精华内容
下载资源
问答
  • 量化交易策略

    2016-06-18 11:35:53
    article/Python/128763 最近程序化交易很热,量化也是我很感兴趣的一块。    国内量化交易的平台有几家,我个人比较喜欢用的是JoinQuant,里面有篇干货贴分享给大家,希望对各位有帮助。...量化交易策略  ===

    http://www.newsmth.net/nForum/#!article/Python/128763

    最近程序化交易很热,量化也是我很感兴趣的一块。  
        
    国内量化交易的平台有几家,我个人比较喜欢用的是JoinQuant,里面有篇干货贴分享给大家,希望对各位有帮助。  
      
     
      
    =========================== 
    量化交易策略 
    =========================== 
      
    价值投资 
    成长股内在价值投资:http://www.joinquant.com/post/541 
    三一投资管理公司价值选股法:http://www.joinquant.com/post/556 
    低估价值选股策略:http://www.joinquant.com/post/586 
      
    引起广泛讨论的小市值 
    小市值&低股价:http://www.joinquant.com/post/500 
    小市值股票轮动策略:http://www.joinquant.com/post/316 
    小市值改进-超跌:http://www.joinquant.com/post/479 
    持仓1只股票的小市值策略:http://www.joinquant.com/post/346 
    持仓10只股票的小市值策略:http://www.joinquant.com/post/347 
    低开买(跌停不买),高开卖(涨停不卖):http://www.joinquant.com/post/440 
    小市值策略【收益40000%】:http://www.joinquant.com/post/255 
    小市值策略,剔除了停牌,st,*st,加了简单的止损【收益340000%】:http://www.joinquant.com/post/255 
    小市值策略的探索性研究(一):http://www.joinquant.com/post/297 
    小市值策略的探索性研究(二):http://www.joinquant.com/post/335 
    小市值策略的探索性研究(三):http://www.joinquant.com/post/435 
      
    技术指标 
    乖离率(BIAS):http://www.joinquant.com/post/586 
    STOCH(KD指标):http://www.joinquant.com/post/176 
    上下影线:http://www.joinquant.com/post/7 
    简易波动指标(EMV):http://www.joinquant.com/post/150 
    能量潮OBV:http://www.joinquant.com/post/126 
    相对OBV指标策略:http://www.joinquant.com/post/439 
    指数平滑均线:http://www.joinquant.com/post/14 
    Bollinger Bands:http://www.joinquant.com/post/144 
    人气指数(AR):http://www.joinquant.com/post/160 
    CCI指标:http://www.joinquant.com/post/219 
    布林强盗策略(BollingerBandit):http://www.joinquant.com/post/147 
    双线RSI择时轮动策略:http://www.joinquant.com/post/213 
    双因子加指标模型:http://www.joinquant.com/post/399 
      
    经典策略 
    羊驼1(每天持有收益率前n的股票):http://www.joinquant.com/post/26 
    羊驼2(表现最优入池):http://www.joinquant.com/post/19 
    羊驼3(随机入池):http://www.joinquant.com/post/20 
    羊驼和均线策略的结合:http://www.joinquant.com/post/30 
    海龟交易系统:http://www.joinquant.com/post/49 
    Dual Thrust 交易策略:http://www.joinquant.com/post/274 
    Volume-weighted Moving Average 交易策略:http://www.joinquant.com/post/274 
    周规则交易策略(使用分级移动止盈、移动止盈方法):http://www.joinquant.com/post/274 
    网格交易:http://www.joinquant.com/post/539 
    滚动复利策略的量化实现:http://www.joinquant.com/post/50 
      
    线性回归 
    线性回归的趋势跟踪系统:http://www.joinquant.com/post/212 
      
    均线策略 
    行业龙头股均线(收益率填坑优化版):http://www.joinquant.com/post/258 
    多均线策略:http://www.joinquant.com/post/243 
    简单的多均线择时策略:http://www.joinquant.com/post/570 
      
    机器学习 
    深度学习简介:http://www.joinquant.com/post/408 
    支持向量回归SVR:http://www.joinquant.com/post/271 
      
    钟摆策略系列 
    钟摆理论的量化模型实现:http://www.joinquant.com/post/287 
    【钟摆理论2】价值中枢:http://www.joinquant.com/post/457 
    【钟摆系列3】单股票价值中枢动态调仓:http://www.joinquant.com/post/477 
    【钟摆系列4】多股票市值中枢动态平衡:http://www.joinquant.com/post/505 
      
    配对交易 
    配对交易-以价格比值为价值中枢:http://www.joinquant.com/post/242 
    在配对交易的基础上增加了协整判断:http://www.joinquant.com/post/266 
    银行配对交易:http://www.joinquant.com/post/227 
      
    Markowitz 
    Markowitz with regularization term:http://www.joinquant.com/post/501 
    Adaptive Asset Allocation:http://www.joinquant.com/post/388 
    带收益预测的Markowitz动态平衡策略:http://www.joinquant.com/post/389 
    Markowitz动态再平衡策略:http://www.joinquant.com/post/353 
      
    轮动 
    银行股低PB轮换策略:http://www.joinquant.com/post/152 
    银行pe、pb轮动策略:http://www.joinquant.com/post/587 
    指数轮动模型:http://www.joinquant.com/post/451 
    二八轮动:http://www.joinquant.com/post/512 
    动量度量-ETF轮动:http://www.joinquant.com/post/464 
    基于卡尔曼滤波器的银行搬砖:http://www.joinquant.com/post/391 
      
    热点分析 
    赶上牛市打新股策略好的不要不要的:http://www.joinquant.com/post/265 
    举牌概念:http://www.joinquant.com/post/322 
    熔断的历史数据统计:http://www.joinquant.com/post/432 
    春节红包行情:http://www.joinquant.com/post/432 
    如果明天大盘开始反弹,你选哪只股票?:http://www.joinquant.com/post/563 
    月底容易暴跌,特别是25日以后!:http://www.joinquant.com/post/57 
      
    研究型文章 
    线性回归:http://www.joinquant.com/post/56 
    线性相关分析:http://www.joinquant.com/post/173 
    斯皮尔曼秩相关系数:http://www.joinquant.com/post/170 
    过拟合:http://www.joinquant.com/post/194 
    参数估计的不稳定性:http://www.joinquant.com/post/209 
    模型设定:http://www.joinquant.com/post/209 
    回归模型假设的违背:http://www.joinquant.com/post/214 
    回归分析:http://www.joinquant.com/post/221 
    套利定价理论:http://www.joinquant.com/post/229 
    最大似然法(MLE):http://www.joinquant.com/post/225 
    ARCH和GARCH:http://www.joinquant.com/post/304 
    多空策略:http://www.joinquant.com/post/281 
    动量交易策略:http://www.joinquant.com/post/303 
    度量动量:http://www.joinquant.com/post/305 
    配对交易:http://www.joinquant.com/post/185 
    凸优化(Convex Optimization)介绍:http://www.joinquant.com/post/571 
    时间序列波动率估计:http://www.joinquant.com/post/465 
    上证指数十年走势:http://www.joinquant.com/post/447 
    交易策略中的参数优化问题:http://www.joinquant.com/post/403 
    被动型投资:http://www.joinquant.com/post/422 
    不同市场对同一指数的追踪:http://www.joinquant.com/post/603 
      
    量化缠论系列 
    【量化缠论】之分型、笔、线段识别:http://www.joinquant.com/post/425 
    【量化缠论】应用之维克多1-2-3法则:http://www.joinquant.com/post/519 
    缠论中的线性回归:http://www.joinquant.com/post/427 
    笔的新定义-非参数型聚类分析:http://www.joinquant.com/post/433 
      
    ======================= 
    量化投资学习资料 
    ======================= 
      
    量化投资经典学习资料下载:http://www.joinquant.com/post/467 
    主要包括以下内容的下载地址 
    一、python for 量化 
    1 像计算机科学家一样思考Python 
    2 [Python标准库].Doug.Hellmann.扫描版 
    3《Python科学计算》.(张若愚) 
    4 用Python做科学计算 
    5 利用Python进行数据分析 
    6 Python数据分析基础教程:NumPy学习指南(第2版) 
    7 NumPy攻略  
    7 Python科学计算与数据分析 
    8 A Practical Guide To Quantitative Portfolio Trading 
    9 Data Structures and Algorthms Using Python 
    10 Mastering Python for Finance 
    ... 
      
      
    二、R for 量化 
    1 R语言入门 
    2 R语言编程艺术 
    3 R语言实战 中文版 
    4 使用R进行数据分析与作图 
    5 Introduction.to.R.for.Quantitative.Finance 
    6 Quantitative Trading with R Understanding Mathematical and Computational Tools from a Quant's Perspective 
    7 Mastering R for Quantitative Finance 
    8 Mastering Predictive Analytics with R 
    9 金融数据分析导论:基于R语言 
    ... 
      
    三、Quant Interview Books 
    1 150 Most Frequently Asked Questions on Quant Interviews 
    2 [Mark Joshi]Quant Job Interview Questions And Answers 
    3 [Xinfeng Zhou]A practical Guide to quantitative finance interviews 
    4 Frequently-Asked-Questions-Quant-Interview 
    5 Heard on the Street Quantitative Questions from Wall Street Job Interviews 
    6 The 200 Investment Banking Interview Questions & Answers You Need to Know 
    ... 
      
    四、投资阅读书籍 
    1 algorithmic trading winning strategies and their rationale 
    2 barra handbook US 
    3 Encyclopedia of Trading Strategies(交易策略百科全书) 
    4 Inside the Black Box -A Simple Guide to Quantitative and High Frequency Trading(2nd.Edition) 
    5 NASSIM Taleb-Dynamic Hedging 
    6 Options Futures and Other Derivatives 8th - John Hull 
    7 Quantative Trading Strategies 
    8 Quantitative Equity Portfolio Management:Modern Techniques and Applications 
    9 Quantitative Trading How to Build Your Own Algorithmic Trading Business 
    10 Quantitative Trading How to Build Your Own Algorithmic Trading Business 
    ... 
      
    五、计量经济学 
    1 金融计量学从初级 到 高级建模技术 
    2 哈佛教材 应用计量经济学 stata 
    3 高等计量经济学 李子奈等编着 
    4 Analysis of Financial Time Series- Financial Econometrics(2002)金融时序分析 
    5 Phoebus J. Dhrymes, Mathematics for Econometrics, 4e 
    6 Osborne,Rubinstein-A Course in Game Theory 
    7 Model Building in Mathematical Programming(5e) 
    8 Hayashi - Econometrics 
    9 Gujarati-Essentials of Econometrics计量精要 
    10 Akira Takayama - Mathematical Economics 
    ... 
      
    六、研究报告 
    1 国信证券金融工程 
    2 大券商2016年年度投资策略报告 
    3 光大证券 
    4 海通证券申 
    5 万大师系列 
    6 他山之石系列 
    7 中信证券 
    8 广发证券 
      
    视频: 
    1 python 
    2 R语言基础、进阶、七武器(quantmod、ggplot2....) 
    3 金融工程 89集 郑振龙 厦门大学 
    4 金融时间序列分析 
      
    推荐一些Python入门学习资料(持续添加中...): 
    http://www.joinquant.com/post/467 
      
    ========================= 
    量化投资利器Python学习资料 
    ========================= 
      
    【量化投资利器Python】基本语法-数据类型1之列表:   
      http://www.joinquant.com/post/529 
    【量化投资利器Python】基本语法-数据类型2之字典: 
    http://www.joinquant.com/post/532 
    【量化投资利器Python】基本语法-数据类型3之元组、集合: 
      https://www.joinquant.com/post/533 
    【量化投资利器Python】基本类库-Pandas入门1-数据结构: 
    https://www.joinquant.com/post/534 
    【量化投资利器Python】基本类库-Pandas入门2-数据处理:   https://www.joinquant.com/post/535 
    【量化投资利器Python】基本类库-Pandas进阶: 
        https://www.joinquant.com/post/550 
    【量化投资利器Python】条件与循环-if、while、for:https://www.joinquant.com/post/558 
    【量化投资利器Python】神奇的迭代器和解析:https://www.joinquant.com/post/559 
    【量化投资利器Python】基本语法-函数:https://www.joinquant.com/post/584 
    【量化投资利器Python】基本类库-时间:https://www.joinquant.com/post/585 
      
    Talib介绍 
    Ta-Lib用法介绍!:   http://www.joinquant.com/post/548 
    指标计算和形态识别的编程利器——TA-Lib:   http://www.joinquant.com/post/548 
      
    Talib在量化投资中具体的使用例子 
    【TA-LIB】之MACD:   http://www.joinquant.com/post/131 
    【TA-LIB】之Bollinger Bands:http://www.joinquant.com/post/144 
    【TA-LIB】之STOCH(KD指标): http://www.joinquant.com/post/142 
    【TA-LIB】之ATR:   http://www.joinquant.com/post/134 
    【TA-LIB】之RSI:http://www.joinquant.com/post/133 
    -- 
      
    ※ 来源:·水木社区 http://www.newsmth.net·[FROM: 114.250.1.*] 
      

    展开全文
  • 2.1 量化交易策略的基本研发流程 大部分情况下,买卖这一最为基本的组成部分还是与收益的关系最大,研究者也应该在研发这一组成部分时,着重考虑收益情况的具体影响。 对量化交易策略风险的控制可能会影响到量化...

    2.1 量化交易策略的基本研发流程

    大部分情况下,买卖这一最为基本的组成部分还是与收益的关系最大,研究者也应该在研发这一组成部分时,着重考虑收益情况的具体影响。
    对量化交易策略风险的控制可能会影响到量化交易策略中的买卖设置,但是在更普遍的情况下,风险这一因素主要影响的是交易仓位的设置。
    当交易者希望将风险处理到一个特定的水平时,调整仓位是一个比较方便的手段
    前面已经提到了买和卖是量化交易策略最为基本的组成部分,实际上仓位的设定是根据买卖决策和风险两个因素共同形成的,不建立在买卖之上的仓位选择是空洞没有意义的。此外还有一个更为极端的情况,仓位的正确设定有助于进
    一步优化策略的整体收益,第 10 章第 1 节所要介绍的凯利公式的意义正在于此。。不过在实际使用中,凯利公式所导出的仓位设定往往过于偏激,超过正常风险控制下的最高仓位值,因此仓位仍然与风险的关系更为紧密。
    在图 2.1 这个较为松散的量化交易策略研发流程中,交易成本是和买卖以及仓位具有同等地位的组成部分。在实际操作中,就是首先基于对收益和风险的判断得出合适的买卖和仓位选择,然后在买卖和仓位共同组成的量化交易策略当中考虑交易成本,


    就是在建立仓位和退出仓位等操作中扣除所需要承担的交易成本。随后再次判断该量化交易策略所代表的收益和风险情况,只有这两个因素仍然在接受范围之内,才能确认这是一个可行的量化交易策略。虽然最后用来执行的组成部分只有买卖和仓位,
    但是交易成本作为对量化交易策略的一个实际化修正,也是策略研发流程中一个不可或缺的组成部分。
    就作者看来,评判一个策略的标准中最重要的仍然是策略在整个交易过程下的收益情况,一个负收益的量化交易策略根本无需考虑其风险即可排除。
    而当收益为正时,再结合风险的度量进行具体的取舍,就可以直观的给出量化交易策略是否合格的评判标准了。作者心目中最重要的风险指标是策略净值的回撤水平
    一些量化交易策略在进行收益和风险情况的判断时,仅仅针对策略自身的净值走势进行研究是不够的,给出一个合理的基准来进行对比往往是更为有效的判别方法。例如后面的案例中会涉及到的量化选股策略,当交易选择仅限为对具体的股票进行持仓,而不考虑空仓或者卖空时,选取一个特定的基准进行对比就会是一个更为有效的判别方法。
    上述所有的操作,都需要建立在对历史数据的分析之上,在量化交易领域当中一般称之为回溯测试,或者简称回测

    2.2 量化交易策略研发流程的进一步论述

    买卖和仓位虽然是更为通用的说法,但是更适合于描述择时策略,放在选股策略的研发框架中会显得比较突兀,因此图 2.2 将买卖换成了选股,仓位则换成了配比,这样更容易让读者领会该研发流程的含义

    略有不同的是风险在量化选股策略研发流程中的具体含义。由于选股策略的仓位操作涉及到多个股票之间的配比问题,因此这里的风险不仅包括单支股票的风险,也涉及到多支股票之间的风险程度,后一种风险一般采用股票收益之间的相关性来进行描述。
    图 2.3 给出了相应的流程刻画,如图所示,

    在判断收益因素时,同时考虑交易成本对于收益的影响,从而优化出更为实际的买卖设置。再根据相应的风险控制,结合买卖点的选择,得出最后的仓位设置。在确定了买卖和仓位这两个部分之后,就获得了一个完整的量化交易策略。



    而在量化交易策略研发流程的诸多框架类型当中,则选取作者认为的最为基本的流程进行研究和阐述,即量化择时策略采用图

    2.1 的研发流程,量化选股策略。
    采用图 2.2 的研发流程。希望读者能够根据最为基本的框架举一反三,并在实践中慢慢掌握如何根据具体的研发环境选择最为合适的流程框架。

    展开全文
  • 量化交易策略—利用量化分析技术创造盈利交易程序的电子文档资料供大家学习参考,文件名:量化交易策略—利用量化分析技术创造盈利交易程序.pdf
  • 一个量化交易策略师的自白

    万次阅读 多人点赞 2019-05-09 13:20:11
    转 一个量化交易策略师的自白         我之前在全球top5券商工作时也主要以CTA研究为主,每天都在不停的进行各种回测和开发。彼时,部门的CTA交易主要集中在股指期货的日内投机上,基本市场上...

            我之前在全球top5券商工作时也主要以CTA研究为主,每天都在不停的进行各种回测和开发。彼时,部门的CTA交易主要集中在股指期货的日内投机上,基本市场上能搜集到的各种书籍和报告我都浏览过。不过,从实际运用的角度来看,不同的技术分析方法,指标类切线类也好,形态类波浪类也罢,无论其历史背景和基本原理如何,其实质都是基于证券交易过程中量价时空等历史资料基础上的统计、分析和计算。

           由于可供交易的期货标的只有沪深300股指期货,虽然所在部门同时跑了多个日内交易模型,但基本都是一荣俱荣,一损俱损。更为关键的是,一般趋势跟踪系统的获胜概率都低于40%,真正幅度大的单次盈利都是好不容易才熬来的,这说明大部分交易其实都是瞎折腾,当账户资金在短期内出现较大回撤的时候,很容易对自己的模型失去信心,继而陷入反复优化的怪圈。要知道,部门的考核都是以年为单位的,如果一年下来赚不到什么钱甚至亏钱,后果你懂的。

            我在读研究生期间,有过一段奇妙的际遇,至于这段际遇是如何而来,至今想想都觉得传奇。当时,我作为一个博士一年级的学生,曾帮一私募大佬全权管理了一只3000万的CTA量化基金,为期一年,金字塔决策交易系统全自动下单,偶尔也人工干预。就是这段经历,让我在毕业求职时的简历比同龄人丰富了不少。也正是这段交易经历,让我知道了趋势交易就是一种煎熬,因为趋势交易是反!人!性!的:几乎总在最高点开多,最低点开空,所以每次下单都是如履薄冰。最致命的是,由于日内单边走势的下单滑点一般都比较大,如果你因为限价单没能成交,基本这千年等一回的机会就和你说拜拜了;而如果你不顾一切去追单,则很大可能刚成交一会就触发了止损命令,实际亏损是理论亏损的2倍还多。

           正因为知道了交易执行的艰难,毕业后进入全球top5券商后,对于交易下单和盯盘,一开始我就是拒绝的。部门的交易一直都是另一海归博士GG在做,而我只负责模型的研发和维护。他每日的工作流程就是,每天早上打开电脑,检查数据流是否正常,然后打开模型,让程序自动执行,盘中各种纠结,盘后各种悔恨。而这,基本就是一天的生活。

          盘中纠结:由于资金量巨大,股指期货随便一个波动,就是几十万的盈亏。落袋为安(干预模型)还是让坚决执行模型?这是个问题。毕竟一切浮盈皆是虚妄。

    盘后悔恨:今天曾浮盈过百万,最后居然止损出局,唉;今天要是不干预的话,本!可!以!盈利数百万的,结果少赚了近一半,唉,唉。

          别问我为啥总想干预模型。事实上,任何一个趋势跟踪系统都是很难坚持的,因为它们都是以捕捉相对罕见的大趋势为基础的,而大趋势通常难得一见。在漫长的等待中,交易者很容易对自己的系统产生怀疑,转而相信自己能够战胜概率。

    别问我一年下来赚了多少。事实上,CTA的容量是非常有限的,相比于部门的中介业务动辄上亿的利润,CTA的盈利基本可以忽略。虽然后来我们又把趋势交易拓展到了商品期货上,同时交易了十几个品种,但随后很多商品期货都开启了夜盘模式,遂逐步放弃。

           因为选择了CTA,导致我每天都在对自己的职业生涯产生怀疑,直到后来我跳槽到阳光私募开始管理对冲产品,开始了股票alpha模型的盈利模式。

    此是后话,有时间慢慢表来。

    在中国的股票、期货市场,几乎所有的投资者多多少少都懂点技术分析,什么MA、MACD、KDJ等等,诸如此类,不一而足。至于自己所理解的技术指标能否盈利,另当别论。

          由于量化投资的门槛实在太低,大凡交易过商品期货的朋友(尤其是理工科学生,毕业后想进入金融机构以此为职业的),基本都在用自己编译的模型进行程序化自动下单,或按模型提示的信号进行手撸。至于所交易的品种,究竟是橡胶、螺纹钢,还是豆粕、焦炭(股指期货的开户门槛太高,在校生一般玩不起),则不是他所要关心的。相信大家都有这样的体验,如果有朋友邀请你去打麻将或斗地主,而你却不怎么会玩,你多半会拒绝。但期货市场不同,对于一个自己几乎一无所知的品种,却也敢用真金白银去交易。

           这是为什么呢?

           因为交易者用自己所构建的模型对该产品的历史数据进行过回测,每个月均实现了正收益。这TM不就是传说中的印!钞!机!么!

           然而,只有真正交易过的人才知道,要想在期货市场凭自己所理解的技术分析去赚钱,太难!太难!要写一个回测结果很好的趋势跟踪模型,对于熟手来说,基本就是分分钟的事。但如果你把测试和实盘等同,我只能说你too young too simple。因为历史测试充其量只是对未来的粗略估计,它或许夸大了系统的内在优势本来是纯随机的现象,结果导致一个在历史回测中看似有效或曾经有效的系统不再有效。并且,很多初入期市的朋友,在写模型时或多或少都犯了过度优化的毛病,对于历史上那些模型本没抓住的单边走势,改个参数就抓住了;对于那些模型反复开仓的震荡走势,加个限制就避免了。可惜的是,要是可以交易历史数据的话,这个市场上还有亏货么?

           更为致命的是,即便你写的模型确实符合逻辑,也没有过度拟合,你以为就可以一劳永逸,躺着数钱了吗?那是因为你忘了,测试时,你可以把几年的模拟交易集中在几分钟之内完成,即使有几个月的回撤期,你也不觉得有啥,因为你知道了净值曲线的未来走势。但实盘交易时,分分钟都是煎熬,盘中每一个波动都会刺激你的神经。此外,模型测试时,你关注的全是盈利带来的喜悦;而实盘交易时,你感受到的全是亏损带来的痛楚。

           在实盘交易中,交易者的行为是复杂多变的,很多模型都由于与历史的吻合度太高,市场行为的一个轻微变化就会造成效果的明显恶化。再加上投资者某些情绪化和草率的出入场,承担了一些本没有必要承担的风险,再加上佣金和滑点,如此,根据市场的实际结构来说,大部分投机者注定就应该发生亏损。

          事实上,真正在市场上赚大钱的人,大都是悲观者和幸运者。说悲观,是因为他们都曾有过亏得睡不着觉的经历,知道赚钱的艰难;说幸运,是因为他们起起伏伏,但最终都活下来了。

    还记得,当年部门年会时,领导让我作为新人代表发言,我balabala,洋洋洒洒上千言,直听得他们无不击掌。但作为结尾,我话锋一转,说了下面的话:

           要想在期货市场上用技术分析赚到大钱,无它,两个字而已,靠命!

    周末去了一趟王府井书店,没想到这年头到实体店买书的人还挺多。在里面转悠了一圈,来到股票板块,那家伙,各种分析、战法,直叫人应接不暇。我随意挑了几本翻阅了一下,看完后甚是惆怅,原来自己这么多年的书都白念了,这么多年的交易体验都白瞎了,因为所有的书都给人一种感觉:“炒股太简单啦!”“股市就是提款机!”“我们的目标是星辰大海!”。

    回家路上,我对老婆说:“要不咱别做交易了,怪辛苦的,改写书吧?”

          “我看你有这个潜质。”

            在期货市场,散户凭借技术分析是能赚钱的,但前提是你能够战胜自己的内心。但即便你战胜了自己的内心,要指望大赚特赚,基本还得靠命。

    -----------------------------------------------------------------------------------------------------------------------

    拓展阅读:

    序号 标题 传送链接
    1 双均线策略(期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/153
    2 alpha对冲(股票+期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/101
    3 集合竞价选股(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/102
    4 多因子选股(股票)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/103
    5 网格交易(期货)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/104
    6 指数增强(股票)  量化策略源码 https://www.myquant.cn/docs/python_strategyies/105
    7 跨品种套利(期货)量化策略源码 https://www.myquant.cn/docs/python_strategyies/106
    8 跨期套利(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/107
    9 日内回转交易(股票)量化策略源码 https://www.myquant.cn/docs/python_strategyies/108
    10 做市商交易(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/109
    11 海龟交易法(期货) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/110
    12 行业轮动(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/111
    13 机器学习(股票) 量化策略源码 https://www.myquant.cn/docs/python_strategyies/112
    14 仓位管理(1): 鞅与反鞅策略,凯利公司及其局限 https://www.myquant.cn/community/topic/673/2
    15 仓位管理(2): 凯利公式指导投资与多种资金管理方式 https://www.myquant.cn/community/topic/679
    16 多因子选股之有效因子 https://www.myquant.cn/community/topic/690
    17 多因子策略之冗余因子 https://www.myquant.cn/community/topic/695
    18 多因子选股之策略的实现 https://www.myquant.cn/community/topic/708/2
    19 大师系列之彼得•林奇基层调查选股法 https://www.myquant.cn/community/topic/719/2
    20 从量化角度告诉你常见的技术指标到底能不能赚钱? https://www.myquant.cn/community/topic/649/2
    21 从回测到实盘(2):如何让回测更贴近实盘结果  https://www.myquant.cn/community/topic/665
    22 程序化交易(3):从回测到实盘,还需要注意些什么? https://www.myquant.cn/community/topic/668
    23 股市暴跌深套 | 如何利用日内回转交易策略降低持仓成本 https://www.myquant.cn/community/topic/704
    24 算法交易策略的成功回测之一 https://www.myquant.cn/community/topic/721
    25 股票中的情侣——配对交易 https://www.myquant.cn/community/topic/735
    26 量化交易入门 https://www.myquant.cn/community/topic/28/2
    27 分享一个python均线策略 https://www.myquant.cn/community/topic/78/2
    28 一个量化交易策略师的自白 https://www.myquant.cn/community/topic/652/2
    29 《利用Python进行数据分析》PDF电子书下载 https://www.myquant.cn/community/topic/618
    30 高频交易:为了0.07毫秒的比拼,竟然花费了1400万美金 https://www.myquant.cn/community/topic/634/2
    31 分享几本量化和python方面的书,可以直接下载 https://www.myquant.cn/community/topic/89/2
    32 2018:数据科学20个最好的Python库 https://www.myquant.cn/community/topic/664
    33 《投资中最简单的事》读书笔记 https://www.myquant.cn/community/topic/575/2
    34 史上最全的量化交易资源合集 https://www.myquant.cn/community/topic/624/2
    35 七种量化选股模型 https://www.myquant.cn/community/topic/663
    36 谈资金管理 https://www.myquant.cn/community/topic/579/2
    37 网格交易策略(附策略源码与收益图) https://www.myquant.cn/community/topic/548/2
    38 指数增强策略 https://www.myquant.cn/community/topic/527
    39 日内回转交易策略 https://www.myquant.cn/community/topic/526
    40 跨期套利策略 https://www.myquant.cn/community/topic/525
    41 跨品种价差套利策略 https://www.myquant.cn/community/topic/524
    42 集合竞价选股 https://www.myquant.cn/community/topic/523
    43 基于EV/EBITDA倍数估值法的Alpha对冲策略 https://www.myquant.cn/community/topic/522
    44 行业轮动策略 https://www.myquant.cn/community/topic/521
    45 海龟交易法则 https://www.myquant.cn/community/topic/520

    展开全文
  • 摘要策略编写的基本框架及其实现回测的含义及其实现初步学习解决代码错误周期循环的开始时间自测与自学通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易。毕竟就像学游泳,有些东西讲是讲不懂,做过...

    摘要

    策略编写的基本框架及其实现

    回测的含义及其实现

    初步学习解决代码错误

    周期循环的开始时间

    自测与自学

    通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易。毕竟就像学游泳,有些东西讲是讲不懂,做过就会懂。

    从一个非常简单的交易策略开始

    先看一个非常简单的交易策略:

    每天买100股的平安银行。

    为了让这个策略能让计算机执行,首先,要使策略符合“初始化+周期循环”框架,像这样:

    初始化:选定要交易的股票为平安银行

    每天循环:买100股的平安银行

    什么是“初始化+周期循环”框架?

    为了将投资灵感高效地转化成计算机可执行的量化策略,必须基于一种模式来写,框架就是指这种模式。而此框架包含两个部分即初始化与周期循环:

    初始化即指策略最开始运行前要做的事。比如,准备好要交易的股票。

    周期循环即指策略开始后,随着时间一周期一周期地流逝时,每个周期要做的事。如例中,周期为天,周期循环的则是每天买100股的平安银行。

    能帮助你理解这一框架的是,其实人本身日常做交易就是符合“初始化+周期循环”框架的,初始化就是已存在人脑的交易思想与知识,周期循环就是每天或每分钟地查看行情、判断、下单等行为。

    如何把策略变成计算机可执行的程序?

    通过编程将策略写成计算机可识别的代码,具体说,我们这里是用python这门编程语言。

    另外可以用聚宽的向导式策略生成器,这种方法是不需编程的,但灵活性上难免是远不如写代码的。

    那么如何将策略写成代码?

    这并非三言两语就能说清,尤其是对于没有编程基础的人。所以我们将通过后续的内容逐步地介绍。首先我们将学习“初始化+周期循环”框架代码的写法。

    写法一

    def initialize(context):

    这里是用来写初始化代码的地方,例子中就是选定要交易的股票为平安银行

    def handle_data(context,data):

    这里是用来写周期循环代码的地方,例子中就是买100股的平安银行

    写法二

    def initialize(context):

    run_daily(period,time='every_bar')

    这里是用来写初始化代码的地方,例子中就是选定要交易的股票为平安银行

    def period(context):

    这里是用来写周期循环代码的地方,例子中就是买100股的平安银行

    代码应该往哪里写?

    来到聚宽网站后,通过导航栏-我的策略-我的策略进入策略列表,点击新建策略-

    db4a31251b639b7f9e1ddc93c42e1668

    进入策略编辑页,左侧就是策略代码编辑区域,初始会默认给你提供代码模板,全删除后写入我们的代码就好了。

    88b68d191aa903ebffb80748652cca83

    两种写法用哪个好?

    写法一是从前的老写法,将逐步弃用,写法二是聚宽系统改进后的新写法,推荐使用写法二。

    def、context等都是什么意思?

    其实是在调用聚宽提供好的函数,展开讲很复杂,不理解的话先记住,后面的学习内容会让你理解。

    框架写成代码了,那例子的完整的代码该怎么写呢?

    剩下的两行代码这么写。完全理解需要学习后续的内容,此处不要求理解。知道大概什么样子往哪里写即可。

    选定要交易的股票为平安银行:

    g.security = '000001.XSHE'

    买100股的平安银行(市价单写法):

    order(g.security, 100)

    以写法二为例把剩下的代码补上后,完整代码为:

    def initialize(context):

    run_daily(period,time='every_bar')

    g.security = '000001.XSHE'

    def period(context):

    order(g.security, 100)

    那么现在这些代码就可以运行了吗?

    是的。以写法二为例,如图把代码写到策略编辑区,设置好初始资金与起止时间(比如初始资金100000元,起止时间20160601-20161231),频率设置成天。点击编译运行,运行结束后就可以看到结果了。

    cdec0ebc16c4154f2a2c3afefd4380ea

    可以看到,若你20160601有初始资金100000元,每个交易日尝试买100股的平安银行,到20161231,你的收益曲线将如图中蓝线般增长。图中红线是基准收益(默认是沪深300指数,代表整个市场增长水平)

    接下来,点击运行回测,运行结束后就可以看到更为详细的结果,包括下单记录、持仓记录等。

    84e79235cc475cc440167b3187ef0e74

    策略出错不能运行?

    策略不能运行时,日志中会报错并给出一定的提示信息,像这样:

    b727983b0d591574cb72347335087937

    首先注意,右上角的箭头按钮能展开运行日志。看到日志中,最后一行是错误的提示信息:

    SyntaxError: invalid syntax

    汉义是 语法错误:不合法的语法。

    最后一行之前的是错误的位置信息,一般只看后面就行。

    File "user_code.py", line 1

    def initialize(context)

    ^

    意思是文件user_code.py(就是你的策略代码)的第一行,“^”符号指向的位置有错。你到代码中的这个位置看下,会发现少个冒号。

    为了顺利运行策略,需要耐心解决错误,但错误的原因极度的复杂多样(所以日志的报错信息也多种多样,不止图上一种),故在此只针对例子讲下新手容易犯的错误:

    符号要用英文输入法。下图,代码第一行的冒号是中文的,所以出错

    746647f439f6886eebb672575b7e6183

    拼写不要错。下图,security拼写错了

    751cebab4fc1aba8c657abf492d58693

    缩进要对齐。下图,缩进没对齐。缩进的时候可以按键盘tab键或四个空格。

    a186b7520ce9f441cb3f4d4b5df3ebf9

    编程界往往把错误叫bug,而不断调试去除错误的过程叫debug,做量化时也是时常听到的说法,大家应该知道下。

    而且debug通常就是要耗费不低于写bug写代码的时间的,所以会debug是很重要的能力,大家平时debug的时候不妨多思考下,如何更有效率的debug。当然,我们后续也会介绍些debug的技巧。

    回测、编译运行、运行回测都是什么意思?

    像刚刚那样,用一段时间内的历史的真实行情数据,来验证一个确定的交易策略在这段时间表现如何,这个过程叫回测。

    运行回测就是是字面意思,让计算机运行这次回测,运行后会告诉你策略在这段时间表现情况,比如收益率、年化收益率、最大回撤、夏普比率等指标,而且一般也会包括下单记录、持仓记录等。

    编译运行其实也是让计算机运行这次回测,不过相比于点击运行回测,编译运行的结果比运行回测要简单,只有收益率等指标,因此也速度更快。所以,当还不必要得到详细的结果时,或只是想调试下策略的代码,看是否无误可运行时,编译运行就比运行回测更方便。

    周期循环具体是什么时候开始的呢?

    如果策略频率为天,是每个交易日开始生效,从9:30直到15:00(从股市开市到收市),所以例子中是每个交易日9:30开市循环就开始,一天一次地循环执行买入股票的操作。

    如果策略频率为分钟,是每个分钟开始时执行,所以例子中的买入股票的操作是每个交易日从9:30:00开始,然后9:31:00,直到14:59:00。接着下一天9:30:00,如此一分钟一次地循环执行的。

    de883feec9064e658d40b2e4b3031e08

    虽然频率只有为分钟和每天可选,但通过不同的代码可以实现按周按月周期循环,而且分钟级别里下单时间也是可以自己选的,不过代码的写法则与写法一和写法二那样略有不同,后面会讲到。

    自测与自学

    按教程实践下。

    通过搜索自学K线、bug、debug的含义。

    展开全文
  • 在介绍主流量化交易策略之前,需要先知道资产收益的拆分。资产收益通常可以拆分为Beta收益和Alpha收益,Beta为市场风险补偿,Alpha则是投资组合的超额收益。 JPMorgan将传统的Alpha进一步拆分,其中将通过指数权重...
  • 揭秘人人都能学的量化思维投资数字货币在上一篇中,我们介绍了量化交易的一般流程、基本概念以及一些基本的策略设计思路,在这一篇中,我们将要利用上述成果,手把手教您构建第一个量化交易策略!我们以比特币作为...
  • 上期为大家介绍了数字货币量化交易策略中的期现套利,这一期将继续为大家介绍另外一种交易策略,搬砖套利。在数字货币交易市场中,搬砖套利是一种比较常见的玩法。它的基本原理很简单,即在币值相对较低的数字货币...
  • 本书的 写作目也正在于此我愿尽绵薄之力为有志学习读者 提供一个可以参考的 量化交易策略研发框架 ,希望大家在初入门径时少走弯路 。
  • 主流量化交易策略:事件驱动策略是在提前挖掘和深入分析可能造成股价异常波动的事件基础上,通过充分把握交易时机获取超额投资回报的交易策略。 事件驱动策略是在提前挖掘和深入分析可能造成股价异常波动的事件基础...
  • 量化交易策略干货收集

    千次阅读 2020-05-28 16:42:07
    量化交易策略 =========================== 价值投资 成长股内在价值投资:http://www.joinquant.com/post/541 三一投资管理公司价值选股法:http://www.joinquant.com/post/556 低估价值选股策略:...
  • 讲座系列:CAFD金融行业系列讲座 | 第6期讲座题目:量化交易策略及Python应用实例主讲人:郑守志2019年11月15日14:00,CAFD金融行业系列讲座第6期——《量化交易策略及Python应用实例》在中央财经大学学院南路校区...
  • 如何使用C++实现的量化交易策略

    千次阅读 2019-05-07 19:50:08
    原 如何使用C++实现你的量化交易策略 编者按语:本文通过基于掘金量化交易平台支持C++编程语言的金融量化模型开发,介绍使用C++语言实现您的量化交易策略模型。 一、C++  SDK 文档指引 1.快速新建策略 ◆打开...
  • 常见商品期货量化交易策略

    千次阅读 2019-03-02 21:13:06
    转 常见商品期货量化交易策略https://blog.csdn.net/myquant/article/details/86136818商品期货套利策略 套利策略一般包括期现套利、跨期套利、跨市场套利、跨品种套利等。 对于商品期货而言,期现套利必须交易大量的...
  • 量化交易策略基本框架 摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始时间 自测与自学 通过前文对量化交易有了一个基本认识之后,我们开始学习做量化...
  • 经典交易策略,配对交易模型,量化投资与技术分析,大数据与情分析策略,基于机器学习的交易系统
  • 如何使用C++实现你的量化交易策略

    千次阅读 2019-04-30 10:28:58
    原 如何使用C++实现你的量化交易策略 编者按语:本文通过基于掘金量化交易平台支持C++编程语言的金融量化模型开发,介绍使用C++语言实现您的量化交易策略模型。 一、C++  SDK 文档指引 1.快速新建策略 ◆打开...
  • 转 如何设计你的量化交易策略? 来源:知乎   杨影枫 对于新手来说开发一个策略最开始一定是模仿。 第一步,利用现成指标构建逻辑。TB内置了众多的技术指标,取出一个,写入买卖点,回测下历史行情,这样...
  • 感谢原作者:JoinQuant-TWist 转自:JoinQuant ...重要提示:聚宽提供了非常好的数据库接口,愁没...量化交易策略基本框架 摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始...
  • 主要运用于长期投资虚拟币或量化交易策略。在海龟策略基础上进行了优化。欢迎同行批评指正。【短线勿扰】
  • 商品期货市场常见的量化交易策略

    千次阅读 2019-08-06 10:53:29
    商品期货短线量化交易策略 1、R-Breaker 策略 作为一个经典的日内短线交易量化策略,R-Breaker策略一般使用1分钟、5分钟和10分钟的交易数据。具体来看,该策略根据上一交易日的收盘价、最低价、最高价,加上3个由...
  • 量化交易策略分类

    2020-01-06 14:44:19
    首先,仅仅从量化投资的交易产品、盈利模式、策略信号、交易速度等几个方面就可以划分出非常多的策略,而实务中的策略种类更是不计其数。其次,交易逻辑相同的策略可能在不同的交易产品、不同的信号标准以及不同信号...
  • 什么才是最有用的量化交易策略?这是很多量化交易者都在追究答案的一个问题。其实这个答案非常简单,那就是适合你自己的并且与市场行情特征相符的策略。这个答案虽然说起来简单,但是我们到底应该如何找到这样的策略...
  • 如何使用C#实现你量化交易策略模型

    千次阅读 2019-04-30 10:32:31
    原 如何使用C#实现你的量化交易策略模型 编者按语:本文通过基于掘金量化交易平台支持的C#,如何使用C#编程语言实现Quant er  的金融策略交易模型。 一、C#  SDK文档指引 1.快速新建策略 ◆下载掘金3终端...
  • 原 如何使用C#实现你的量化交易策略模型 编者按语:本文通过基于掘金量化交易平台支持的C#,如何使用C#编程语言实现Quant er  的金融策略交易模型。 一、C#  SDK文档指引 1.快速新建策略 ◆下载掘金3终端...
  • 转 如何设计你的量化交易策略? 来源:知乎   杨影枫 对于新手来说开发一个策略最开始一定是模仿。 第一步,利用现成指标构建逻辑。TB内置了众多的技术指标,取出一个,写入买卖点,回测下历史行情,这样...
  • 量化交易策略三:银行股轮动策略

    千次阅读 2019-03-17 09:30:55
    量化交易策略三:银行股轮动策略主要思想方法代码 主要思想方法 始终持有沪深300银行指数成分股中市净率最低的股份制银行,每周检查一次, 如果发现有新的股份制银行市净率低于原有的股票,则予以换仓。 代码 ''' ...
  • 经典交易策略,配对交易模型,量化投资与技术分析,大数据与情分析策略,基于机器学习的交易系统

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,623
精华内容 1,049
关键字:

量化交易策略