精华内容
下载资源
问答
  • 多股票策略和双均线策略结合

    千次阅读 2017-03-21 23:11:09
    1 确定策略内容 前文中,我们写的单股票的均线策略策略内容是这样的:若昨日收盘价高出过去20日平均价今天开盘买入股票 若昨日收盘价低于过去20日平均价今天开盘卖出股票 现在,我们想利用计算机强大的数据处理...

    1 确定策略内容
    前文中,我们写的单股票的均线策略的策略内容是这样的:

    若昨日收盘价高出过去20日平均价今天开盘买入股票
    若昨日收盘价低于过去20日平均价今天开盘卖出股票
    现在,我们想利用计算机强大的数据处理能力,同时监视市场上多只股票,如果满足条件就进行相应交易。简言之,对多个股票分别实行原本的单股票策略,策略内容应该是这样的:

    若多只股票某只昨日收盘价高出过去20日平均价今天开盘买入该股票
    若多只股票某只昨日收盘价低于过去20日平均价今天开盘卖出该股票
    那怎么用代码说给计算机听呢?老办法,先想清楚人要做的话要怎么做,再一点点翻译成代码。

    多股票究竟是都是哪些?即要确定股票的范围。
    (计算姬:让我帮你暗中监视可以,总要告诉我都监视谁吧!)
    每天看看每一只股票昨日收盘价是否高出过去20日平均价,是的话开盘就买入,不是开盘就卖出。每天都这么做,循环下去。
    (计算姬:哪个股票有动作,我就带着小钱钱们杀过去~)
    接下来就按之前讲得基本框架的套路出牌就好了,即初始化加周期循环。
    (计算姬:想要学习好,套路不能少~)

    2 用list数据类型初始化股票列表
    我们要确定股票的选择范围,此处举例就简单点只选两个了,比如 兔宝宝(002043) 和 好想你(002582)。代码如下:

    
    def initialize(context):
        g.security = ['002043.XSHE','002582.XSHE']# 存入兔宝宝、好想你 的股票代码
    对比下,单股票策略中初始化代码是这样的:
    
    def initialize(context):
        g.security = '002043.XSHE'# 存入兔宝宝 的股票代码

    可以看到,多个股票代码之间用逗号隔开了,并且两侧被中括号包在了一起。这种被中括号包在一起的数据的类型叫做list。形如:

    [x1,x2,x3,…,xn]
    当多个股票代码被包在一起成为一个list后就是一个整体,我们就可以给他们一起命名(例如此处命名是g.security),就好像我们把多个股票代码包在一个盒子里,在盒子外面写上名字,如此以后你想让计算机把那些股票代码拿到哪里去计算,或是怎么样的时候,只要跟她讲g.security,她就知道是那个盒子了,而不必一一地把每个股票名字再交代一遍。

    答疑与延伸:

    关于list的详细介绍?:请看 Python入门(2)- 数据类型之列表
    初始化完成,开始周期循环的部分。

    3 for语句
    之前我们已经发现了,所谓的多股票策略,就是对多个股票逐个地实行单股票策略,所以对于所选股票只有两个的时候,只要把原本单股票策略对每个股票再写一遍就好了,比如这样:

    def initialize(context):
        g.security1 = '002043.XSHE'
        g.security2 = '002582.XSHE'
    
    def handle_data(context, data):
        last_price = data[g.security1].close
        average_price = data[g.security1].mavg(20, 'close')
        cash = context.portfolio.cash
        if last_price > average_price:
            order_value(g.security1, cash)
        elif last_price < average_price:
            order_target(g.security1, 0)
    
        last_price = data[g.security2].close
        average_price = data[g.security2].mavg(20, 'close')
        cash = context.portfolio.cash
        if last_price > average_price:
            order_value(g.security2, cash)
        elif last_price < average_price:
            order_target(g.security2, 0)

    基本上就是原来的单股票代码写两遍,两只股票写两遍,上千只股票的话还不写死。。。

    所以我们要用到for,来告诉计算机,对多只股票都逐个进行相同的一系列的操作。
    for的用法如下:

    # 把x中的数据依次取出暂时放入i中
    for i in x:
        描述操作的代码
    
    #其中x的数据类型需要是list。

    这段代码的含义可以理解成面试:
    (x像一队的等待的面试者,i就是面试的房间,操作就是面试的过程)
    取出x中的第一个数据放到i中,进行操作。
    (排在最前面的人进去面试然后出来)
    然后从x中再取出第二个数据覆盖掉i中原本的数据,进行操作。
    (第二个人进去面试然后出来)
    如此继续,直到x中最后一个数据取到并进行操作。
    (直到最后一个人面试完)

    答疑与延伸:

    从x中取出的次序?:x的数据类型是list,list类型里面的数据是有次序的,所以从x中取出的次序就是x里自带的次序。如for i in [2,7,3]的取出次序就是,如所见到的从左到右2,7,3的次序。([2,7,3]是个list)
    for应用在我们的多股票策略中后,我们的策略就是这样的:

    def initialize(context):
        # 存入兔宝宝、好想你 的股票代码
        g.security = ['002043.XSHE','002582.XSHE']
    
    def handle_data(context, data):
        # 把g.security中的股票代码依次取出,逐个进行单股票均线策略
        for i in g.security:
            # 获取取得最近日收盘价,命名为last_price
            last_price = data[i].close
            # 获取近二十日股票收盘价的平均价,命名为average_price
            average_price = data[i].mavg(20, 'close')
            # 获取当前现金数量,命名为cash
            cash = context.portfolio.cash
            # 如果昨日收盘价高出二十日平均价, 则买入,否则卖出。
            if last_price > average_price:
                order_value(i, cash)# 用per_cash的资金量买入股票i
            elif last_price < average_price:
                order_target(i, 0)# 将股票仓位调整到0,即全卖出

    至此,已经是一个完整的可运行的策略了。

    但是,我们应用原本单股票策略的买入卖出方法到多股票后,逻辑上会出现这样一种情况,只要多只股票中一只股票满足买入条件了,就用所有资金买入了,从而没有资金买别的股票了,即便余下的股票也有满足条件的,即策略一直最多持有一只股票。

    当然,这种买入卖出逻辑并没什么错,但一般来说,多股票策略相比单股票的策略的优势,除了可以更大范围内的寻找机会外,能同时持有多只股票能帮助我们分散风险。

    故,我们有必要继续研究下每次花多少钱去买股票,使策略可同时持有多只股票。

    4 各个股票买多少?
    每次交易信号发生,不全额买卖,该买卖多少额度呢?这是个复杂的问题,每个人对于每个策略都可能有不同的看法,并无定法。此处只做简单的处理,即将资金按股票数量分配预留,哪只股票发出信号,就将该股票的那份资金全额交易。

    详细表述与代码如下:

    将资金平分成两份(”兔宝宝”一份,”好想你”一份),每份资金量为per_cash.

    # cash除以g.security中的股票数,得到per_cash
    per_cash = cash/len(g.security)

    答疑与延伸:
    len(g.security)什么意思?:len()是用来求list长度,即list中包含多少个东西。本例中len(g.security)就是求g.security中的股票数,结果为2.
    如果五日平均价高出十日平均价, 则用per_cash的资金量买入的该股票;
    否则卖出全部该股票。

    翻译成代码:

    if last_price > average_price:
    order_value(i, per_cash)# 用per_cash的资金量买入股票i
    elif last_price < average_price:
    order_target(i, 0)# 将股票i持有量调整到0,即全卖出
    5 策略代码写完,进行回测
    把买入卖出的代码写好,策略就写完了,如下

    def initialize(context):
         #存入股票代码
         g.security = ['600177.XSHG','601006.XSHG','601000.XSHG','000651.XSHE']
    
    def handle_data(context, data):
        for i in g.security:
            average_price5 = data[i].mavg(5,'close')
            average_price10 = data[i].mavg(10,'close')
            #获取当前的现金数量
            cash = context.portfolio.cash
            #cash除以股票数量
            per_cash = cash/len(g.security)
            if average_price5 > average_price10:
                order_value(i,per_cash) #用对应资金买入股票
            elif average_price5 < average_price10:
                order_target(i,0)

    现在,点击运行回测,如果你代码没有问题,就会顺利的进行回测,回测结果如下图:
    简单多股票.jpg

    至此,你就完成了一个简单策略的回测了。

    这里写图片描述

    展开全文
  • 海龟策略7大要素 原版海龟策略出现在《海龟交易法则》最后章节的附录中,有兴趣的朋友可以详细看看,在这里我们概况一下海龟策略的7大要素,如图所示。 (由于内容有点多,故拆分成上下两部分,这里只介绍到第四大...

    海龟策略7大要素

    原版海龟策略出现在《海龟交易法则》最后章节的附录中,有兴趣的朋友可以详细看看,在这里我们概况一下海龟策略的7大要素,如图所示。
    enter image description here

    (由于内容有点多,故拆分成上下两部分,这里只介绍到第四大要素,即入场信号)

    1.品种选择

    书中明确表示海龟策略选择标准是流动性高的期货品种,另外两个隐含的条件是具有历史大波动并且无人为干预的品种(例子:肉类交易厅场内交易员腐败问题)。

    在国内,其对应的就是四大期货交易所成交量巨大的品种,并且可以剔除股指期货(因为政府干预)。

    2.头寸规模

    2.1 头寸规模含义

    头寸规模是海龟交易系统最重要的部分之一,其优势是根据一个市场的绝对波动幅度来调整头寸的规模,等于将头寸的绝对波动幅度标准化。

    这意味着,一个特定头寸在某一天的向上或向下变动幅度与其他市场的头寸基本相同,无论这个特定市场的波动性是大还是小。

    举个例子,若一个市场的合约价值波动性较强,那么这个市场中的合约持仓就少一些,反之,若一个市场的波动性较弱,这个市场中的头寸就可以大一些。

    总之,市场的波动性与头寸的规模是相互抵消的。波动性标准化处理意味着不同交易在盈亏概率上是相同的:它们都有同样的机会赚一美元或赔一美元。这便提高了多重市场分散性的效果。

    2.2 头寸规模计算

    enter image description here
    公式中有2点需要特别说明一下,一个是"N",另一个是"每一点数所代表的美元”。

    • N:其定义是真实波动幅度(TR)的20日指数移动平均值,即20日的ATR(至于ATR指标的介绍和计算过程在附录A-1中展开,这里不做过多说明)。另外需要注意的是,ATR是基于期货指数得到的,这意味着在策略实现中,不管是历史回测还是以后实盘测试,都要用到期货指数。解决方法有两个:要么自己自己写脚本合成实时的指数行情数据,要么使用第三方收费的指数行情数据。(考虑开发脚本的难度和运维数据的成本,显然购买第三方数据性价比高的)
    • 每一点数所代表的美元:每一手合约规模数量,以美元为计价。

    2.3 举例说明

    原版头寸规模单位计算例子:纽约商品期货交易所(NYMEX)民用燃料油(HO03H)在2002年12月4日,其日K线的最高价、最低价、收盘价分别是0.7420、0.7140、0.7162,ATR值是0.0141,民用燃料油的合约规模是42000加仑(1000桶),若账号资金是一百万,则得出的头寸规模是16.88,四舍五入得头寸规模为17手合约,如图
    enter image description here

    这里可以看出美国期货合约,其合约规模非常大,但是价格低(即ATR值小),这与国内期货合约是相反的。这是因为国内期货表现出其合约规模小但是价格比较高的特点。

    下面以螺纹钢合约为例:2018年12月12日,螺纹钢指数日K线的最高价、最低价、收盘价分别是3416、3356、3356,20日的ATR值是103.55,合约规模是10吨,故其头寸规模 = (1%乘以1,000,000) /(103.55乘以10)=9.66,四舍五入得10手合约。

    从上面两个例子可以推断出,若账号资金不足,头寸规模调整失去精确性,大大降低风险分散化的效果。

    3.单位头寸限制

    原版海龟策略通过4个层面来限制其成交量。书中说道,这些法则可以控制交易者总体风险水平。无论是在没完没了的亏损时期还是翻天覆地的价格动荡中,这些限制都能把损失最小化。

    这四个层面的限制分别如下:

    • 单个市场:头寸上限是4个
    • 高度关联的多个市场:单个方向头寸单位不超过6个
    • 松散关联的多个市场:某一个方向上的头寸单位不超过10个
    • 单个方向:最多12个

    这方面的总结可能是经验之谈,实现起来比较困难,因为高度关联市场和松散关联市场判断起来都非常主观,并无统一标准。故只能简单的实现单个市场和单个方向的头寸限制。

    4.入场信号

    原版海龟策略提供2个版本的入场信号,用的都是唐奇安通道突破策略(唐奇安通道突破在附录A-2中展开,这里不做过多说明。),其区别在于时间周期不同,下面分别介绍这两个版本:

    4.1短周期版本

    • 若期货指数价格突破20日最高价/最低价,买入/卖出1个头寸单位。
    • 过滤条件是上一次突破是盈利性突破,则当前入市信号无效(其保障性突破点为在55日通道入市)。
    • 若突破日后价格在反方向移动幅度达 2*ATR,止损离场。
    • 关于过滤条件,该书作者认为若上一次突破点盈利,那么新突破点可能离当前价远,因为有可能是个55日突破点,若上一次突破点亏损,那么新突破点将更加接近当前价格。

    4.2 长周期版本

    • 若价格突破55日最高价/最低价,买入/卖出1个头寸单位。
    • 对于长周期版本来说,所有突破都被视为有效信号,无论上一次突破是亏损性还是盈利性的。

    海龟们可以自由决定如何在这两个版本之间分配资金,有的海龟只用短周期版本,有的则只用长周期版本,也有的各投50%。

    --------------------------------------------------------------------分割线---------------------------------------------------------------------------------

    附录A-1 ATR指标

    1.1 ATR指标原理

    平均真实波动范围(Average true range),简称ATR指标,是由韦尔德(J.Welles Wilder)发明的,ATR指标主要是用来衡量市场波动的强烈度,即为了显示市场变化率的指标。注意,这一指标主要用来衡量价格的波动,并不能直接反映价格走向及其趋势稳定性。

    这一指标对于长期持续边幅移动的时段是非常典型的,这一情况通常发生在市场的顶部,或者是在价格巩固期间。根据这个指标来进行预测的原则可以表达为:该指标价值越高,趋势改变的可能性就越高;该指标的价值越低,趋势的移动性就越弱。

    当ATR线上升时,意味着资产的波动性在增加。当ATR线下降时,意味着资产的波动性在减少。ATR 不会显示资产移动的方向。

    1.2 ATR指标计算

    首先应计算出TR(即当天的真实波幅),如图1-1所示,#2,#3为市场出现跳空高开和跳空低开的情况。TR在当日最高价与最低价,当日最高价与昨日最收盘价,当日最低价与昨日收盘价这3种情况中取最大值。

    enter image description here
    图1-1 计算ATR所考虑的3种情况

    由于一天的TR缺乏效率以及代表性,韦尔德用ATR来更好的衡量市场的波动性;一般而言,海龟测试的数据周期是20以及55,这意味著如果投资者在日线图看ATR,20 = 20日。TR的计算公式如图1-2所示。
    enter image description here
    图1-2 TR计算公式

    最后,20日的ATR = (前19日的TR + 当日的TR)/ 20


    附录A-2 唐奇安通道

    唐奇安通道也被称为价格通道,扬名于70年代,美国有个公司对当时最流行的机械交易系统进行了模拟测试和比较研究,其研究结果表明,在所有测试对象中唐奇安通道规则最为成功。1983年,他被推举为首届“最佳获利奖”得主,并将此奖项改为唐奇安奖。

    唐奇安通道通道突破规则非常简单:当价格突破前X天最高价时,做多;价格突破前X天最最低价时,做空。X值默认为20,市场上流行对20这个值解释的佚闻是:唐奇安在开发唐奇安通道的期间,碰巧阅读到整形外科医生马尔兹博士在1960年所作的“心理控制论”(这本书在1989年被重新发现)。马尔兹博士称在整形外科手术过程中,患者最少需要21日来看到自己的新的容颜。而很多观察到的现象都显示了其最起码需要21日来使得新事物代替旧事物。这一事实震惊了唐奇安,21个自然日就等于15个交易日!当绝大多数交易者都在认为趋势可能已经变化时(他们认为看到了市场的新颜),主要趋势却已做好了继续运行的准备。

    展开全文
  • 从5大主流策略,分析统计套利策略的发展历史,各个算法的优缺点及可能改进方案,为学界和业界的研究人提供一个更全更新的视角。 1. 五大类策略 a) 距离法(Distance Approach) b) 协整法(Cointegration ...

    从5大主流策略,分析统计套利策略的发展历史,各个算法的优缺点及可能改进方案,为学界和业界的研究人提供一个更全更新的视角。

    1. 五大类策略

    a) 距离法(Distance Approach)

    b) 协整法(Cointegration Approach)

    c) 时间序列法(Time Series Approach)

    d) 随机控制法(Stochastic Control Approach)

    e) 其他方法(Machine Learning, Combined Forecasts Approach, Copula Approach, Principal Components Analysis Approach)

    经典方法介绍

    其中GGR最为经典。Gatev, E., Goetzmann, W. N., and Rouwenhorst, K. G. (2006). Pair strading: Performance of a relative-value arbitrage rule. Review of Financial Studies, 19(3): 797-827.

    以最经典的GGR论文为例(具体是那篇文章,可以参考原文的参考文献),距离法需要一个回溯时间区间,例如选择12个月的时间区间,将价格标准化为序列Pit(期初价格为1),然后计算n只股票n(n-1)/2个两两配对的欧几里得距离(SSD),将SSD最小的配对构建投资组合,当配对资产价格大于回溯期的2个标准差时入场,回复到均值时平仓,6个月后再更换备选配对资产。

    上图为SSD的推导公式,等式右方第一项(记为a)表示价格偏离均值的程度,第二项(记为b)表示均值的漂移程度,如果最小化SSD,则a和b都要最小。但理性投资者希望的是保持均值不漂移的情况使得波动更大,并且稳定,因此要求a大一点,b小一点。但是距离法最终实证结果表明,选出的配对往往是a小b大,因此距离法是一个次优解(suboptimal)。另外GGR的一个缺点是未做协整检验,而高相关性并不意味着协整关系(Alexander 2001),因此其均值回复性不强,有较大的分离风险(价格不收敛)。Do and Faff(2010)发现,GGR文中的方法得到的配对中,32%并不收敛。而协整法得到的配对收敛性更强(Huck 2015)。

    方法改进

    距离法是否可以改进呢?只做行业内两两股票配对可以提高配对效果(Do and Faff 2010,2012),但忽略了行业间配对的机会,例如供应链两端的买卖双方,消费者-供应链关系暗含了配对的收益机会(Cohen and Frazzini,2008)。在形成期阶段,均值回复经过0的次数越多,样本外均值回复可能越强,能提高距离法的策略收益(Do and Faff 2010,2012),但面临样本内数据挖掘的风险。

    Chen et al. (2012) 使用Pearson相关系数作为形成期内相关性的度量,算法为:

    其中Dijt为t时刻股票i收益率Rit偏离股票j收益率Rjt的程度,Rf为无风险收益率。进一步考虑伪多元配对(quasi-multivariate pairs),即股票i与其相关性最高的50只股票配对。未来一个月,根据Dijt的分离度,做多分离度最高组股票,做空分离度最低组股票,保持做多与做空的资金相等。Chen et al. (2012)基于此模型的超额收益达到了1.7%/月,显著高于GGR方法。而其超额收益的来源在于构造50只股票的comver组,如果将50减少到1,则超额收益降低1/3。

    Perlin(2007,2009)发现,GGR方法中将价格序列Pit标准化(减均值除方差)后,与Pearson相关系数法的结果相同。另外关于伪多元配对,作者构建了一个与5只票的配对组合:

    权重w可以用不同的算法得到(等权,OLS,相关性)。结果发现伪多元配对法收益更高且更稳健。

    收益来源分析

    Andrade et al. (2015) 确认GGR方法在台湾股票市场能获得收益,收益来源为对流动性的补偿。Papadakis and Wysocki (2007) 发现配对股票在盈利公告前发生价格偏离往往会带来较高盈利,而价格分离若发生在非事件驱动时段,则无收益。Chen et al. (2015) 认为收益来自信息的传播延迟。Jacobs and Weber (2013,2015) 发现收益来自信息传递的速度差异,特别是当市场上出现大量非预期信息时,使得投资者的关注点从个股转向市场,造成了个股信息传播速度的差异,表现为股票价格的分离。这一解释适用于全球35个国家的股票市场,并且这一策略是少数的具有alpha的纯多头策略。

    提高交易频率

    Nath(2013)将GRR策略应用在美国债券上,并且提高了交易频率,尽管获得了不错的夏普和盈亏比,但配对间的分离风险较高。Bowen et al. (2010)运用小时级别数据将配对策略应用到富时100成分股中,但收益很难覆盖交易成本。

    3. 协整法

    最经典的文献介

    Vidyamurthy, G. (2004). Pairs trading: Quantitative methods and analysis. John Wiley & Sons, Hoboken, N.J.

    买入1手股票i,卖空r手股票j,配对收益mijt等于

    其中n是一个非平稳的趋势因子,e是平稳的特质成分,rc是趋势收益,rs是特质收益。上式为协整的条件是第二个等式右边前两项的和为0。Vidyamurthy(2004)使用套利定价模型APT来确定配对股票具有相同(比例为r)的趋势因子rc,即配对股票的因子载荷需要满足固定的比例r。因此一个完美的协整配对关系为:

    因此寻找协整配对的过程,简化为筛选具有相同因子暴露的股票的过程。Vidyamurthy(2004)构建了一个基于公共因子收益的Pearson相关系数来度量股票间的绝对值距离,距离绝对值越高,协整配对性越好。

    这个算法看似很好,但模型有明显的问题:i)CTM(Common Trend Model)和APT模型能结合吗?ii)APT中的因子怎么定?而美股市场股票收益需要至少30个因子才能解释50%的收益变动(Avellaneda and Lee 2010)。iii)其中参数如何设定,例如测试协整的形成期长度,满足协整条件的最小临界值等等。iv)并且没有做可投资性测试。

    策略优化

    Lin et al. (2006) 构建了一个优化每笔交易盈亏比的模型:

    但问题过多,例如优化参数过多,局部(单配对)优化不等同于全局优化。

    可交易策略

    Vidyamurthy (2004)只提出了协整模型的构想,并未用现实金融资产做统计回测模拟。Girma and Paulson(1999),在考虑交易成本后,应用协整模型于原油、汽油、石油期货产品进行套利,年收益达到15%。这一模型的优势来源于其所选标的自身具有生产关系上的强相关性,另外,大豆及其制成品(Simon 1999)、天然气和电价期货(Emery and Liu 2012)这两个配对交易也能获取超额收益,但金银间无套利机会(Wahab and Cohn 1994)。股票上的协整模型产生了33%的年化收益(Hong and Susmel 2003),但其收益部分来自汇率升值(Broumandi and Reuber 2012)。Dunis et al.(2012)将协整法推进到了股票“更高频”交易中,标的选择为欧洲斯托克50成分股,配对股票两两之间的资金配比使用卡尔曼滤波进行估计,但该模型忽略了例如配对公司的杠杆比例差异带来的分离风险。Caldeira and Moura(2013)在巴西股票市场做了测试,其使用Engle-Granger两步法及Johansen法则检验协整关系,但其选择配对股票的依据是样本内套利收益的夏普率而不是相关系数等。这一模型也有其问题,即Engle-Granger两步法及Johansen法则具有相关性,其并没有起到两重检验保护的效果。Gutierrez and Tse(2011)使用3只自来水公司股票做协整检验,发现收益来自于Granger-follower,而不是Granger-leader(编者注:不太清楚这两个单词的含义,是否有朋友能帮忙解释下)。重点来了,AH股市场存在协整套利机会(Li et al. 2014)!

    多元变量协整配对

    被动指数型(基于某个指数):Dunis and Ho(2005)在欧洲斯托克50中选出5-20只协整关系较强的股票,发现其收益跑过指数。

    主动统计型(更广泛的数据挖掘协整关系):Galenko et al.(2012)挖掘长期更稳健的协整关系,但过于依赖样本内信息,参数设置苛刻。

    多策略:Burgess(1999)将协整法与神经网络、遗传算法相结合,该论文是唯一在统计套利中尝试这类算法结合的文章,因此非常有吸引力。

    4. 时间序列法

    标志性经典文献:Elliott, R.J., Van Der Hoek*, John, and Malcolm, W.P. (2005). Pairstrading. Quantitative Finance, 5(3): 271-276.

    对状态矢量空间价差建模(Modeling the Spread in State Space)

    Elliott et al. (2005)将价差定义为均值回归特性的马尔科夫链,并伴随有高斯噪声。假设一个状态变量x满足均值回复特征:

    该过程将以强度b回复到均值a/b。模型可以简化为:

    如果状态变量为连续状态,则x可用Ornstein-Uhlenbeck过程描述:其中dW是标准的布朗运动。均值u和收敛强度p均与离散状态的均值a/b和强度b对应。因此,价差y可以定义为状态变量x与高斯噪音w的和

    当或引发配对交易,其中c是一个事前设定的参数。Do et al.(2006)该方法的三个好处是,第一,参数可以通过卡尔曼滤波和状态空间模型进行估计,第二,连续的时序模型可以用来做预测,第三,该模型基于均值回复,非常适用于配对套利模型的设计,但该模型的问题也明显,第一,价差应该是价格的自然对数差而不是价格的差,使用对数能够避免两只股票涨跌相同比率时带来的价差均值的变动,第二,模型条件过于苛刻,需要假设收益平价(return parity),但现实金融产品中很难找到类似的资产,除了在不同市场交易的股票(dual-list),第三个批评来自Cummins and Bucca(2012),金融资产数据现实中并不满足Ornstein-Uhlenbeck过程。基于以上观点,Do et al.(2006)对模型做了改进:

    其中y是收益差,其中第二个模型的后两个参数来自基于基本面的APT模型。

    Triantafyllopoulos and Montana(2011)对上一模型在两方面做了改进,一是提高参数的时序特征,二是用贝叶斯过程估计参数,显著降低了大样本数据情况下(例如高频)估算参数的时间。

    Ornstein-Uhlenbeck过程的应用

    Bertram(2010)模拟了配对交易入场到出场的时长T1和出场到下一次入场的时长T2:使用更新理论估算收益的均值和方差:

    其中a是入场点参数,m是出场点参数,c是交易成本,函数r是每次交易的费后收益。因此基于最优化夏普的模型能够解出最优参数a*和m*。Bertram(2010)承认该模型的主要问题在于实际金融数据并不满足高斯Ornstein-Uhlenbeck过程,但优势在于有闭合解,利于高频建模。Cummins and Bucca(2012)应用上述模型发现日度收益率能达到0.07%到0.55%,夏普率大于2。Kim(2012)将该模型应用于韩国股市。

    5. 随机控制法

    标志性经典文献:Jurek, J. W. and Yang, H. (2007). Dynamic portfolio selection in arbitrage. Working paper, Harvard University.

    运用Ornstein-Uhlenbeck(OU)过程模拟资产动态定价

    Jurek and Yang(2007)假设投资者在最优化递归Epstein-Zin效用函数的基础上,动态配置套利模型和无风险资产,应用随机控制理论,作者推导出Hamilton-Jacobi-Bellmann(HJB)方程,并求出闭合解。该文的贡献在于,第一,利用OU过程模拟不确定性的套利机会,而传统方法多采用布朗桥,第二,构建了两套效用函数,短期套利投机需求和套保需求,第三,符合静态边界条件,即价差在静态边界内部时投机者不参与交易,第四,在高均值回复条件下,策略收益显著高于GGR距离法。但问题在于,低均值回复特征下、度量误差存在的情况下,收益不够显著,日度调仓换手率过高,一旦考虑交易费用则显著降低收益。Ekstrometal. (2011), Larssonetal. (2013), Song and Zhang (2013), Lindberg (2014) and Kuoetal. (2015) 考虑在加入止损条件下的策略优化。

    误差纠正模型

    Liu and Timmermann (2013)放开delta中性约束,模拟价格变化为布朗运动:其中um是风险溢价。两个风险资产的价格变动满足:投资者既可以同时持有P1和P2两个风险资产的多头,也可以仅只有一个资产,这与GGR的delta中性有显著差别,这一条件的释放在中国A股市场有运作空间!

    6. 其他方法

    机器学习和结合预测法

    Huck, N. (2009). Pairs selection and outranking: An application to the S&P 100 index. European Journal of Operational Research, 196(2): 819-825.

    Huck, N. (2010). Pairs trading and outranking: The multi-step-ahead forecasting case. European Journal of Operational Research, 207(3): 1702-1716.

    Huck是唯一应用这两种方法于统计套利并发表文章作者。其模型的基本方法步骤为,预测,排序,交易。在预测阶段,运用神经网络算法预测每只股票的下一周收益;排序阶段,构建了多标准决策方法(MCDM),对每只股票的排序基于多个标准评分,不同的标准评分可以用等权组合。该模型是一个非均衡模型,周度超额收益高达0.8%,但问题在于存在生存者偏差,MCDM的设计方式过于复杂,并且没有一个简单的比较基准。除此之外,有少量的文章涉及到了机器学习算法在统计套利中的应用,但策略涉及不够完善或者数据选取的股票不具有代表性。

    Copula方法

    重要的文献包括了3篇,Ferreira(2008),Liew and Wu(2013),Stander et al.(2013)。Copula方法的演算方法为,在形成期内计算配对的相关系数或协整标准,然后计算配对股票收益序列的边际分布函数。对于收益边际分布函数,Stander et al.(2013)讨论了参数和非参数法两种方法来估计边际分布,Ferreira(2008)和Liew and Wu(2013)则偏向于拟合参数分布函数。在得到边际分布函数后,即可确定合适的copula函数。Ferreira(2008)仅使用了一个Copula函数,参数来自经典最大似然估计。Stander et al.(2013)基于22个阿基米德copula,运用Kolmogorov-Smirnov拟合度测试选出最佳copula。Liew and Wu(2013)则是从5个金融领域常见的copula中选择。3篇文献的交易策略类似,均是使用选出的copula函数C(u,v)计算条件边际分布:如果条件概率高(低)于0.5,则认为该股票被高(低)估。当条件分布函数超过5%或95%水平下时进行交易,一般一周后平仓,或者条件分布值回复到0.5时。利用该方法进行实证模拟的论文非常少,但这一方向的研究很有潜力,因为Copula是一种很好的模拟复杂依存关系的模型,可以很好的确定交易时机。Copula方法的缺点在于忽略了数据的时间结构。

    主成分分析法

    Avellaneda and Lee(2010)将股票收益分解为系统性(共同)和异质收益两部分。第一种方法只考虑一个系统性因子,即行业收益:其中F是行业收益。第二种方法增加变量个数,使用PCA确定了m项因子:

    然后构建一个股票相对价值的估值模型:其中u是股票价格飘逸,残差X复合OU过程,u和X为特质收益部分,而等式右方第二项为系统性因子部分。交易策略的设计与Elliott et al.(2005)相似,最终第一种方法(单因素)夏普达到1.1,第二种方法(PCA选择m个主成分)夏普达到1.44。该方法的的缺点和改进包括,第一,对于参数不够稳健;第二,可以考虑非对称PCA模型;第三,协整法可能优于PCA。

    7. 总结

    距离法

    优势:算法简介;避免数据挖掘;伪多元配对法优于单配对法;在传统风险因子上无暴露,且适用于不同类别的资产;

    缺陷:SSD筛选标准使得配对的方差变动过小,降低了收益的空间,而Pearson标准相对更佳;

    改进方向:改进筛选标准,例如结合协整法可以选出更加稳定的配对;全球各类资产的套利收益可能找到共同的解释因素,类似于Asness et al.(2013)发现价值和动量解释全球各类资产收益。

    协整法

    优势:在确定配对的均衡特性上,使用的计量方法较距离法更加严格和合理;

    缺陷:目前的实证研究仅基于少数股票;

    改进方向:Vidyamurthy(2004)提出的启发式数据检验方法值得进一步的探索;多元统计套利法也值得更多研究

    时序法

    优势:基于时间序列的动态交易法则具有可操作性;

    改进方向:讨论距离法,协整法,和时序法之间的关系会比较有意思;并且时序法的交易算法部分也有改进的空间;

    随机控制法

    优势:较距离法对收益的获取有提升;

    改进方向:使用协整法确定配对,时序法确定入场时机,随机控制法进行仓位的控制,三种方法可以发挥各自的优势。

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

    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

    展开全文
  • 战略策略

    千次阅读 2006-10-24 22:46:00
    事实上,现在的品牌含义已大大地被拓展了,它是企业的企业形象。一个好的品牌商品往往使人对生产该产品的企业产生好感,最终将使消费者对该企业的其它产品产生认同,从而能够提高企业的整体形象。因此,品牌战略实际...

    01-001 战略策划

      所谓的战略就是针对这三个方面所作出的艰难抉择:哪些是我们所应该注重的客户,哪些客户已经被明确地列为非服务对象;我们准备提供的产品以及我们不会提供的产品;我们将要采取的行动以及我们不会采取的行动。战略就是选择,只有当一家公司选择了一个富有特色的(也就是说与众不同的)战略定位时,它才可能取得成功。

      实用的策划方法:

    • 战略性思考:退出日常决策,寻找大图景。整体性地思考,对现在的位置一目了然,然后去描述未来的前景设想。
    • 前景设想:没有一个共同的前景设想,就不可能拥有持久、有目的的集体行动。领袖必须是前景设想者。
    • 明确使命:前景设想进一步明确化为容易交流、能够被组织成员所接受的使命描述。
    • SWOT分析:SWOT是一种对企业的优势(Strenghth),劣势(Weakness),所处市场环境的机会(Opportunity)和威胁(Threat)进行分析的方法。 我们要的是总体趋势,而非精确的数量和一大堆表格,要相信自己的判断。
    • 发挥想象力,激发主意(方案):动用您的右脑,进行想象,发散思维,搜寻主意。
    • 选择战略:权衡比较各种主意,选择出以最少投入、最大产出的战略。
    • 实施您的战略:更多的人参与出主意,有利于战略的执行。特别是中层,要让他们参与策划过程。执行阶段需要将已经被接受的战略转化为行动计划。则需要培养公司的核心能力。

    01-002 组织使命

    德鲁克的事业理论:1. 组织对其所处环境的假设;2. 组织对其特殊使命的假设;3. 组织对其完成使命所需的核心竞争力的假设。

    定义企业使命:

    1.我们的事业是什么?谁是我们的顾客?他们在哪里?客户认知价值是什么?

    2. 我们的事业将是什么?注意人口趋势、经济、流行、竞争的变化;投入心力于市场的种种变化;满足顾客未被满足的欲望。环境的哪些变化对我们事业的特色、使命、目标造成了不容忽视的冲击?

    3. 我们的事业应该是什么?哪些机会我们可以去开创? 有计划地的放弃一些事业。

    01-003 企业目标

    德鲁克认为:只有明确地规定了企业的宗旨和使命,才可能树立明确而现实的企业目标。应当设立企业目标的八大领域:营销、物力资源、创新、生产力、人力资源、社会责任、财力资源、利润需求。

    制定目标的SMART原则:S:specific 具体的;M:measurable 可测量的;A:attainable 可达到的;R:relevant 相关的;T:timebased 时效的。

    德鲁克还认为:企业的基本概念及其目标和使命必须转化成企业的目标,否则它们就仅仅是一些想法和良好意图,永远也不会实现。

    他还认为:目标不是命运;它们是方向。它们不是命令,而是承诺。它们不会决定未来;它们是动员企业资源和能量来创造未来的方法。

     

    01-004 战略与执行

    迈克尔·波特认为战略第一是定位——战略就是创造一种独特、有利的定位,涉及各种不同的运营活动;第二是取舍——战略就是在竞争中做出取舍,其实质就是选择不做哪些事情;第三是配称——在企业的各项运营活动之间建立一种配称。

    美国兰德公司指出:世界上每100家破产倒闭的大企业中,85%是因为企业管理者的决策不慎造成的。

    联想集团总裁兼CEO杨元庆认为:制定正确的战略固然重要,但更重要的是战略的执行。

    花旗银行董事长约翰·里德认为:战略越精炼,就越容易被彻底地执行。

    日本软银公司董事长孙正义认为:三流的点子加一流的执行力,永远比一流的点子加三流的执行力更好。

    中国台湾华建公司总裁卢正昕认为:企业的执行力靠的就是纪律。

    01-005 核心竞争力和核心能力

    美国经济学家普拉哈拉德和哈默认为“就短期而言,公司产品的质量和性能决定了公司的竞争力,但长期而言,起决定作用的是造就和增强公司的核心竞争力”。

    核心竞争力是指某一组织内部一系列互补的技能和知识的结合,它具有使一项或多项业务达到竞争领域一流水平、具有明显优势的能力。简单地说,就是企业在经营过程中形成的不易被竞争对手效仿的能带来超额利润的独特的能力。

    核心竞争力的定义是“组织中的积累性学识,特别是关于如何协调不同的生产技能和有机结合多种技术流派的学识”,其要点是:① 核心能力的载体是企业整体,而不是企业的某个业务部门,某个行业领域;② 核心能力是从企业过去的成长历程中积累而产生的,而不是通过市场交易可获得的;③ 关键在于“协调”和“有机结合”,而不是某种可分散的技术和技能;④ 存在形态基本上是结构性的,隐性的,而非要素性的,显性的。

    核心竞争力的原文 Core Competence 原意是“核心能力”。但我国的一些专家认为,这一概念往往是就一个公司与其竞争对手相比较而言的,因此认为用“核心竞争力”更为贴切。但仍然有不同的看法,认为应该称为公司的核心能力。

    01-006 竞争策略

    迈克尔·波特在其经典著作《竞争战略》中,他提出的“五力模型”认为:行业现有的竞争状况、供应商的议价能力、客户的议价能力、替代产品或服务的威胁、新进入者的威胁这五大竞争驱动力,决定了企业的盈利能力,并指出公司战略的核心,应在于选择正确的行业,以及行业中最具有吸引力的竞争位置。

    迈克尔·波特明确地提出了三种竞争策略:总成本领先战略;差异化战略;专一化战略。

    总成本领先策略:成本领先要求坚决地建立起高效规模的生产设施,在经验的基础上全力以赴降低成本,抓紧成本与管理费用的控制,以及最大限度地减小研究开发、服务、推销、广告等方面的成本费用。一旦公司赢得了这样的地位,所获得的较高的边际利润又可以重新对新设备进行投资以维护成本上的领先地位,而这种再投资往往是保持低成本状态的先决条件。

    差异化策略:这是将公司提供的产品或服务差异化,树立起一些全产业范围中具有独特性的东西。实现差异化战略可以有许多方式:设计名牌形象、技术上的独特、性能特点、顾客服务、商业网络及其他方面的独特性。最理想的情况是公司在几个方面都有其差异化特点。如果差异化战略成功地实施了,它就成为在一个产业中赢得高水平收益的积极战略。

    专一化策略:这是主攻某个特殊的顾客群、某产品线的一个细分区段或某一地区市场。这一战略依靠的前提思想是:公司业务的专一化能够以较高的效率、更好的效果为某一狭窄的战略对象服务,从而超过在较广阔范围内竞争的对手们

    01-007 品牌战略

    企业通过树立品牌形象和企业形象建立起自己产品在市场上的地位,使消费者给予推崇认可,达到长期占领市场的一种战略。品牌战略包括品牌的创立、运用与保护的完整过程。品牌是一种价值。整合营销传播(IMC)大师舒尔茨认为“每一个成功的品牌都是买卖双方之间的关系的总和”。

    美国市场营销协会定义委员会给品牌下了一个定义:品牌是指打算用来识别一个(或一群)卖主的货物或劳务的名称、术语、记号、象征、设计或其组合,并打算用来区别一个(或一群)卖主或其竞争者。事实上,现在的品牌含义已大大地被拓展了,它是企业的企业形象。一个好的品牌商品往往使人对生产该产品的企业产生好感,最终将使消费者对该企业的其它产品产生认同,从而能够提高企业的整体形象。因此,品牌战略实际上已演变成为企业为适应市场竞争而精心培养核心品牌产品,再利用核心产品创立企业品牌形象,最终提高企业整体形象的一种战略,是企业用来参与市场竞争的一种手段。企业取胜的主要手段已不再单纯以产品本身来竞争,还包括品牌的竞争。

    美国品牌价值协会主席拉里•莱特说:“拥有市场比拥有工厂更为重要,而拥有市场的唯一办法就是拥有占统治地位的品牌。”

    杰克•韦尔奇认为:“品牌的概念比产品广泛得多,它需要随着市场的变换加以调整,只要能跟得上市场变化和消费进步,通过产品改进或创新以及保持品牌个性始终如一,便可使品牌长期延续下去。品牌不仅仅事关产品与销售,而且是企业能否跻身一流、并且基业常青的关键。”

    01-008 产品战略

    产品周期战略

      根据商品发展周期大致可以划分成四个阶段:即导入期、成长期、成熟期、衰退期。由于商品寿命周期各个阶段的主要特征不同,我们就必须采取不同的具体策略。导入期的营销战略。在导入期,企业营销的重点主要集中在促销和价格方面。成长期的营销策略。在成长期,企业的营销重点应该放在保持并且扩大自己的市场份额,加速销售额的上升方面。成熟期的营销策略。企业应该有系统的考虑市场,产品及营销组合的修正策略。衰退期的营销战略。当商品进入衰退期时,企业必须研究商品在市场的真实地位,然后决定是继续经营下去,还是放弃经营。

    产品组合战略

      商品组合是卖方提供给买方的所有商品系列、商品项目组成的一个组合。企业为了目标市场的需求,而对商品组合的决策或策略进行调整。比如,商品系列化战略,即把原有的商品项目扩充成一个系列。“高档商品战略”或者“低档商品策略”。改良商品组合策略,即提高其质量、增加其功能、降低其成本、改善其服务等,增强商品组合的整体竞争能力。商品专业化策略,即实行商品专业化。等等。

    商品包装战略

      商品包装也是顾客识别商品的重要标志之一,企业常用的商品包装战略有以下几种:类似包装策略。或者称统一包装,是指企业所有商品的包装,在图案、色彩等方面,均采用统一的形式。降低包装成本,扩大企业的影响。综合包装策略。把各种有关联的产品放在同一的包装器之内。附赠品包装策略。在某商品的包装容器中附加一些赠品,以吸引消费者。再使用包装策略。多用途包装,包装使用之后,其包装容器可以继续使用也可以用作其他用途。等级包装策略。对不同的等级的商品进行不同的包装。如消费者用作礼品,则可以精致的包装,若是自己使用,则只需要简单包扎。创新的包装策略。根据市场的变化,及时改变包装的形式,以崭新的形象在市场出现。

    01-009 人才战略

    激烈的市场竞争的背后核心是人才竞争。如何吸纳人才、选取人才、使用人才、培育人才都是企业的根本性问题。人才战略就是确立有效的用人机制的总策略。人才战略是企业发展制胜的基本战略。

    有效的用人机制简约地说就是适人适用,把适宜的人用在适宜的岗位上,为他创造适宜的环境,让他能够最大限度地的发挥才力;用最有效的方法激励他的积极性,培养他的工作能力,培养他对企业的深厚感情。如何建构和完善有效的用人机制的总策略就是人才战略。

    01-010 竞争与合作

    竞争是双方在某项活动中力争胜过对方的行为。合作是双方为实现共同目标在某项活动中联合协作的行为。

    没有竞争,就没有活力,没有活力,就很难有创新和持续发展。在竞争中需要合作,在合作中也会融入竞争,竞争与合作促使和谐发展。“竞合”作为竞争高级阶段的理念,以双赢作为基本诉求,广泛被商界所接受。诸如现代企业之间竞争越来越激烈,处于同一行业的两家或多家公司往往存在共同的竞争对手,尤其是那些相对较弱的公司,如果不联合起来的话,就很可能被一家大公司逐个击破。企业要得到市场的认可,需要企业的强大实力,包括企业的经济实力、技术、服务等诸多方面的因素。单独一个企业很难面面俱全,他们需要其他公司的合作,尤其需要相互支撑的产业链。所以,我们需要合作,需要取长补短,共同发展。等等。

    展开全文
  • SVM 调参策略

    千次阅读 2018-10-13 21:41:05
    转自:SVM 调参策略:https://blog.csdn.net/u014484783/article/details/78220646 SVM 怎样能得到好的结果  1. 对数据做归一化(simple scaling)  2. 应用 RBF kernel  3. 用cross-validation和grid-search ...
  • 年化70%的低价股策略-量化笔记1

    千次阅读 2016-12-17 08:57:12
    科普量化的优势及方法,用年化70%的低价股策略演示打法、顺带讲述技术指标含义。 下期系列文章: 《行业轮动策略》《动量与反转策略》《alpha系列》 搜微信:FineTech_knight,或扫描文章最后的二维码 ...
  • FOF常用的七种投资策略全解析

    万次阅读 2017-06-29 17:32:41
    从当前市场上的投资策略种类来看,大致有七种,包括核心*卫星投资策略、「杠铃」投资策略、反向投资策略、成本平均策略和时间分散化策略、买入并持有策略、美林投资时钟策略、Alpha/Beta投资策略。 投资...
  • Alpha策略因子的选择与评价

    万次阅读 2018-09-17 18:34:16
    1.量化对冲Alpha策略简介 1.1 Alpha的含义 根据拓展的CAPM模型,我们知道,证券s的实际收益率满足:   其中,Rs为现货组合的预期收益率,rf为无风险利率,Rm为市场指数的预期收益,ϵs为误差项,α衡量了非系统...
  • 无模型的策略搜索方法可以分为随机策略搜索方法和确定性策略搜索方法。其中随机策略搜索方法又发展出了很多算法。可以说,差不多在2014年以前,学者们都在发展随机策略搜索的方法。因为,大家都认为确定性策略梯度是...
  • JAVA UUID 生成策略研究之为什么

    千次阅读 2016-05-04 15:12:36
    GUID是一个128位长的数字,一般用16进制表示。算法的核心思想是结合机器的网卡、当地时间、一个随即数来生成GUID。从理论上讲,如果一台机器每秒...UUID含义是通用唯一识别码 (Universally Unique Identifier),这 ...
  • 百度搜索引擎变现策略指标体系

    千次阅读 2014-08-05 13:07:16
    下文就百度商业变现的指标体系进行概要描述,并针对一个类似于百度LBS系统的变现思路,阐述一个商业系统变现策略指标体系的建立过程。 为什么需要商业变现策略指标体系 一般情况下,一个互联网产品,或是一个...
  • 一、软件限制策略的作用 首先说一下HIPS的3D AD——程序保护 保护应用程序不被恶意修改、删除、注入 FD——文件保护 保护关键的文件不被恶意修改、删除,禁止恶意程序创建和读取文件 RD——注册表保护 保护注册表...
  • 微博营销的三大策略

    千次阅读 2014-05-08 12:08:20
    看看下面的三大微博营销策略你会有所觉悟。 策略一、识别区分你的用户 不论是传统的CRM(客户关系管理)还是现在的SRM(存储资源管理),一切的基石只有四个字:看人下菜。不要把它看做负面的评价,因为品牌的经营...
  • 梯度下降学习率的设定策略

    千次阅读 2019-04-23 14:39:38
    本文转载自卢明冬的博客-梯度下降学习率的设定策略 1.学习率的重要性 1)学习率设置太小,需要花费过多的时间来收敛 2)学习率设置较大,在最小值附近震荡却无法收敛到最小值 3)进入局部极值点就收敛,没有真正找到...
  • 但是普通进程的调度策略就比较麻烦了, 因为普通进程不能简单的只看优先级, 必须公平的占有CPU, 否则很容易出现进程饥饿, 这种情况下用户会感觉操作系统很卡, 响应总是很慢,因此在linux调度器的发展历程中经过了多次...
  • 优势谈判》笔记……

    千次阅读 2012-07-04 15:19:46
    引言 什么是优势谈判 第一部分 优势谈判步步为营  和下象棋一样,优势谈判也有一套完整的规则。谈判和下象棋之间的最大区别在于,在谈判的过程中,你的对手往往并不了解谈判的规则,而在通常情况下(就作者来说...
  • 为这么可以用动态规划来求解强化学习的最优策略,是因为动态规划问题的最优解可通过寻找子问题的最优解来得到问题的最优解。并且可以找到子问题状态之间的递推关系,通过较小的子问题状态递推出较大的子问题的状态。...
  • 前言 如何知道自己所在的企业是否被入侵了?是没人来“黑”,还是因自身感知能力不足,暂时还无法发现?其实,入侵检测是每一个大型互联网...基于“攻防对抗”的考量,本文不会提及具体的入侵检测模型、算法和策略...
  • 数据分析盒马生鲜迭代选址策略

    千次阅读 2020-09-17 09:30:00
    图中带有文字的灰色的箭头代表着盒马鲜生周边好朋友之间的规律,比如瑞幸咖啡>星巴克咖啡这条规律表达的含义就是,在盒马鲜生周边出现瑞幸咖啡的时候,很大可能出现星巴克。灰色箭头线条的粗细代表着这条规律的概率...
  • FOF基金的七大投资策略

    千次阅读 2016-10-31 22:58:03
    关于时间分散化策略,Fisher和Statman在1999年对这种策略进行了系统解释,此策略有两个方面的含义,一方面认为投资者投资股市会随着投资期限的增加而降低;另一方面,建议投资者在年轻的时候,在资产配置之时,加大...
  • 即时配送的订单分配策略:从建模和优化

    万次阅读 多人点赞 2017-12-09 19:06:46
    即时配送的订单分配策略:从建模和优化 井华 ·2017-10-11 12:11 序言 最近两年,外卖的市场规模持续以超常速度发展。近期美团外卖订单量峰值达到1600万,是全球规模最大的外卖平台。目前各外卖平台正在...
  • 国内IDC行业现状及投资策略分析

    千次阅读 2018-10-15 09:32:36
    此外,还有国际数据公司、初始直接费用等多种含义。 IDC即Internet Data Center,是基于Internet网络,为集中式收集、存储、处理和发送数据的设备提供运行维护的设施基地并提供相关的服务。IDC提供的主要业务包括...
  • 书摘—你不可不知的心理策略

    万次阅读 2018-11-28 19:55:09
    当然,用这种策略发问时,有我们需要注意的地方,不是所有人都会掉进我们设置的“语言陷阱”,我们要注意对方的年龄和身份以及文化修养与性格特征,有人为人热情爽快,有人性格内向,有人马马虎虎,有人谨慎小心。...
  • 因为毕设原因需要学习CMA-ES算法,放在自己的博客留作学习,...协方差自适应调整的进化策略(Covariance Matrix Adaptation Evolution Strategy, CMA-ES)是最有名,应用最多,性能最好的ES之一,在中等规模(变量个数...
  • 作为一个数据库管理员,应该选择怎样的备份策略呢?建议您问自己两个问题。 (1)您管理的数据库最多能够容忍多长时间的数据丢失? (2)您准备投入多少人力物力来做数据库备份与恢复策略? 问题似乎有点残酷。...
  • 量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出...
  • 【该文档已经整理到看云电子书:广告算法学习笔记】 https://www.kancloud.cn/bigheadyushan/learning_notes_of_advertising_algorithms/603680 ... 百度搜索引擎变现策略指标体系 4 Replies ...
  • JAVA UUID 生成【主键生成策略

    千次阅读 2014-12-23 15:54:25
    GUID是一个128位长的数字,一般用16进制表示。算法的核心思想是结合机器的网卡、当地时间、一个随即数来生成GUID。从理论上讲,如果一台机器每秒产生10000000个GUID,则可以保证(概率意义上)3240年不重复。...
  • ITIL V3有什么优势

    千次阅读 2014-10-09 18:16:29
    我们可以看整个服务周期分为这样几个阶段,首先是服务战略,确定整个服务的目标,然后是服务设计,转换,运营这样几个阶段,将服务战略落实下去,然后他还有持续性服务改进的策略。第二,它提供了丰富的管理方法和...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 31,764
精华内容 12,705
关键字:

优势策略的含义