量化經(jīng)典 高收益量化策略

《量化經(jīng)典 高收益量化策略》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、高收益量化策略實(shí)盤結(jié)果實(shí)盤結(jié)果日期凈值收益率(%)2012/2/29102012/3/311.50455549450.455549422012/4/301.60091109960.091109882012/5/311.54583103354.583103262012/6/291.9797.32傳統(tǒng)的趨勢交易模型優(yōu)點(diǎn)：（1）確定性高（2）準(zhǔn)確時可以獲得高利潤缺點(diǎn)：（1）只能吃到‘魚身’（2）沖擊成本巨大（3）勝率低傳統(tǒng)趨勢是一個低勝率策略拐點(diǎn)擇時模型試圖在最低點(diǎn)做多，最高點(diǎn)做空特點(diǎn)：（1）難度大（2）收益高（3）沖擊成本低拐點(diǎn)擇時是一個高勝率的策略拐點(diǎn)擇時策略（1）Hu

2、rst指數(shù)（2）SVM模型（3）小波分析拐點(diǎn)模型1：Hurst指數(shù)分形市場理論預(yù)示著股市具有分形結(jié)構(gòu)，而這種結(jié)構(gòu)恰能解釋收益率分布呈現(xiàn)的尖峰胖尾特性。根據(jù)分形理論，定義Hurst指數(shù)來判斷趨勢的拐點(diǎn)，將Hurst指數(shù)和大盤指數(shù)對比就可以發(fā)現(xiàn)，股市大盤走勢具有長期記憶性，這成為hurst指數(shù)擇時的基本出發(fā)點(diǎn)。HURST指數(shù)—分形市場分形布朗運(yùn)動用來描繪股票分形市場，它是對布朗運(yùn)動模型的推廣，其數(shù)學(xué)模型如下：B(t)H為隨機(jī)過程，若B(t)H滿足：則稱BH(t)為分形布朗運(yùn)動，其中，0＜H＜1；BH(0)為常數(shù)；B(S)為布朗運(yùn)動?？梢钥吹剑?）當(dāng)H=1/2時，B(t)

3、H為布朗運(yùn)動，即隨機(jī)游走模型；（2）當(dāng)1/2

4、序列具有持續(xù)性，存在長期記憶性的特征。即前一個時期序列是向上（下）走的，那下一個時期將多半繼續(xù)是向上（下）走的。HURST指數(shù)—策略模型用Hurst指數(shù)并不能精確告訴我們具體哪一天市場開始反轉(zhuǎn)，但大致位置和市場的反轉(zhuǎn)時間驚人的吻合，所以完全可以把移動Hurst指數(shù)的低位（小于0.55）當(dāng)做市場醞釀反轉(zhuǎn)的一個重要參照指標(biāo)。圖上證指數(shù)與對應(yīng)Hurst指數(shù)關(guān)系Hurst指數(shù)確實(shí)是一個判斷大盤拐點(diǎn)的有效模型拐點(diǎn)模型2：SVM支持向量機(jī)目前主要用來解決分類問題（如模式識別、判別分析）和回歸問題金融市場本質(zhì)上可以定義為一種分類問題。一類是漲，一類是跌。而預(yù)測股市未來的價格是指典型

5、的回歸問題，因此有理由相信支持向量機(jī)可以對股市進(jìn)行預(yù)測。SVM獨(dú)特的機(jī)制和效果，對非線性預(yù)測有非常好的效果，因此利用SVM技術(shù)來建立擇時模型，可以有效地避免傳統(tǒng)回歸模型的精度和擴(kuò)展性問題。SVM—策略模型利用SVM技術(shù)對股票價格進(jìn)行預(yù)測的主要過程包括訓(xùn)練數(shù)據(jù)準(zhǔn)備、訓(xùn)練參數(shù)輸入、學(xué)習(xí)樣本輸入、模型訓(xùn)練學(xué)習(xí)、評估訓(xùn)練結(jié)果、訓(xùn)練參數(shù)優(yōu)化等一系列循環(huán)的過程SVM—一個策略Close/MeanVolume/MeanReturnS收盤價/均值現(xiàn)量/均量區(qū)間收益率區(qū)間標(biāo)準(zhǔn)差Max/MeanMin/MeanPriceVol最高價/均價最低價/均價現(xiàn)價現(xiàn)量該策略中，SVM模型的輸入為過

6、去3周表中所示的指標(biāo)，輸出為未來一周是漲還是跌，移動滑窗為每日移動。如果預(yù)測分類為1，則在市場行情低于T日收盤價時買入，如果漲幅超過2%則賣出，否則到T+5日平倉。反之，做空也可以SVM模型歷史數(shù)據(jù)回溯的結(jié)果SVM模型用于短線拐點(diǎn)擇時策略，收益率相當(dāng)?shù)钠椒€(wěn)持續(xù)拐點(diǎn)模型3：噪聲指數(shù)在正常的平穩(wěn)市場，噪聲指數(shù)應(yīng)該是均衡的，但是當(dāng)有知情交易者存在的時候，則會出現(xiàn)噪聲指數(shù)的異常放大。對噪聲指數(shù)進(jìn)行跟蹤，則可以判斷大盤的拐點(diǎn)小波分析理論的一個重要特色是可以進(jìn)行多分辨率分析。信號可通過多層分解為反映高頻信息的細(xì)節(jié)部分和反映低頻信息的概貌部分，通過這種多分辨率分解，信號和噪聲通常會

7、有不同的表現(xiàn)，從而達(dá)到信噪分離的目的。小波分析小波分解示意圖，CA為低頻數(shù)據(jù)，CD為高頻數(shù)據(jù)小波分析濾波后的情況小波分析（1）選擇小波Daubechies小波系（db4）并確定分解層次為4層，得到4層高半頻和4層低半頻序列。（2）閾值處理選擇sqtwolog閾值估計(jì)準(zhǔn)則。（3）最后根據(jù)小波分解的第4層低頻系數(shù)和經(jīng)過量化處理后的1～4層高頻系數(shù)進(jìn)行小波重構(gòu)。（4）原始數(shù)據(jù)減去重構(gòu)小波即為噪聲數(shù)據(jù)。（5）設(shè)定閾值，當(dāng)噪聲指數(shù)超過某個閾值時，則判定大盤到達(dá)拐點(diǎn)小波分析是一個很好的分離噪聲信號的工具綜合模型每天盤中對行情進(jìn)行運(yùn)算，當(dāng)三個模型同時發(fā)出拐點(diǎn)信號時