而做出短期交易策略。但短期的日指数显然不是一个稳态的时间序列,基础的分析方法都显得无从下手,但是我们可以通过希尔伯特-黄变换来将其变为稳态的频率序列来加以分析。

    股价短期指数是非稳态时间序列,选取股价的日指数,可以通过希尔伯特-黄变换来做经验模态分解得出合适稳态频率信号(一般选取最高频或次高频),将选取的稳态信号使用希尔伯特变换转换到正频谱的频率域,拆解为同向和正交两部分(频率域上复数的实部和虚部)并构建以复信号实部作为x轴、虚部作为y轴构建的坐标系,将图像在所构建的坐标系中描绘出来,就会发现得到的时间序列是以圆圈形式在(0,0)点上下左右波动,图像节点为当日指数波动幅度,标记出波动幅度较大的节点,发现上涨的点(标红点)集中在图形左上方,下跌的点(标绿点)集中在图像右下方,通过预测判断下次节点的位置,做看涨或者看跌的趋势,以此作为短期交易的交易策略。

    在这里插入图片描述

    现在我们来理一下思路,由于股市中执行的是T+1的交易规则,我们可以考虑通过股指每日的波动来做日短期的交易策略。首先我们获取了股价的日收盘的指数,这个股指数据这是一个非稳态的时间序列,通过做希尔伯特-黄变换(matlab可用代码实现),我们选择其合适频率的稳态实信号,这组数据是一组稳态的频率序列,再用这组数据来做希尔伯特变换(matlab可用代码实现),去掉负频谱,就能得到时间序列的稳态复信号,我们就可以通过观察复信号的实部和虚部的振幅和信号的周期性来做出高频交易策略。

    在这里插入图片描述

    1、复信号的实部和虚部:
    日常的信息传递过程中大部分情况下用到的是实信号,实信号是具有共轭对称(具有共轭对称性质的函数,其实部为偶函数,虚部的奇函数)的频谱,由于在信息的传递和接受中,实信号的负频谱部分是冗余的,可以将实信号的负频谱部分去掉,使之不再存在共轭对称性质,形成复信号,复信号存在类似与复数x = a+bi一样的实部和虚部部分。

    欧拉公式(对于任意的实数x,都存在 e i x = c o s x + i s i n x e^{ix}=cosx+isinx eix=cosx+isinx)给出了我们实数的正余弦与任意的一个复数的关系,高斯复平面(对任一复数z都可以表示为由z = a+bi,a所在的轴的实轴,b所在的轴为虚轴)则向我们给出了形象的复数的表示方式,从中就表示了复数中实部和虚部的正交性。

    在这里插入图片描述

    信号处理中,去掉负频谱取得的复信号是为了更好得做信号解析,是一种简化信号处理的研究手段。但在我们的研究中,取得的复信号并不是为了做信号解析,而是更直观地获得复信号与原实信号的性质联系。在时间序列下的复信号的频谱,反过来就是实信号的变化周期,所以我们能够通过观察由实部和虚部构建的坐标系中信号的位置,来判断对应的原实信号的周期点,从而判断时间序列下股指的涨跌趋势。

    2、希尔伯特变换:
    在数学和信号处理领域中的应用,是对一个实值函数通过线性时不变系统(满足叠加原理的系统且具有线性性质以及参数不随时间改变的性质),转换为可以描述他本身实值的复数函数。其实际做法是对一个实值信号f(t)与 1 / ( π t ) 1/(\pi t) 1/(πt)做卷积(在函数分析中,卷积是通过两个函数f和g生成第三个函数的一种数学算子,新的函数表征为由函数f与g经过翻转和平移的重叠部分的面积,为原本函数f和g的一个代数),以得到s’(t)。s’(t)可以视为输入为s(t)的线性时不变系统的输出,输入的s(t)和输出的s’(t)都满足线性关系,而具备时不变的性质,即无论输入信号作用的时间是何时,其输出信号作用的波动和形状都相同。注:满足线性时不变系统的输入和输出均满足线性、时不变性、齐次性、叠加性、可微且可积。
    在这里插入图片描述
    希尔伯特变换是基于傅里叶变换拓展而来的,希尔伯特变换对象是信号,不管是实信号的输入变换成复信号的输出,都是对信号做处理。信号的特性必定包含频率、幅度、相位,所以信号的频谱就是一个三角函数(正弦和/或余弦函数)。傅里叶变换的定义则是能够将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者是它们的积分的线性组合。傅里叶变换的公式是
    在这里插入图片描述
    其中我们称 F ( ω ) F(\omega) F(ω) f ( t ) f(t) f(t)的像函数, f ( t ) f(t) f(t) F ( ω ) F(\omega) F(ω)的像原函数。讲到傅里叶变换,就要提到我们另一个相关的函数——傅里叶级数。傅里叶级数定义为任何的周期函数都可以用正弦函数和余弦函数构成的无穷级数来表示,对给定的一个周期为T的正余弦函数x(t),都可以表示为无穷级数的和:
    在这里插入图片描述

    整个傅里叶变换,就是将整个周期为T的函数分解为周期内无数个三角级数的和,那么这个级数和也就变成了积分形式,就变成了

    在这里插入图片描述

    即把离散的一个个的傅里叶变换变成了一个连续的函数。注:对于非周期信号,实际上非周期信号可以被理解为周期为无限短的周期信号,同样地就傅里叶变换形成了无数个间隔无限短的周期信号的积分。

    我们可以简单地验证一下这个积分过程:
    在这里插入图片描述
    前面讲到希尔伯特变换其实就是对实值信号 f ( t ) f(t) f(t) 1 / π t 1/\pi t 1/πt做卷积,即:
    在这里插入图片描述
    利用卷积的性质,其中两个函数的卷积的傅里叶变换等于两个函数的傅里叶变换的乘积。那么对于设定的原信号 f ( t ) f(t) f(t) F [ f ( t ) ] F[f(t)] F[f(t)]为对原信号进行的傅里叶变换, H [ f ( t ) ] H[f(t)] H[f(t)]为对原信号进行的希尔伯特变换,那么结合所得:
    在这里插入图片描述
    化简前半部分的积分式,
    在这里插入图片描述
    其中 s g n ( f ) sgn(f) sgn(f)为符号函数:
    在这里插入图片描述
    由此可见,希尔伯特变换实际上做的工作就是相位变换,希尔伯特变换将我们的原实信号的正频谱部分乘以-i,从结果上来看,是保持了幅度不变的情况下,将相位移动了 − π / 2 -\pi /2 π/2,也就是在时间序列中绕着时间轴旋转;而对于负频谱成分,则是相位移动了 π / 2 \pi /2 π/2(即反向的相位移动)。
    在这里插入图片描述
    我们认为通过希尔伯特变换,可以将时间序列下的实信号在复数域上投影出来,得出原实信号的正频谱上的复信号,那就意味着由复信号实部和虚部所构成的时间序列图像,能反应出频率系列下实信号的性质,比如我们所需求的周期性。

    在这里插入图片描述

    写在后面:这个思路是我从论坛上的一篇文章里面得到的,作者聊到了短期股指是非稳态时间序列,聊到了用希尔伯特-黄变换来获得稳态的时间序列,再将其转换成信号的形式表现出来,很符合量化追求的规律性周期性的特点。

    因为文章是用word写的,第一次尝试用CSDN的编辑器写文章,遇到了很多问题,其中就是数学式的表达极其的麻烦,所以很多内容直接截图出来。

    我也是边学边写,花了一周的时间学习了一些文章把基础的数理弄懂和梳理出来,part2的算法部分应该要花一点时间来学习,part3实操部分就简单多了,matlab可以解决计算和绘图的问题,能把顺便把回测也做了,我最近在学习python,想在算法上加上用python来实现,会尽快安排上,最后的part4部分算个一个拓展学习,让我学习试着用分类器来做机器学习,也是将来的小目标。

    中秋快乐!千里共婵娟!

    展开全文
  • A股量化择时研究报告:静待年末行情.pdf
  • A股量化择时研究报告:春节效应失效的年份.pdf
  • A股量化择时研究报告:金融工程:看多至春节.pdf
  • A股量化择时研究报告:维持月度谨慎(23页).pdf
  • A股量化择时研究报告:金融工程:上涨有望延续.pdf
  • python 通过产业资本增减持数据构建的量化择时指标
  • python度量市场“恐惧与贪婪”的量化择时指标 python度量市场“恐惧与贪婪”的量化择时指标 python度量市场“恐惧与贪婪”的量化择时指标 python度量市场“恐惧与贪婪”的量化择时指标
  • A股量化择时研究报告:金融工程:继续看多至春节.pdf
  • 1.1 技术分析的有效性 4 1.2 如何构建较好量化择时模型 5 2.1 小波分析的原理介绍 8 2.2 支持向量机的原理介绍 12 3.1 支持向量机对原始
  • A股量化择时研究报告:没有趋势性机会(23页).pdf
  • A股量化择时研究报告:金融工程:外部扰动不改多头趋势.pdf
  • A股量化择时研究报告:金融工程,头部产品Beta变化
  • 昨天看到广发出了一篇名为《虚拟遗憾最小化应用于量化择时与交易》的文章,让我眼前一亮,感觉这都怎么了啊。但是看到最后的结果,也不是很理想。这样看来,也是情理之中。很多高大上的东西,要放在金融市场去真正...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,562
精华内容 1,024
关键字:

量化择时

友情链接: Pcap.rar