量化經(jīng)典高收益量化策略.ppt

《量化經(jīng)典高收益量化策略.ppt》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-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(shì)交易模型優(yōu)點(diǎn)：（1）確定性高（2）準(zhǔn)確時(shí)可以獲得高利潤(rùn)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(shì)是一個(gè)低勝率策略拐點(diǎn)擇時(shí)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

2、本低拐點(diǎn)擇時(shí)是一個(gè)高勝率的策略拐點(diǎn)擇時(shí)策略（1）Hurst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(chǎng)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(shì)的拐點(diǎn)，將Hurst指數(shù)和大盤指數(shù)對(duì)比就可以發(fā)現(xiàn)，股市大盤走勢(shì)具有長(zhǎng)期記憶性，這成為hurst指數(shù)擇時(shí)的基本出發(fā)點(diǎn)。HURST指數(shù)—分形市場(chǎng)分形布朗運(yùn)動(dòng)用來描繪股票分形市場(chǎng)，它是對(duì)布朗運(yùn)動(dòng)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

3、朗運(yùn)動(dòng)，其中，0＜H＜1；BH(0)為常數(shù)；B(S)為布朗運(yùn)動(dòng)?？梢钥吹?，（1）當(dāng)H=1/2時(shí)，B(t)H為布朗運(yùn)動(dòng)，即隨機(jī)游走模型；（2）當(dāng)1/2

4、時(shí)，這是一種反持久性的時(shí)間序列，常被稱為均值回復(fù)。如果一個(gè)序列在前一時(shí)期是向上走的，那么它在下一個(gè)時(shí)期多半是向下走的反之亦然。（3）當(dāng)0.5≤H≤1時(shí)，表明序列具有持續(xù)性，存在長(zhǎng)期記憶性的特征。即前一個(gè)時(shí)期序列是向上（下）走的，那下一個(gè)時(shí)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(chǎng)開始反轉(zhuǎn)，但大致位置和市場(chǎng)的反轉(zhuǎn)時(shí)間驚人的吻合，所以完全可以把移動(dòng)Hurst指數(shù)的低位（小于0.55）當(dāng)做市場(chǎng)醞釀反轉(zhuǎn)的一個(gè)重要參照指標(biāo)。圖上證指數(shù)與對(duì)應(yīng)Hurst指數(shù)關(guān)系Hurst

5、指數(shù)確實(shí)是一個(gè)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(shí)別、判別分析）和回歸問題金融市場(chǎng)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(cè)股市未來的價(jià)格是指典型的回歸問題，因此有理由相信支持向量機(jī)可以對(duì)股市進(jìn)行預(yù)測(cè)。SVM獨(dú)特的機(jī)制和效果，對(duì)非線性預(yù)測(cè)有非常好的效果，因此利用SVM技術(shù)來建立擇時(shí)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(duì)股票價(jià)格進(jìn)行預(yù)測(cè)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(píng)估訓(xùn)練

6、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(gè)策略Close/MeanVolume/MeanReturnS收盤價(jià)/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(jià)/均價(jià)最低價(jià)/均價(jià)現(xiàn)價(jià)現(xiàn)量該策略中，SVM模型的輸入為過去3周表中所示的指標(biāo)，輸出為未來一周是漲還是跌，移動(dòng)滑窗為每日移動(dòng)。如果預(yù)測(cè)分類為1，則在市場(chǎng)行情低于T日收盤價(jià)時(shí)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(shí)策略，收益率相當(dāng)?shù)钠椒€(wěn)持續(xù)拐

7、點(diǎn)模型3：噪聲指數(shù)在正常的平穩(wěn)市場(chǎng)，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(shí)候，則會(huì)出現(xiàn)噪聲指數(shù)的異常放大。對(duì)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(gè)重要特色是可以進(jìn)行多分辨率分析。信號(hào)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(hào)和噪聲通常會(huì)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

8、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(gè)閾值時(shí)，則判定大盤到達(dá)拐點(diǎn)小波分析是一個(gè)很好的分離噪聲信號(hào)的工具綜合模型每天盤中對(duì)行情進(jìn)行運(yùn)算，當(dāng)三個(gè)模型同時(shí)發(fā)出拐點(diǎn)信號(hào)時(shí)