精华内容
下载资源
问答
  • 股票价格指数加权

    千次阅读 2019-09-26 23:09:07
    它是选取有代表性的一组股票,把他们的价格进行加权平均,通过一定的计算得到。各种指数具体的股票选取和计算方法是不同的。 定义编辑 股票价格指数就是用以反映整个股票市场上各种股票市场价格的总体水平及其...

    股票价格指数

    股票价格 指数(stock index)是描述股票市场总的价格水平变化的指标。它是选取有代表性的一组股票,把他们的价格进行加权平均,通过一定的计算得到。各种指数具体的股票选取和 计算方法是不同的。

     

    定义编辑

    股票价格指数就是用以反映整个 股票市场上各种股票市场价格的总体水平及其变动情况的指标。简称为股票指数。它是由 证券交易所或金融服务机构编制的表明股票行市变动的一种供参考的指示数字。由于 股票价格起伏无常,投资者必然面临市场价格风险。
    对于具体某一种股票的价格变化,投资者容易了解,而对于多种股票的价格变化,要逐一了解,既不容易,也 不胜其烦。为了适应这种情况和需要,一些金融服务机构就利用自己的业务知识和熟悉市场的优势,编制出股票价格指数,比如道富投资,公开发布,作为市场价格变动的指标。投资者据此就可以检验自己投资的效果,并用以预测股票市场的动向。同时,新闻界、公司老板等也以此为参考指标,来观察、预测经济发展形势。
    这种股票指数,也就是表明股票行市变动情况的价格平均数。编制股票指数,通常以某年某月为基础,以这个 基期的股票价格作为100,用以后各时期的股票价格和基期价格比较,计算出升降的百分比,就是该时期的股票 指数。投资者根据指数的升降,可以判断出股票价格的变动趋势。并且为了能实时的向投资者反映 股市的动向,所有的股市几乎都是在 股价变化的同时即时公布股票价格指数。
     
    计算股票指数,要考虑三个因素:一是 抽样,即在众多股票中抽取少数具有代表性的 成份股;二是加权,按单价或总值加权平均,或不加权平均;三是计算程序,计算 算术平均数几何平均数,或兼顾价格与总值。
    由于 上市股票种类繁多,计算全部上市股票的价格平均数或指数的工作是艰巨而复杂的,因此人们常常从上市股票中选择若干种富有代表性的样本股票,并计算这些样本股票的价格平均数或指数。用以表示整个市场的股票价格总趋势及 涨跌幅度。

    计算指数编辑

    计算 股价平均数或指数时经常考虑以下四点:
    (1)样本股票必须具有典型性、普通性,为此,选择样本应综合考虑其行业分布、市场影响力、股票等级、适当数量等因素。
    (2) 计算方法应具有高度的适应性,能对不断变化的股市行情作出相应的
    股票价格指数 股票价格指数
    调整或修正,使股票指数或平均数有较好的敏感性。
    (3) 要有科学的计算依据和手段。计算依据的口径必须统一,一般均以 收盘价为计算依据,但随着计算频率的增加,有的以每小时价格甚至更短的时间价格计算。
    (4) 基期应有较好的均衡性和代表性。

    计算方法编辑

    计算股票指数时,往往把股票指数和股价平均数分开计算。按定义,股票指数即股价平均数。但从两者对股市的实际作用而言,股价平均数是反映多种股票价格变动的一般水平,通常以算术平均数表示。人们通过对不同的时期股价平均数的比较,可以认识多种股票价格变动水平。而股票指数是反映不同时期的股价变动情况的 相对指标,也就是将第一时期的股价平均数作为另一时期股价平均数的基准的百分数。通过股票指数,人们可以了解计算期的股价比基期的股价上升或下降的百分比率。由于股票指数是一个相对指标,因此就一个较长的时期来说,股票指数比股价平均数能更为精确地衡量股价的变动。
    股票价格指数是以计算期样本股市价总值除以基期市价总值再乘上基期指数而得到的。
    股票指数是反映不同时点上股价变动情况的相对指标。通常是将报告期的股票价格与定的基期价格相比,并将两者的比值乘以基期的指数值,即为该报告期的股票指数。股票指数的计算方法有三种:一是相对法,二是综合法,三是加权法。
    股票价格指数 股票价格指数

    相对法

    相对法又称 平均法,就是先计算各样本股票指数。再加总求总的算术平均数。其计算公式为:
    股票指数=n个样本股票指数之和/n 英国的《经济学人》普通股票指数就使用这种计算法。

    综合法

    综合法是先将样本股票的基期和报告期价格分别加总,然后相比求出股票指数。即:
    股票指数=报告期股价之和/基期股价之和
    代入数字得:
    股价指数=(8+12+14+18)/(5+8+10+15) = 52/38=136.8%
    即报告期的股价比基期上升了36.8%。
    从平均法和综合法计算股票指数来看,两者都未考虑到由各种采样股票的发行量和交易量的不相同,而对整个股市股价的影响不一样等因素,因此,计算出来的指数亦不够准确。为使股票指数计算精确,则需要加入权数,这个权数可以是交易量,亦可以是发行量。

    加权法

    加权股票指数是根据各期样本股票的相对重要性予以加权,其权数可以是成交股数、股票发行量等。按时间划分,权数可以是基 期权数,也可以是报告期权数。以基期成交股数(或发行量)为权数的指数称为 拉斯拜尔指数;以报告期成交股数(或发行量)为权数的指数称为派许指数。对拉斯拜尔指数和派许指数作几何平均,得几何加权股价指数“费雪理想式”。
    拉斯拜尔指数偏重基期成交股数(或发行量),而派许指数则偏重报告期的成交股数(或发行量)。当前世界上大多数股票指数都是 派许指数

    平均数编辑

    股票价格平均数反映一定时点上市股票价格的绝对水平,它可分为简单算术股价平均数、修正的股价平均数、 加权股价平均数三类。人们通过对不同时点股价平均数的比较,可以看出股票价格的变动情况及趋势。

    股价

    简单算术股价平均数是将样本股票每日收盘价之和除以样本数得出的,即:
    简单算术股价平均数=(P1+P2+P3+…+ Pn)/n
    世界上第一个股票价格平均──道·琼斯股价平均数在1928年10月1日前就是使用简单算术平均法计算的。
    现假设从某一股市采样的股票为A、B、C、D四种,在某一交易日的收盘价分别为10元、16元、24元和30元,计算该市场股价平均数。将上述数置入公式中,即得:
    股价平均数=(P1+P2+P3+P4)/n
    =(10+16+24+30)/4
    =20(元)
    简单算术股价平均数虽然计算较简便,但它有两个缺点:一是它未考虑各种样本股票的权数,从而不能区分重要性不同的样本股票对股价平均数的不同影响。二是当样本股票发生 股票分割派发红股、增资等情况时,股价平均数会产生断层而失去连续性,使时间序列前后的比较发生困难。例如,上述D股票发生以1股分割为3股时,股价势必从30元下调为10元, 这时平均数就不是按上面计算得出的20元,而是(10+16+24+10)/4=15(元)。这就是说,由于D股分割技术上的变化,导致股价平均数从20元下跌为15元(这还未考虑其他影响股价变动的因素),显然不符合平均数作为反映股价变动指标的要求。

    股价平均

    修正的股价平均数有两种:
    一是 除数修正法,又称道式修正法。这是美国道·琼斯在1928年创造的一种计算股价平均数的方法。该法的核心是求出一个常数除数,以修正因股票分割、增资、发放红股等因素造成股价平均数的变化,以保持股份平均数的连续性和可比性。具体作法是以新股价总额除以旧股价平均数,求出新的除数,再以计算期的股价总额除以新除数,这就得出修正的股价平均数。即:
    新除数=变动后的新股价总额/旧的股价平均数
    修正的股价平均数=报告期股价总额/新除数
    在前面的例子除数是4,经调整后的新的除数应是:
    新的除数=(10+16+24+10)/20=3。
    将新的除数代入下列式中,则:
    修正的股价平均数=(10+16+24+10)/3=20(元)
    得出的平均数与未分割时计算的一样,股价水平也不会因股票分割而变动。
    二是股价修正法。股价修正法就是将股票分割、增资、发行红股等变动后的股价还原为变动前的股价,使股价平均数不会因此变动。美国《 纽约时报》编制的500种股价平均数就采用股价修正法来计算股价平均数。

    加权股价

    加权股价平均数是根据各种样本股票的相对重要性进行加权平均计算的股价平均数,其权数(Q) 可以是成交股数、股票 总市值、股票发行量等。

    股票指数编辑

    简介

    Dow Jones Indices道琼斯指数是一种算术 平均股价指数。道琼斯指数是世界上历史最为悠久的股票指数,它的全称为股票价格平均指数。通常人们所说的道琼斯指数有可能是指道琼斯指数四组中的第一组 道琼斯工业平均指数(Dow Jones Industrial Average)。

    详细内容

    道·琼斯股票指数是世界上历史最为悠久的股票指数,它的全称为股票价格平均数。它是在1884年由 道·琼斯公司的创始人查理斯·道开始编制的。其最初的道·琼斯股票价格平均指数是根据11种具有代表性的铁路公司的股票,采用算术平均法进行计算编制而成,发表在查理斯·道自己编辑出版的《每日通讯》上。其计算公式为:股票价格平均数=入选股票的价格之和/入选股票的数量。
    自1897年起,道·琼斯股票价格平均指数开始分成工业与运输业两大类,并且开始在道·琼斯公司出版的《 华尔街日报》上公布。在1929年,道·琼斯股票价格平均指数又增加了公用事业类股票,使其所包含的股票达到65种,并一直延续至今。
    现在的道·琼斯股票价格平均指数是以1928年10月1日为基期,因为这一天收盘时的道·琼斯股票价格平均数恰好约为100美元,所以就将其定为基准日。而以后股票价格同基期相比计算出的百分数,就成为各期的股票价格指数,所以现在的股票指数普遍用点来做单位,而股票指数每一点的涨跌就是相对于基准日的涨跌百分数。
    道·琼斯股票价格平均指数最初的计算方法是用 简单算术平均法求得,当遇到股票的除权除息时,股票指数将发生不连续的现象。1928年后,道·琼斯股票价格平均数就改用新的计算方法,即在 计点股票除权或除息时采用连接技术,以保证股票指数的连续,从而使股票指数得到了完善,并逐渐推广到全世界。
    目前,道·琼斯股票价格平均指数共分四组:
    第一组是工业股票价格平均指数。它由30种有代表性的大工商业公司的股票组成,且随经济发展而变大,大致可以反映美国整个工商业股票的价格水平,这也就是人们通常所引用的道·琼斯工业股票价格平均数。
    第二组是运输业股票价格平均指数。它包括着20种有代表性的运输业公司的股票,即8家铁路运输公司、8家航空公司和4家公路货运公司。
    第三组是公用事业股票价格平均指数,是由代表着美国公用事业的1 5家煤气公司和电力公司的股票所组成。第四组是平均 价格综合指数
    它是综合前三组股票价格平均指数65种股票而得出的综合指数,这组综合指数虽然为优等股票提供了直接的股票市场状况,但现在通常引用的是第一组--工业股票价格平均指数。
    道·琼斯股票价格平均指数是目前世界上影响最大、最有权威性的一种股票价格指数,
    原因之一是道·琼斯股票价格平均指数所选用的股票都是有代表性,这些股票的发行公司都是本行业具有重要影响的著名公司,其 股票行情为世界股票市场所瞩目,各国投资者都极为重视。为了保持这一特点,道·琼斯公司对其编制的股票价格平均指数所选用的股票经常予以调整,用具有活力的更有代表性的公司股票替代那些失去代表性的公司股票。自1928年以来,仅用于计算道·琼斯工业股票价格平均指数的30种工商业公司股票,已有30次更换,几乎每两年就要有一个新公司的股票代替老公司的股票。
    原因之二是,公布道·琼斯股票价格平均指数的新闻载体--《华尔街日报》是世界金融界最有影响力的报纸。该报每天详尽报道其每个小时计算的采样股票平均指数、百分比变动率、每种采样股票的成交数额等,并注意对股票分股后的股票价格平均指数进行校正。在纽约证券交易营业时间里,每隔半小时公布一次道·琼斯股票价格平均指数。
    原因之三是,这一股票价格平均指数自编制以来从未间断,可以用来比较不同时期的股票行情和经济发展情况,成为反映美国股市行情变化最敏感的股票价格平均指数之一,是观察市场动态和从事 股票投资的主要参考。当然,由于道·琼斯股票价格指数是一种成分 股指数,它包括的公司仅占目前2500多家上市公司的极少部分,而且多是 热门股票,且未将近年来发展迅速的服务性行业和金融业的公司包括在内,所以它的代表性也一直受到人们的质疑和批评。

    FT指数编辑

    即金融时报证券交易所指数,是英国最具权威的股价指数,现由《金融时报》和伦敦证券交易所所拥有的 富时集团编制。
    它包括3种:一是金融时报工业股票指数,又称“30种股票指数”;二是100种股票交易指数,又称“FT-100指数”;三是综合精算股票指数。

    股指编辑

    《金融时报》股票价格指数的全称是"伦敦《金融时报》工商业 普通股股票价格指数",是由英国《金融时报》公布发表的。该股票价格指数包括着在英国工商业中挑选出来的具有代表性的30家公开挂牌的普通股股票。它以1935年7月1日作为基期,其基点为100点。该股票价格指数以能够及时显示伦敦股票市场情况而 闻名于世
    股指 股指

    标普

    除了道·琼斯股票价格指数外, 标准·普尔股票价格指数在美国也很有影响,它是美国最大的证券研究机构即 标准·普尔公司编制的股票价格指数。该公司于1923年开始编制发表股票价格指数。最初采选了230种股票,编制两种股票价格指数。到1957年,这一股票价格指数的范围扩大到500种股票,分成95种组合。其中最重要的四种组合是工业股票组、铁路股票组、公用事业股票组和500种股票混合组。从1976年7月1日开始,改为 400种工业股票,20种运输业股票,40种公用事业股票和40种金融业股票。几十年来,虽然有股票更迭,但始终保持为500种。标准·普尔公司股票价格指数以1941年至1943年抽样股票的平均市价为基期,以上市股票数为权数,按基期进行加权计算,其基点数为10。以当前的股票市场价格乘以股票市场上发行的股票数量为分子,用基期的股票市场价格乘以基期股票数为分母,相除之数再乘以10就是股票价格指数。

    纽约

    纽约证券交易所股票价格指数。这是由纽约证券交易所编制的股票价格指数。它起自1966年6月,先是普通股股票价格指数,后来改为混合指数,包括着在纽约证券交易所上市的1500家公司的1570种股票。具体计算方法是将这些股票按价格高低分开排列,分别计算工业股票、金融业股票、公用事业股票、运输业股票的价格指数,最大和最广泛的是工业股票价格指数,由1093种股票组成;金融业股票价格指数包括投资公司、 储蓄贷款协会、分期付款 融资公司、商业银行、保险公司和不动产公司的223种股票;运输业股票价格指数包括铁路、航空、轮船、汽车等公司的65种股票;公用事业股票价格指数则有电话电报公司、煤气公司、电力公司和邮电公司的189种股票。
    纽约股票价格指数是以1965年12月31日确定的50点为基数,采用的是综合指数形式。纽约证券交易所每半个小时公布一次指数的变动情况。虽然纽约证券交易所编制股票价格指数的时间不长,因它可以全面及时地反映其股票市场活动的综合状况,较为受投资者欢迎。

    日经

    系由日本经济新闻社编制并公布的反映日本股票市场价格变动的股票价格平均数。该指数从1950年9月开始编制。
    最初根据 东京证券交易所第一市场上市的225家公司的股票算出修正 平均股价,当时称为"东证修正平均股价"。1975年5月1日, 日本经济新闻社向道·琼斯公司买进商标,采用美国道·琼斯公司的修正法计算,这种股票指数也就改称"日经道·琼斯平均股价"。1985年5月1日在合同期满10年时,经两家商议,将名称改为"日经平均股价"。
    按计算对象的采样数目不同,该指数分为两种,一种是日经225种平均股价。其所选样本均为在东京证券交易所第一市场上市的股票,样本选定后原则上不再更改。1981年定位制造业150家,建筑业10家、水产业3家、矿业3家、商业12家、路运及海运14家、金融保险业15家、不动产业3家、仓库业、电力和煤气4家、服务业5家。由于日经225种平均股价从1950年一直延续下来,因而其连续性及可比性较好,成为考察和分析日本股票市场长期演变及动态的最常用和最 可靠指标。该指数的另一种是日经500种平均股价。这是从1982年1月4日起开始编制的。由于其采样包括有500种股票,其代表性就相对更为广泛,但它的样本是不固定的,每年4月份要根据上市公司的经营状况、成交量和成交金额、市价总值等因素对样本进行更换。

    恒生

    香港恒生指数是香港股票市场上历史最久、影响最大的股票价格指数,由 香港恒生银行于1969年11月24日开始发表。
    恒生股票价格指数包括从香港500多家上市公司中挑选出来的33家有代表性且经济实力雄厚的大公司股票作为成份股,分为四大类--4种金融业股票、6种公用事业股票、 9种地产业股票和14种其他工商业(包括航空和酒店)股票。
    这些股票占香港股票市值的63.8%,因该股票指数涉及到香港的各个行业,具有较强的代表性。
    恒生股票价格指数的编制是以1964年7月31日为基期,因为这一天 香港股市运行正常,成交值均匀,可反映整个香港股市的基本情况,基点确定为100点。其计算方法是将33种股票按每天的收盘价乘以各自的发行股数为计算日的市值,再与基期的市值相比较,乘以100就得出当天的股票价格指数。
    由于恒生股票价格指数所选择的基期适当,因此,不论股票市场狂升或猛跌,还是处于正常交易水平,恒生股票价格指数基本上能反映整个股市的活动情况。
    自1969年恒生股票价格指数发表以来,已经过多次调整。由于1980年8月香港当局通过立法,将 香港证券交易所远东交易所、金银证券交易所和九龙证券所合并为香港联合证券交易所,在当前的香港股票市场上,只有恒生股票价格指数与新产生的 香港指数并存,香港的其他股票价格指数均不复存在。

    大陆

    1.上证股票指数
    系由 上海证券交易所编制的股票指数,1990年12月19日正式开始发布。该股票指数的样本为所有在上海证券交易所挂牌上市的股票,其中新上市的股票在挂牌的第二天纳入股票指数的计算范围。
    该股票指数的权数为上市公司的总股本。由于我国上市公司的股票有流通股和非流通股之分,其流通量与总股本并不一致,所以总股本较大的股票对股票指数的影响就较大,上证指数常常就成为机构大户 造市的工具,使股票指数的走势与大部分股票的涨跌相背离。
    上海证券交易所股票指数的发布几乎是和股票行情的变化相同步的,它是我国股民和 证券从业人员研判股票价格变化趋势必不可少的参考依据。
    2.深圳综合股票指数
    系由 深圳证券交易所编制的股票指数,1991年4月3日为基期。该股票指数的计算方法基本与上证指数相同,其样本为所有在深圳证券交易所挂牌上市的股票,权数为股票的总股本。由于以所有挂牌的上市公司为样本,其代表代表性非常广泛,且它与深圳股市的行情同步发布,它是股民和 证券从业人员研判深圳股市股票价格变化趋势必不可少的参考依据。在前些年,由于深圳证券所的股票交投不如上海证交所那么活跃,深圳证券交易所现已改变了股票指数的编制方法,采用成份股指数,其中只有40只股票入选并于1995年5月开始发布。
    深圳证券交易所并存着两个股票指数,一个是老指数深圳综合指数,一个是当前的成份股指数,但从当前几年来的运行势态来看,两个指数间的区别并不是特别明显。

    其他

    1.上证180指数
    上海证券交易所正式对外发布的上证180(行情 资讯)指数,是用以取代原来的上证30指数。新编制的上证180指数的样本数量扩大到180家,入选的个股均是一些规模大、流动性好、行业代表性强的股票。该指数不仅在编制方法的科学性、成分选择的代表性和成分的公开性上有所突破,同时也恢复和提升了成分指数的市场代表性,从而能更全面地反映股价的走势。统计表明,上证180指数的流通市值占到沪市流通市值的50%,成交金额占比也达到47%。它的推出,将有利于推出指数化投资,引导投资者理性投资,并促进市场对“ 蓝筹股”的关注。
    2.沪深300指数
    沪深300指数是由上海和深圳证券市场中选取300只A股作为样本编制而成的成份股指数。
    沪深300指数样本覆盖了沪深市场六成左右的市值,具有良好的市场代表性。沪深300指数是沪深证券交易所第一次联合发布的反映A股市场整体走势的指数。它的推出,丰富了市场现有的指数体系,增加了一项用于观察市场走势的指标,有利于投资者全面把握市场运行状况,也进一步为指数投资产品的创新和发展提供了基础条件。
    3.央视50指数
    央视50指数是首只由权威媒体发布,在A股市场上市的市场指数,它集合了创新、成长、回报、治理、社会责任五个核心维度,对上市公司持续发展和投资者价值投资理念具有引导意义。
    央视财经50指数中央电视台财经频道联合 北京大学经济学院金融系等五所高校的专业院系,以及 中国上市公司协会等机构,共同编制而成。样本股评价体系,由创新、成长、回报、治理、社会责任五个维度构成。从A股2000多家上市公司中,筛选出50家优质公司构成样本股,入选公司在财务透明、盈利优良、治理完善,以及回报股东、履行社会责任等方面表现突出,其中沪市主板26只,深市主板11只,中小板10只, 创业板3只,共覆盖9个大类行业,17个分类行业。
    2011年8月21日,在2011CCTV中国上市公司峰会上, 央视财经50指数首批样本股面世。
    2012年6月6日,央视财经50指数在 深圳证券交易所正式发布,指数简称央视50,代码399550,指数挂牌当日开盘点位是3402.72点。
    4.腾安价值100指数
    腾安价值100指数,是由腾讯财经与济安金信共同发布的指数,亦是中国第一只由互联网媒体发布的A股市场指数。指数基日为2013年5月18日,基点为1000点。该指数以投资价值为导向,旨在挖掘A股市场中的价值洼地。
    腾安价值100指数的核心技术源于国家863项目——“证券行业风险识别、监控与防范技术支持系统”,以风险防范和寻找价值洼地为首要任务,为投资者筛选具有发展潜力的“黑马”和规避投资“地雷”。
    除了利用技术避险的方式外,腾安价值100还组建了高规格的指数评审委员会,每一位专家独立甄别,采取一票否决制,否决原因签字备案。严格依据投资价值之排序进行增补工作,直至最终确定100 家上市公司作为成份股。
    按照数据模型模拟测算,在没有专家遴选的情况下,自2008年5月至2013年5月,腾安价值100领先上证指数61个百分点。[2]  

    道琼斯指数编辑

    道琼斯指数最早是在1884年由道琼斯公司的创始人查尔斯·亨利·道(Charles Henry Dow l851-1902年)开始编制的,是一种道算术平均股价指数。
    最初的道琼斯股票价格平均指数是根据11种具有代表性的铁路公司的股票,该指数目的在于反映美国股票市场的总体走势,涵盖金融、科技、娱乐、零售等多个行业。
    自1897年起,道琼斯股票价格平均指数开始分成工业与运输业两大类,其中工业股票价格平均指数包括12种股票,运输业平均指数则包括20种股票,并且开始在道琼斯公司出版的《华尔街日报》上公布。在1929年,道琼斯股票价格平均指数又增加了公用事业类股票,使其所包含的股票达到65种,并一直延续至今。
    道琼斯指数亦称$US30,即道琼斯股票价格平均指数,是世界上最有影响、使用最广的股价指数。它以在纽约证券交易所挂牌上市的一部分有代表性的公司股票作为编制对象,由四种股价平均指数构成。
    这四种股价平均指数分别是:
    ① 以30家著名的工业公司股票为编制对象的道琼斯工业股价平均指数;
    ② 以20家著名的交通运输业公司股票为编制对象的道琼斯运输业股价平均指数;
    ③ 以15家著名的公用事业公司股票为编制对象的道琼斯公用事业股价平均指数;
    ④ 以上述三种股价平均指数所涉及的65家公司股票为编制对象的道琼斯股价综合平均指数。
    在四种道琼斯股价指数中,以道琼斯工业股价平均指数最为著名,它被大众传媒广泛地报道。并作为道·琼斯指数的代表加以引用。道琼斯指数由美国报业集团--道琼斯公司负责编制并发布,登载在其属下的《华尔街日报》上。
    道琼斯指数(Dow Jones Indexes),是一种算术平均股价指数。通常人们所说的道琼斯指数有可能是指道琼斯指数四组中的第一组道琼斯工业平均指数(Dow Jones Industrial Average)。

    投资收益编辑

    股票指数是指数投资组合市值的正比例函数,其涨跌幅度是这一投资组合的收益率。但在股票指数的计算中,并未将股票的交易成本扣除,故股民的实际收益将小于股票指数的涨跌幅度(股票指数的涨跌幅度是指数投资组合的最大投资收益率)。股市上经常流传的一句格言,叫做牛赚熊赔,就是说牛市中股民盈利、在熊市中亏损,但如果把股民作为一个投资整体来分析,牛市中股民未必能赢利。
    股票指数,指数投资组合市值的正比例函数,其涨跌幅度,是这一投资组合的 收益率。但在股票指数的计算中,并未将股票的交易成本扣除,故股民的实际收益将小于股票指数的涨跌幅度,股票指数的涨跌幅度是指数投资组合的最大 投资收益率

    可逆转

    如果一个 牛市是可逆转的,股民只赔不赚。我国上海股市 上证指数的中间点位约为600点,在1993年初的牛市中,沪市曾突破过1500点,后在1994年的7月跌回到300多点; 1994年9月,沪市又冲上1000点,但不久又跌到600点以下。从这几年的指数运行来看,上证指数总是从600点以下开始启动,形成一个牛市后又回到600点,可以说上海股市的所有牛市都是可逆的。
    当上证指数从600点冲上1000点又回到原地,对于个别股民来说,可能有赚有赔,相互间进行了财富的转移。但对于股民这个群体而言,他们不但无所得且还有所失。
    其一,不管是在那一个点位上交易,股民都需交纳交易税和手续费。股票指数从600点上扬再回到600点,对于股民这个整体来说,除了要开销交易成本外,没有任何投资回报。而上海股市在这个点位以上的成交量至少要占总成交量的一半以上,对于股民来说,量少一半以上的手续费和交易税的支出是图劳无功的,因为投资股票的目的是企图在股票的上扬中得到收益。
    其二,股民为配股和新股的发行付出了额外的代价。配股和新股的发行总是参照 二级市场的价格进行的,二级市场的股价越高,发行价就越高,当指数又回到600点以下时,对于在此点位以上配股或购买新股的股民来说,就相当于套牢,而这种套牢又不同于二级市场的套牢,因为二级市场的套牢只是股民间的转手而已,资金并无损失。但高价配股或购买新股后,其资金就流向了上市公司, 一级市场的这种套牢对股民这个整体就是巨大损失。如青岛啤酒的发行,每股的成本约为12.8元,但其净资产每股只有2元,也就是说股民花了12.8元只买到了2元的净资产,不管该只股票后来的上市 开盘价如何,股民这个整体为每股青岛啤酒股票还是花了12.8元的代价。如果股民用买一股青岛啤酒的钱去投资国库券或存银行,每年至少能获得1.3元的收益,而不论青岛啤酒如何前程似锦,它每年的 平均收益是难以达到如此之高水平的。所以对一个可逆的牛市,把股民作为一个投资整体来看,股民只赔不赚。

    盈利

    即使是大牛市,股民也不一定就能盈利。股票指数的涨跌幅度是股民的投资收益率,但这个投资收益率是名义上的,是没有扣除交易成本的。对于西方一些较为成熟的股市,因为其年换手率一般只有30%左右,其交易成本一般可忽略不计。而我国股市,由于股民的频繁倒手,最近两年的换手率一般都在700左右,如果将交易成本计入,我国股民的收益实际上是一个负数。
    1994年, 沪深股市 流通股部分共为股民产出了近50亿元的税后利润,但这两股市这一年的总成交额却高达8200亿,按单位成交额买卖双方各需缴纳3I的交易税和近4.5I的手续费计算,股民累计将支出120亿元的交易成本,收益和支出相比,股民还将倒贴70亿元。
    虽然沪深股市的 综合指数比开始 计点时的基数100点上扬了许多,但据初步估算,到 1995年止,沪深股市的上市公司在5年中一共只为 二级市场上的股民产出了100亿元的税后利润,而股民在该阶段支出的交易费、税却高达200亿元。
    相对于1990年,虽然 沪深股市当前也还是牛市,但股民这个整体却是亏损的,因为上市公司给予股民的回报难以抵消股票交易的开支。

    投资价值

    如果一个牛市使股价偏离了它的投资价值,股民的盈利是虚拟的,且部分股民的盈利都是奠基在他人的亏损基础上的。在短期牛市中,股市可能造成一种错觉,即股民人人都是盈利者,其实这种盈利是虚拟的,因为股票的整体价值是以部分股票的成交价来计算的。当一支股票以较高的价格成交时,一些未交易的 股票市值都将以成交价来计算,其结果是持有该种股票的股民帐面价值都升高了。如我国上市公司当前大概有70%以上的国家股或法人股未上市流通,一些人士却经常以股票的市场价格来计算国有资产的价值,股价上涨以后就认为国有资产增值了。但若上市公司的所有股票都进入流通,由于股票的供给量急剧增加,股票的价格就难以炒到现今股市这种高度。所以股市中的盈利不能以他人的成交价格来计算,而只能以卖出时实现的成交价来计算。另外,当股价脱离其投资价值时,某些股民的盈利是以其它股民的亏损为前提的。如某支股票的每年的税后利润为0.1元,现一年期储蓄利率为10%,故这支股票的理论价格应为1元。当一些股民将其价格狂炒至偏离其投资价值以后,比如说将其价格由1元炒至5元,1元买进 5元卖出的股民盈利了4元,但5元买进的股民却亏损了4元,因为该支股票的实际收益仅相当于1元的 储蓄存款。所以在股票的炒作中,一般都是后买的回报了先买的,新股民回报了老股民。

    加权

    要理解加权是什么意思,首先需要理解什么叫“权”,“权”的古代含义为 秤砣,就是秤上可以滑动以观察质量的那个铁 疙瘩。《孟子·梁惠王上》曰:“权,然后知轻重。”就是这意思。
     

    目录

    1. 注释
    2. 权数
    3. 加权法

    注释编辑

    英文:weight
    例子:学校算期末成绩,期中考试占30%,期末考试占50%,作业占20%,假如某人期中考试得了84,期末92,作业分91,如果是算数平均,那么就是(84+92+91)/3=89;
    那么加权处理后就是84*30%+92*50%+91*20%=89.4,这是在已知 权重的情况下;
    那么未知权重的情况下呢?想知道两个班的化学加权平均值,一班50人,平均80,二班60人,平均82,算数平均是(80+82)/2=81,加权后是(50*80+60*82)/(50+60)=81.09.还有一种情况类似第一种也是人为规定,比如说你觉得专家的分量比较大,老师其次,学生最低,就某观点,满分10分的情况下,专家打8分,老师打6分,学生打7分,但你认为专家权重和老师及学生权重应为0.5:0.3:0.2,那么加权后就是8*0.5+6*0.3+7*0.2=7.2,而算数平均的话就是(8+6+7)/3=7

    权数编辑

    统计学认为,在统计中计算平均数等指标时,对各个变量值具有权衡轻重作用的数值就称为权数.
    例子:求下列数串的 平均数
    6个3、3个4、1个2
    算数求法为(3+3+3+3+3+3+4+4+4+2)/(6+3+1) =3.2
    加权求法为(3×6+4×3+2×1)/(6+3+1)=3.2

    加权法编辑

    其中3出现6次,4出现3次,2出现1次.6、3、1就叫权数。这种方法叫加权法。
    一般说的平均数,就是把所有的数加起来,再除以这些数的总个数。表示为:
    (p1+p2+p3+…..+pn)/n;
    但有的 数据记录中有一些相同的数据,在计算的时候,那一个数有几个相同数,就把这个数乘上几,这个几,就叫权,加权,就是乘上几后再加。平均数还是要除以总个数。
    还是以上面的各个数为例:
    各个数字的个数分别表示为:k1,k2,k3…….kn;
    加权平均的公式是:(k1p1+k2p2+k3p3+……knpn)/(k1+k2+k3+......kn)
    4、线性加权和
    线性加权和可以理解为:假定有 n 个参数 x1,x2,x3....xn,对应权系数为 p1,p2,p3....pn 则其加权和为: S = p1*x1 + p2*x2 + p3*x3 + ... + pn*xn = ∑(pi*xi) 这实际可以理解为概率论中的期望的推广如果将x1,x2,x3....xn,认为是某个歌手得分情况,但是这些打分的人的资格有高低,我们认为高的人应该在最后裁决中比较重要,低的人相对来说不太重要点,为了突出重点,数学上可以这样处理Score = p1*x1 + p2*x2 + p3*x3 + ... + pn*xn 显然这也可以叫一个评价函数,因为可以通过该函数可以来评价该歌手唱的好坏(高的自然就好,低的自然就坏)用系统的语言评价函数就是:构造一个函数,这个函数是关于系统的某些可测输出,通过该函数可以对系统的特性进行分类:)譬如,歌手大赛作为一个系统Score = p1*x1 + p2*x2 + p3*x3 + ... + pn*xn 这是一个函数xi,是这个系统的可测输出(评委得分)通过score,我们可以对歌手的唱歌好坏进行分类;

    转载于:https://www.cnblogs.com/ioriwellings/p/4758390.html

    展开全文
  • 指数加权平均EWA

    2021-05-20 10:36:28
    指数加权平均定义 来自维基百科 指数移动平均(exponential moving average,EMA或EWMA)是以指数式递减加权的移动平均。各数值的加权影响力随时间而指数式递减,越近期的数据加权影响力越重,但较旧的数据也给予...

    定义

    来自维基百科

    指数移动平均(exponential moving average,EMA或EWMA)是以指数式递减加权的移动平均。各数值的加权影响力随时间而指数式递减,越近期的数据加权影响力越重,但较旧的数据也给予一定的加权值

    设时刻 t {t} t的实际数值为 θ t \theta_{t} θt, 时刻 t t t的EMA为 v t v_{t} vt,时刻 t − 1 {t-1} t1的EMA为 v t − 1 v_{t-1} vt1,计算时刻 t ≥ 2 {t≥2} t2的指数加权平均公式为:

    v t = β v t − 1 + ( 1 − β ) θ t v_{t}=\beta v_{t-1}+(1-\beta) \theta_{t} vt=βvt1+(1β)θt

    β \beta β 是可调节的参数,处于0-1之间,一般大于0.5

    推导

    一般情况下计算截至时刻 t t t的平均值:

    s t = θ 1 + θ 2 + … + θ t t \mathrm{s}_{\mathrm{t}}=\frac{\theta_{1}+\theta_{2}+\ldots+\theta_{\mathrm{t}}}{\mathrm{t}} st=tθ1+θ2++θt

    v t v_{t} vt是如何表示指数加权移动平均值的呢?

    假设 β = 0.9 \beta=0.9 β=0.9 v 0 = 0 v_{0}=0 v0=0

    v t = 0.9 v t − 1 + 0.1 θ t v_{t}=0.9v_{t-1}+0.1\theta_{t} vt=0.9vt1+0.1θt

    v t − 1 = 0.9 v t − 2 + 0.1 θ t − 1 v_{t-1}=0.9v_{t-2}+0.1\theta_{t-1} vt1=0.9vt2+0.1θt1

    v t − 2 = 0.9 v t − 3 + 0.1 θ t − 1 v_{t-2}=0.9v_{t-3}+0.1\theta_{t-1} vt2=0.9vt3+0.1θt1
    . . . ... ...
    v 1 = 0.9 v 0 + 0.1 θ 1 v_{1}=0.9v_{0}+0.1\theta_{1} v1=0.9v0+0.1θ1

    逐层向上代入:

    v t = 0.1 ∗ ( θ t + 0.9 ∗ θ t − 1 + 0. 9 2 θ t − 2 + . . . + 0. 9 t − 1 θ 1 ) v_{t}=0.1*(\theta_{t} + 0.9*\theta_{t-1}+0.9^2\theta_{t-2}+{...}+0.9^{t-1}\theta_{1}) vt=0.1(θt+0.9θt1+0.92θt2+...+0.9t1θ1)

    这里 v t v_{t} vt实际上是对时刻 t {t} t之前(包括 t {t} t)实际数值的加权平均,时间越近,权重越大,而且是指数式的,所以叫做指数加权平均。

    意义

    与一般的加权平均相比,使用指数加权平均的好处在于:

    • 不需要保存前面所有时刻的实际数值,并且在计算 v t v_{t} vt的过程中是逐步覆盖的,因此可以减少内存的占用
    • 在有些场景下,其实更符合实际情况的,例如股票价格,天气等,上一个时间步对当前时间步影响最大

    偏差修正

    当假设 v 0 = 0 v_{0}=0 v0=0时,刚开始的几个时间步的 v t v_{t} vt的数值是非常小的,因为缺乏足够多的前面时刻的数据。

    v 1 = 0.1 θ 1 v_{1}=0.1\theta_{1} v1=0.1θ1
    v 2 = 0.1 ∗ 0.9 ∗ θ 1 + 0.1 θ 2 v_{2}=0.1*0.9*\theta_{1} + 0.1\theta_{2} v2=0.10.9θ1+0.1θ2

    t = 1 {t=1} t=1, t = 2 {t=2} t=2的平均值 s 1 s_{1} s1, s 2 s_{2} s2相差非常大,因此需要加入偏差修正项,使得:

    v t = v t 1 − β t v_{t} = \frac{v_{t}}{1-\beta^t} vt=1βtvt

    随着时间步 t {t} t增大,修正项 1 − β t {1-\beta^t} 1βt趋近于0

    参考

    1. 吴恩达深度学习课程(改善深层神经网络:超参数调试、正则化以及优化小节)
    2. 维基百科定义
    展开全文
  • 滑动平均(exponential moving average),或者叫做指数加权平均(exponentially weighted moving average),可以用来估计变量的局部均值,使得变量的更新与一段时间内的历史取值有关。 滑动平均可以看作是变量的过去...

    主要内容

    什么是EMA?

    为什么EMA在测试过程中使用通常能提升模型表现?

    Tensorflow实现

    PyTorch实现

    Refercences


    什么是EMA?

    滑动平均(exponential moving average),或者叫做指数加权平均(exponentially weighted moving average),可以用来估计变量的局部均值,使得变量的更新与一段时间内的历史取值有关。

    滑动平均可以看作是变量的过去一段时间取值的均值,相比对变量直接赋值而言,滑动平均得到的值在图像上更加平缓光滑,抖动性更小,不会因为某次的异常取值而使得滑动平均值波动很大,如图 1所示。

    假设我们得到一个参数 θ \theta θ在不同的 epoch 下的值
    θ 1 , θ 2 , . . . , θ t \theta_1,\theta_2,...,\theta_t θ1​,θ2​,...,θt​

    当训练结束的 θ \theta θ的MovingAverage 就是:

    v t = β ∗ v t − 1 + ( 1 − β ) ∗ v t v_t=\beta*v_{t-1}+(1-\beta)*v_t vt​=β∗vt−1​+(1−β)∗vt​

    β \beta β代表衰减率,该衰减率用于控制模型更新的速度。

    Andrew Ng在Course 2 Improving Deep Neural Networks中讲到, t t t时刻变量 v v v的滑动平均值大致等于过去 1 / ( 1 − β ) 1/(1−\beta) 1/(1−β)个时刻 v v v值的平均。


    图1 不同 β \beta β 值做EMA的效果对比(天气预报数据)

    当 β \beta β越大时,滑动平均得到的值越和 v v v的历史值相关。如果 β = 0.9 \beta=0.9 β=0.9,则大致等于过去10个 v v v值的平均;如果 β = 0.99 \beta=0.99 β=0.99,则大致等于过去100个 v v v值的平均。(数学证明先省略,因为作者暂时没理解证明过程==)

    滑动平均的好处:
      
    占内存少,不需要保存过去10个或者100个历史 v v v值,就能够估计其均值。(当然,滑动平均不如将历史值全保存下来计算均值准确,但后者占用更多内存和计算成本更高)

    为什么EMA在测试过程中使用通常能提升模型表现?

    滑动平均可以使模型在测试数据上更健壮(robust)。“采用随机梯度下降算法训练神经网络时,使用滑动平均在很多应用中都可以在一定程度上提高最终模型在测试数据上的表现。”

    对神经网络边的权重 weights 使用滑动平均,得到对应的影子变量shadow_weights。在训练过程仍然使用原来不带滑动平均的权重 weights,以得到 weights 下一步更新的值,进而求下一步 weights 的影子变量 shadow_weights。之后在测试过程中使用shadow_weights 来代替 weights 作为神经网络边的权重,这样在测试数据上效果更好。因为 shadow_weights 的更新更加平滑,对于:

    • 随机梯度下降,更平滑的更新说明不会偏离最优点很远;
    • 梯度下降 batch gradient decent,影子变量作用可能不大,因为梯度下降的方向已经是最优的了,loss 一定减小;
    • mini-batch gradient decent,可以尝试滑动平均,因为mini-batch gradient decent 对参数的更新也存在抖动。

    举例来说,设decay=0.999decay=0.999,直观理解,在最后的1000次训练过程中,模型早已经训练完成,正处于抖动阶段,而滑动平均相当于将最后的1000次抖动进行了平均,这样得到的权重会更加robust。

    Tensorflow实现

    TensorFlow 提供了 tf.train.ExponentialMovingAverage来实现滑动平均。

    Example usage when creating a training model:

    # Create variables.
    var0 = tf.Variable(...)
    var1 = tf.Variable(...)
    # ... use the variables to build a training model...
    ...
    # Create an op that applies the optimizer.  This is what we usually
    # would use as a training op.
    opt_op = opt.minimize(my_loss, [var0, var1])
    
    # Create an ExponentialMovingAverage object
    ema = tf.train.ExponentialMovingAverage(decay=0.9999)
    
    with tf.control_dependencies([opt_op]):
        # Create the shadow variables, and add ops to maintain moving averages
        # of var0 and var1. This also creates an op that will update the moving
        # averages after each training step.  This is what we will use in place
        # of the usual training op.
        training_op = ema.apply([var0, var1])
    
    ...train the model by running training_op...

    There are two ways to use the moving averages for evaluations:

    • Build a model that uses the shadow variables instead of the variables.
      For this, use the average() method which returns the shadow variable
      for a given variable.
    • Build a model normally but load the checkpoint files to evaluate by using
      the shadow variable names. For this use the average_name() method. See
      the tf.train.Saver for more
      information on restoring saved variables.

    Example of restoring the shadow variable values:

    # Create a Saver that loads variables from their saved shadow values.
    shadow_var0_name = ema.average_name(var0)
    shadow_var1_name = ema.average_name(var1)
    saver = tf.train.Saver({shadow_var0_name: var0, shadow_var1_name: var1})
    saver.restore(...checkpoint filename...)
    # var0 and var1 now hold the moving average values

    PyTorch实现

    PyTorch官方目前没有提供EMA的实现,不过自己实现也不会太复杂,下面提供一个网上大神的实现方法:

    class EMA():
        def __init__(self, decay):
            self.decay = decay
            self.shadow = {}
    
        def register(self, name, val):
            self.shadow[name] = val.clone()
    
        def get(self, name):
            return self.shadow[name]
    
        def update(self, name, x):
            assert name in self.shadow
            new_average = (1.0 - self.decay) * x + self.decay * self.shadow[name]
            self.shadow[name] = new_average.clone()

    使用方法,分为初始化、注册和更新三个步骤。

    // init
    ema = EMA(0.999)
    
    // register
    for name, param in model.named_parameters():
        if param.requires_grad:
            ema.register(name, param.data)
    
    // update
    for name, param in model.named_parameters():
        if param.requires_grad:
            ema.update(name, param.data) 

    Refercences

    [1]. 理解滑动平均(exponential moving average)

    [2]. EMA 指数滑动平均原理和实现 (PyTorch)
    [3]. tf.train.ExponentialMovingAverage

    展开全文
  • 被动型算法交易most成熟,使用也most为广泛,如在国际市场上使用most多的成交加权平均价格(VWAP)、时间加权平均价格(TWAP)等都属于被动型算法交易。 (2) 主动型算法交易,也称机会型算法交易。这类交易算法根据...

    清华编程高手尹成带你基于算法实践python量化交易

    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非理性的投资决策。

    定量投资和传统的定性投资本质上来说是相同的,二者都是基于市场非有效或弱有效的理论基础。两者的区别在于定量投资管理是“定性思想的量化应用”,更加强调数据。量化交易具有以下几个方面的特点:

    1、纪律性。根据模型的运行结果进行决策,而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点,也可以克服认知偏差,且可跟踪。

    2、系统性。具体表现为“三多”。一是多层次,包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型;二是多角度,定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;三是多数据,即对海量数据的处理。

    3、套利思想。定量投资通过多面、系统性的扫描捕捉错误定价、错误估值带来的机会,从而发现估值洼地,并通过买入低估资产、卖出高估资产而获利。

    4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用;二是依靠组合资产取胜,而不是单个资产取胜。

    量化投资技术包括多种具体方法,在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。在此,以统计套利和算法交易为例进行阐述。

    1、统计套利 [1]

    统计套利是利用资产价格的历史统计规律进行的套利,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。

    统计套利的主要思路是先找出相关性most好的若干对投资品种,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,等价差回归均衡后获利了结。股指期货对冲是统计套利较常采用的一种操作策略,即利用不同国家、地区或行业的指数相关性,同时买入、卖出一对指数期货进行交易。在经济全球化条件下,各个国家、地区和行业股票指数的关联性越来越强,从而容易导致股指系统性风险的产生,因此,对指数间的统计套利进行对冲是一种低风险、高收益的交易方式。

    2、算法交易。

    算法交易又称自动交易、黑盒交易或机器交易,是指通过设计算法,利用计算机程序发出交易指令的方法。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,甚至包括most后需要成交的资产数量。

    算法交易的主要类型有: (1) 被动型算法交易,也称结构型算法交易。该交易算法除利用历史数据估计交易模型的关键参数外,不会根据市场的状况主动选择交易时机和交易的数量,而是按照一个既定的交易方针进行交易。该策略的的核心是减少滑价(目标价与实际成交均价的差)。被动型算法交易most成熟,使用也most为广泛,如在国际市场上使用most多的成交加权平均价格(VWAP)、时间加权平均价格(TWAP)等都属于被动型算法交易。 (2) 主动型算法交易,也称机会型算法交易。这类交易算法根据市场的状况作出实时的决策,判断是否交易、交易的数量、交易的价格等。主动型交易算法除了努力减少滑价以外,把关注的重点逐渐转向了价格趋势预测上。 (3) 综合型算法交易,该交易是前两者的结合。这类算法常见的方式是先把交易指令拆开,分布到若干个时间段内,每个时间段内具体如何交易由主动型交易算法进行判断。两者结合可达到单纯一种算法无法达到的效果。

    算法交易的交易策略有三:一是降低交易费用。大单指令通常被拆分为若干个小单指令渐次进入市场。这个策略的成功程度可以通过比较同一时期的平均购买价格与成交量加权平均价来衡量。二是套利。典型的套利策略通常包含三四个金融资产,如根据外汇市场利率平价理论,国内债券的价格、以外币标价的债券价格、汇率现货及汇率远期合约价格之间将产生一定的关联,如果市场价格与该理论隐含的价格偏差较大,且超过其交易成本,则可以用四笔交易来确保无风险利润。股指期货的期限套利也可以用算法交易来完成。三是做市。做市包括在当前市场价格之上挂一个限价卖单或在当前价格之下挂一个限价买单,以便从买卖差价中获利。此外,还有更复杂的策略,如“基准点“算法被交易员用来模拟指数收益,而”嗅探器“算法被用来发现most动荡或most不稳定的市场。任何类型的模式识别或者预测模型都能用来启动算法交易。

    量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验,并依据一定的风险管理算法进行仓位和资金配置,实现风险most小化和收益most大化,但往往也会存在一定的潜在风险,具体包括:

    1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换,也可能导致模型失败,如交易流动性,价格波动幅度,价格波动频率等,而这一点是量化交易难以克服的。

    2、模型设计中没有考虑仓位和资金配置,没有安全的风险评估和预防措施,可能导致资金、仓位和模型的不匹配,而发生爆仓现象。

    3、网络中断,硬件故障也可能对量化交易产生影响。

    4、同质模型产生竞争交易现象导致的风险。

    5、单一投资品种导致的不可预测风险。

    为规避或减小量化交易存在的潜在风险,可采取的策略有:保证历史数据的完整性;在线调整模型参数;在线选择模型类型;风险在线监测和规避等。

    量化策略是指使用计算机作为工具,通过一套固定的逻辑来分析、判断和决策。量化策略既可以自动执行,也可以人工执行。 [2]

    一个完整的量化策略包含哪些内容?

    一个完整的策略需要包含输入、策略处理逻辑、输出;策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

    选股

    量化选股就是用量化的方法选择确定的投资组合,期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。

    1 多因子选股

    多因子选股是most经典的选股方法,该方法采用一系列的因子(比如市盈率、市净率、市销率等)作为选股标准,满足这些因子的股票被买入,不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票,在PE回归时卖出股票。

    2 风格轮动选股

    风格轮动选股是利用市场风格特征进行投资,市场在某个时刻偏好大盘股,某个时刻偏好小盘股,如果发现市场切换偏好的规律,并在风格转换的初期介入,就可能获得较大的收益。

    3 行业轮动选股

    行业轮动选股是由于经济周期的的原因,有些行业启动后会有其他行业跟随启动,通过发现这些跟随规律,我们可以在前者启动后买入后者获得更高的收益,不同的宏观经济阶段和货币政策下,都可能产生不同特征的行业轮动特点。

    4 资金流选股

    资金流选股是利用资金的流向来判断股票走势。巴菲特说过,股市短期是投票机,长期看一定是称重机。短期投资者的交易,就是一种投票行为,而所谓的票,就是资金。如果资金流入,股票应该会上涨,如果资金流出,股票应该下跌。所以根据资金流向就可以构建相应的投资策略。

    5 动量反转选股

    动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入,这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段,价格就会崩溃回归,在这样的环境下就会出现反转特征,就是前一段时间弱势的股票,未来一段时间会变强。

    6 趋势跟踪策略

    当股价在出现上涨趋势的时候进行买入,而在出现下降趋势的时候进行卖出,本质上是一种追涨杀跌的策略,很多市场由于羊群效用存在较多的趋势,如果可以控制好亏损时的额度,坚持住对趋势的捕捉,长期下来是可以获得额外收益的。

    择时

    量化择时是指采用量化的方式判断买入卖出点。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。

    常用的择时方法有:趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。

    仓位管理

    仓位管理就是在你决定投资某个股票组合时,决定如何分批入场,又如何止盈止损离场的技术。

    常用的仓位管理方法有:漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等

    止盈止损

    止盈,顾名思义,在获得收益的时候及时卖出,获得盈利;止损,在股票亏损的时候及时卖出股票,避免更大的损失。

    及时的止盈止损是获取稳定收益的有效方式。

    策略的生命周期

    一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。

    产生想法

    任何人任何时间都可能产生一个策略想法,可以根据自己的投资经验,也可以根据他人的成功经验。

    实现策略

    产生想法到实现策略是most大的跨越,实现策略可以参照上文提到的“一个完整的量化策略包含哪些内容?”

    检验策略

    策略实现之后,需要通过历史数据的回测和模拟交易的检验,这也是实盘前的关键环节,筛选优质的策略,淘汰劣质的策略。

    实盘交易

    投入资金,通过市场检验策略的有效性,承担风险,赚取收益。

    策略失效

    市场是千变万化的,需要实时监控策略的有效性,一旦策略失效,需要及时停止策略或进一步优化策略。

    展开全文
  • 3 425.25 7 C Z 5 Sell -2 426.00 8 C Z 5 Sell -2 426.75 9 CC U 5 Buy 5 3328.00 10 SB V 5 Buy 5 11.65 11 SB V 5 Buy 5 11.64 12 SB V 5 Buy 2 11.60 我需要一个adjust_lots的总和,价格加权平均值,价格和...
  • VWAP(Volume-Weighted Average Price,成交量加权平均价格)是一个非常重要的经济学量,它代表着金融资产的“平均”价格。某个价格的成交量越高,该价格所占的权重就越大。VWAP就是以成交量为权重计算出来的加权...
  • 作者:爱数据爱分析 来源:爱数据爱分析前文聊了分位数在股票市场中的应用(见zhuanlan.zhihu.com/p/97),这两天上证指数突突的冲上了3000点,真是一...
  • 该文件包含三个m文件,该文件通过使用指数加权移动平均线来估计由两个股票价格组成的投资组合的风险价值(VaR)。 主要功能是“ewmaestimatevar”。 要估算 VaR,您应该使用此函数。 此功能还绘制给定置信水平(两个...
  • 关注Dickey-Fuller检验和ARIMA(自回归移动平均)模型 从理论上学习这些概念以及它们在python中的实现 介绍 时间序列(从现在起称为TS)被认为是数据科学领域中鲜为人知的技能之一。 使用python创建时间序列...
  • 统计学——指数

    千次阅读 2020-12-19 12:26:21
    一、指数概念:1,广义:任何两个数值对比形的相对数,通常表现为百分数,表示以对比为基准为100相比,所要考察的现象水平相当于基数的多少个。可以时不同时间/空间/现象实际水平与计划水平的对比2,狭义:是一种...
  • 为了评估策略的资金容量,我们对M.trade模块里买入点和卖出点这两个参数进行了更丰富的扩展,支持了策略能够按更丰富的算法交易价格(WAP)进行撮合。如果资金是10万的话,那么在开盘买入基本上没有什么问题,如果资金...
  • import java.io.Serializable;/*** 实现指数移动平均值计算* 实现中使用了流式风格的builder API* @author liuyazhuang**/public class EWMA implements Serializable {private static final long seria...
  • 《统计学》第六章(统计指数)第二节 加权总指数的编制 一、加权总指数的编制原理 方法有综合指数和平均指数两种。 (一 )加权综合指数的编制 1、数量指标的综合指数 例1:假设某商店销售三种商品,基期和报告期的销售...
  • 它可以衡量当特定商品或服务价格发生变化对该组相对价格变动的影响,但由于不同商品和服务的价格变化并非同步,价格指数反映的是“平均”变化。例如,以某一时期为基期,该时期价格指数为 1或100,而其他时期的价格...
  • 《统计学》课程作业第五章统计指数一、单项选择题1、按指数的性质不同,指数可分为 ( )A 、个体指数和总指数B 、数量指标指数和质量指标指数C 、综合指数平均指数 D 、定基指数和环比指数2、下列指数中,属于...
  • EWMA 指数加权移动平均 模型

    万次阅读 2015-03-11 09:50:20
    Moving Average(EWMA)指数加权移动平均是一种常用的序列数据处理方式,如下: 在时间 t, 根据实际的观测值(或量测值)我们可以求取 EWMA(t)如下: EWMA(t ) = λY(t)+ ( 1-λ) EWMA(t-1) for t = 1, 2, ...
  • 加权平均模型融合预测 是你的预测变量, 是时间预测 ,从方法 , 和 例如OLS, 提升树和 是随机森林。您可以只取预测的平均值: 通常,这个简单的平均值表现非常好。 在 OLS 平均中,我们简单地将预测投影到...
  •   在前面一篇介绍价格指数时提到过异质性问题,当商品具有异质性的时候,采用传统的价格指数模型是不合适的。而特征价格模型是一种可以适用于异质性商品的价格指数模型。   特征价格模型的研究起源于20世纪20、...
  • 捕捉趋势最普遍的方法为移动平均线,根据求平均的方式不同,移动平均数又可分为简单移动平均数(Simple Moving Average, SMA),加权移动平均数(Weighted Moving Average, WMA),和指数移动平均数(Exponential Moving ...
  • ( )是: 否:3、 在平均指标变动因素分析中,可变构成指数是专门用以反映总体构成变化影响的指数。( )是: 否:4、 在平均指标变动因素分析中,可变构成指数是专门用以反映总体构成变化影响的指数。 ( )是: 否:5、平均...
  • 来源:雪球App,作者: ApplePi,(https://xueqiu.com/9974726231/122943949)DJI$道琼斯指数(.DJI)$ 道琼斯工业指数是30家股票的加权平均值,成份股如下图PS:加权平均的意思就是A股(A volume)/(30只总量)为其所占的...
  • 加权平均

    2011-06-15 10:42:59
    例子:学校算期末成绩,期中考试占30%,期末考试占50%,作业占20%,假如某人期中考试得了84,期末92,作业分91,如果是算数平均,那么就是(84+92+91)/3=89; 加权后的,那么加权处理后就是84*30%...
  • 指数 统计学试卷

    2020-12-19 12:26:25
    加权算术平均指数 D. 加权调和平均指数2. 在由3个指数所组成的指数体系中,两个因素指数的同度量因素通常( ) A. 都固定在基期 B. 都固定在报告期C. 一个固定在基期,一个固定在报告期 D. 采用基期和报告期的...
  • 将一定时期内的证券价格指数)加以平均,并把不同时间的平均值连接起来,形成一根MA,用以观察证券价格变动趋势的一种技术指标。 加权移动平均线 顾名思义,对标的进行加权,核心在于这个“权”是什么? 常用...
  • 指数

    千次阅读 2018-10-14 00:05:12
    概念要点:一是指数的实质是测定多项内容,如零售价格指数反映的是零售市场几百种商品价格变化 的整体状况。指数方法论核心是研究如何将多项内容合在一起,从整体上进行反映。二是其表现形式为动态相对数,既然是...
  • ,往往把股票指数和股价平均数分开计算。按定义,股票指数即股价平均数。但从两者对股市的实际 作用而言,股价平均数是反映多种股票价格变动的一般水平,通常以算术平均数表示。人们通过对不同的时期股价平均数的比 ...
  • 指数加权波动率是一种波动率的度量,它使最近的观察结果有更高权重。我们将使用以下公式计算指数加权波动率:
  • 发明线性加权移动平均线的算法,就是为了区分每一天的收盘价的重要性,也就是要给我们需要计算的每一天的收盘价加上一个权重,离我们越近的一天的收盘价权重越大,离我们越远的一天的收盘价权重越小。拿计算10天的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,864
精华内容 1,145
关键字:

价格加权平均指数