本文目录一览:
如何建立一个股票量化交易模型并仿真?
用python:金融想法-数据处理-模型回测-模拟交易-业绩归因-模型修正。
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。
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。定量投资通过全面、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。
量化交易都有哪些主要的策略模型?
1、Alpha策略
全对冲的叫做Alpha策略,不对冲的在市面上常被称作指数增强策略。二者所用模型一样,但后者少了期货的对冲。缺少对冲有坏处也有好处,坏处是这种策略的收益曲线是会有较大的回撤。但好处方面,在大涨的年份,这种策略的表现会特别好。
2、CTA策略
CTA策略的特点是收益风险比相对Alpha来说会较低。但是在行情较好的年份收益可能会很高,尤其是在早期。而且,无论是在编程还是策略上,CTA入门的难度相对来说都是最低的。
3、高频交易策略
国内使用高频交易策略主要应用在,期货趋势、期货套利、期货做市、股票T+0以及全做市交易,国外机构自营交易,比如美股以及股指等。国内做高频交易的基本上都是私募,但高频交易的产品基本上不会对外募集或者极少对外募集。
国内发展趋势
国内量化投资规模大概是3500到4000亿人民币,其中公募基金1200亿,其余为私募量化基金,数量达300多家,占比3%(私募管理人共9000多家),金额在2000亿左右。
中国证券基金的整体规模超过16万亿,其中公募14万亿,私募2.4万亿,乐观估计,量化基金管理规模在国内证券基金的占比在1%~2%,在公募证券基金占比不到1%,在私募证券基金占比5%左右,相比国外超过30%的资金来自于量化或者程序化投资,国内未来的增长空间巨大。
股票交易模型怎样建立
交易模型即交易理论、交易方法,投资者构建一套完整的交易模型需要经过以下几个步骤:
1、认清自己的投资偏好,是对自己的一个定位,投资者可以根据自己的性格特点和交易风格先把自己的交易流派区分清楚:趋势交易者,短线交易者,日内交易者等。
2、在认清自己的投资偏好之后,选择有针对性的技术指标进行学习,比如,对于趋势交易者,可以学习均线理论,根据均线理论中多头排列的特点进行买卖。
3、纸上得来终觉浅,绝知此事需躬行,投资者可以先进行模拟操作,检验技术指标的正确性,对自己的交易方法进行总结,归纳出自己交易方法的框架和思路,如果发现自己以往的交易方法和自己的交易流派有冲突时最好重新总结归纳另一套方法。
4、模拟检验完成之后,进行实战,在实战中,投资者应严格按照交易模型执行。
拓展资料:
股票(stock)是股份公司所有权的一部分,也是发行的所有权凭证,是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。股票是资本市场的长期信用工具,可以转让,买卖,股东凭借它可以分享公司的利润,但也要承担公司运作错误所带来的风险。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。
同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小,取决于其持有的股票数量占公司总股本的比重。
股票是股份公司资本的构成部分,可以转让、买卖,是资本市场的主要长期信用工具,但不能要求公司返还其出资。
股票是股份制企业(上市和非上市)所有者(即股东)拥有公司资产和权益的凭证。上市的股票称流通股,可在股票交易所(即二级市场)自由买卖。非上市的股票没有进入股票交易所,因此不能自由买卖,称非上市流通股。
这种所有权为一种综合权利,如参加股东大会、投票标准、参与公司的重大决策、收取股息或分享红利等,但也要共同承担公司运作错误所带来的风险。
股票是一种有价证券,是股份公司在筹集资本时向出资人发行的股份凭证,代表着其持有者(即股东)对股份公司的所有权。股票是股份证书的简称,是股份公司为筹集资金而发行给股东作为持股凭证并借以取得股息和红利的一种有价证券。每股股票都代表股东对企业拥有一个基本单位的所有权。股票是股份公司资本的构成部分,可以转让、买卖或作价抵押,是资金市场的主要长期信用工具。
交易模型的设计方法
在这里主要参考各类有关资料的分类方法,将其分为以下三类模型:技术分析交易模型、基本分析交易模型、数学计量交易模型。
1、技术分析交易模型
技术分析交易模型是指使用市场交易数据如开市价、收市价、成交量等,并通过计算机交易指标,经过系统化搜索检验,并进行优化处理的交易模型,其理论基础主要建立在已有的传统技术投资理论如图型分析、均线理论等基础之上,并经过大量统计学分析检验。该模型最大的优点在于:消除了投资者的情绪在交易决策中的影响,特别是在对重大事件中判断的主观性和盲目性;避免了由于信息不对称性造成的分析失误;保证了交易分析中的连贯性;给投资者提供了风险控制的方法。
下面重点讨论技术分析交易模型中的三个交易模型:
1)以图形形态识别为基础的交易模型
该类模型主要是依据传统的经典图形如头肩顶、双底、三角形等,进行行情趋势捕捉,进行建仓交易的系统。但在实战中,它还存在许多问题:风险控制方面,像头肩顶、双底、三角形等交易图,根据传统的交易观点,投资风险/报酬比一般为1:1,实战中管理者将面对巨大的基金净值风险;分析上多以主观判断为主,缺乏客观判断标准;目前国内期货市场的技术分析使用者增多,导致经典的图表形态假信号随之增多;国外经典的图表分析理论在国内存在相当大的差别;缺乏统计学数据。
2)趋势跟踪为基础的交易模型
该类模型主要是根据设计者的数据统计,捕捉价格的转折点,然后假定趋势会继续,并按趋势方向建仓交易的系统,如MACD、SAR、移动平均线等。该交易模型的特点是不会在最低价处买入,也不会在最高价处卖出,放弃行情前后一段的利润,利润主要来源于捕捉一波大行情的中间部分。其捕捉行情的转折点的能力根据设计者设计的灵敏度不同而不同,灵敏度强的交易模型对趋势反转反应迅速,但假信号也多;灵敏度低的交易模型对趋势反转反应慢,假信号也少,放弃的前后部分的利润也多。该类交易模型的缺点是在盘整行情时产生连续亏损,使投资者不能接受。所以设计趋势跟踪交易模型的难度不在于寻找捕捉趋势方法,而在于要有一套完善的趋势确认和过滤原则,才能回避风险。另外,趋势跟踪交易模型要求期货基金管理者的持仓时间比较长,一般都有2-3个月以上,所以要求期货基金管理者要有一套与趋势跟踪交易模型相适应的心理控制方法。
3)反趋势为基础的交易模型
该类模型是根据设计者的数据统计,然后假定市场需要调整,并在相反方向建仓交易的系统。它与趋势交易模型的区别在于,趋势交易模型可以自动调整,而反趋势交易模型由于与主要趋势相反操作经常会带来不可估量的风险,所以该类交易模型必须带有一套止损条件。
2、基本分析交易模型
基本分析交易模型是指交易者使用市场外的数据信息,通过对所有影响基本经济关系的信息进行考察,并对这类因素进行量化分析,建立数据库,从中判断市场的均衡价格而进行投资的模型。该模型的特点主要是:为大规模资金进场提供良好的分析依据;理论基础雄厚,容易为投资大众接受;对于短线和时机把握帮助不大;信息收集难度大;分析滞后于市场价格;分析主观性强。
下面介绍“价值评估”和“评估积分”两种基本分析交易模型。
1)价值评估交易模型
期货价格对现货价格将产生相互牵引的作用,据资料统计,近10年来,我国大豆期价与现货价格的相关系数为0.9。而对于期货市场产生的期货价格,期货市场的参与者包括现货商和投机者,对同一商品的期货价格有自己的判断,而由于成熟的期货市场绝大多数的参与者是投机者,期货市场的成交量往往是现货贸易量的数倍或数十倍,所以期货价格不单是由现货价格和仓储成本决定的,除了成本定价还包括资本定价部分。所以,作为期货基金的基本分析交易模型,还要包括期货市场的投机因素:期货价格=(现货价格+仓储成本)×投机系数。投机系数根据突发事件、市场投机资金等情况确定。
2)积分评估交易模型
基本分析交易模型的主要缺点是信息收集难度大造成的信息不对称,分析滞后于市场价格且分析主观性强,但随着信息科技的发达和交易制度的完善,信息的公平共享将进一步缩小信息不对称,最新信息的获取也相对容易了,困难的是如何去辨别信息真伪、主次和克服信息处理中过分主观判断的影响。积分评估交易模型的主要步骤如下:
A、确定分析因素
为了使分析统计因素保持全面,多空两方面分析因素的数量不能过少,一般不少于5个。如供求分析因素,以大豆期货为例,供求类因素包括:预测种植面积和实际种植面积因素;预测产量和实际产量因素;大豆进出口量;大豆压榨加工量;库存因素;突发事件因素等。
再比如周期性分析因素,还以大豆为例,周期性分析因素包括:3-4月份左右——中美大豆播种期,种植面积预测因素,同时南美新豆开始上市,价格处在谷底。5-8月份左右——中美大豆的天气与产量为主要分析预测因素,消费旺季到来,价格从前期的缓慢上升,至7、8月份大豆受青黄不接和天气炎热等波动因素的影响,价格达到年度高峰。9-11月份左右——中美大豆实际收成因素、南美大豆播种面积预期因素,10月份后由于中美新豆上市,价格再次回落至当年的最低价区域。
B、确定分析的时间段
无论何种交易模型的分析方法,都需要足够统计分析样本数据,才能保证统计结果的可靠性,因此要经历一个以上的循环周期,如农产品的生长周期、金属的经济周期等,其中更应该包含突发事件或政治的因素,以检测交易分析模型应对的能力和控制风险能力。
C、确定分数值
确定分数值的方法可以使用普通正负分数法、权重分数百分比值法等,利多因素的分值为正值,利空因素的分值为负值,无明确利多、利空倾向的因素取为0分。
D、计算分值结果
将各影响因素的分数值累计,得出分值结果,分数为正数,则市场的趋势以上升为主;分数为负数,则市场的趋势以下跌为主;分数为0或接近0分,市场将处于盘整。
E、分值跟踪系统
不同事件的发生和时间的推移变化,各因素对价格的影响不一,如突发事件对价格的影响随事件的变化影响力会逐渐消退,所以要对各因素分数值不断调整,确定分数结果,调整对交易模型的决策结果。
3、数学计量交易模型
数学计量交易模型是指设计者根据现代投资理论,对历史交易数据进行大量的统计学分析,从中找出一定规律,在市场出现偏差时或特定情况时进行投资的模型,如套利交易模型、跳空交易模型等。
从使用者角度进行分类,主要有以下两种:一种是分析型的交易模式,另一种是操作型的交易模型,技术分析交易模型和基本分析交易模型之间有着相当大的区别:
1、分析型的交易模型侧重于预见性,对于市场的走势分析具有提前性;而操作型的交易模型侧重于反应式,当市场已出现某种价格应该采取的交易决策。
2、分析型的交易模型侧重于个别效益,对某段市场的行情要求高准确度,忽略对不利市场情况的分析;而操作型的交易模型着重于实战中的整体效益,要求交易模型对市场的所有情况产生的收益结果作出整体评估。
3、两者最大的区别在于实际操作者要面对来自各方面的压力,包括市场、投资者、基金管理者自己等的压力,因此在模型上的设计还应包括如何通过某种方法去控制心理压力的因素,有效执行交易模型发出的信号。
如何建立量化交易模型
量化投资的一般思路:选定某些技术指标(我们称之为参数,往往几个组成一组),并将每一个参数的数据范围进行分割,成几等份。然后,用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序,连接至大型数据库进行统计计算,自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用,因为这里涉及到一个概率陷阱的问题,比如说,有1到100这一百个数字放在那里,现在让你选择,请问你选到100的可能性是多大?是的,就是1/100,如果较幸运你选到了100并不能说明你比别人聪明,而是概率的必然。所以,在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证,只有验证合格后才能试用。
量化投资原始数据策略:我们选用96年后的市场数据,因为96年股市有过一次交易政策改革(你可以自己查询了解一下),为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备:高计算性能电脑,家用电脑也可以,不过运算时间会很长,我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法:可以选用遗传算法,但我在这里陪大家做的是比较简单的模型,所以采用普通统计方法就可以了。
用于量化研究的软件:我采用的是免费的大型数据库MYSQL,ASP网络编程语言,以及可以设置成网络服务器的旗舰版WIN7操作系统