当前位置:香港马会特马资料 > 118图库彩图118论坛 >

白小姐中特付兰股票配资

发表时间: 2019-10-04

  其实,定量投资和传统的定性投资本质上是相同的,二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。 所有的决策都是依据模型做出的。我们有三个模型:一是大类资产配置模型、二是行业模型、三是股票模型。根据大类资产配置决定股票和债券投资比例;按照行业配置模型确定超配或低配的行业;依靠股票模型挑选股票。纪律性首先表现在依靠模型和相信模型,每一天决策之前,首先要运行模型,根据模型的运行结果进行决策,而不是凭感觉。 目前海通期货量化期货品种 做的不错 年收益推荐品种收益还是可以的,详情可联系扣459417810

  简介:信达期货有限公司成立于1995年10月,系经中国证券监督管理委员会核发《经营期货业务许可证》浙江省工商行政管理局核准登记注册的专营国内期货业务的有限责任公司,公司由信达证券股份有限公司全资控股,注册资本5亿元人民币,是国内规范化、信誉高的大型期货公司之一。公司是中金所15家全面结算会员之一,会员号0017。公司总部设在杭州,下设上海、金华、乐清、富阳、台州、沈阳、大连、哈尔滨、北京、石家庄、广州、义乌、温州、宁波、绍兴15家营业部,深圳营业部正在筹建中。 法定代表人:陈冬华 成立时间:1995-10-05 注册资本:50000万人民币 工商注册号: 企业类型:有限责任公司(非自然人投资或控股的法人独资) 公司地址:浙江省杭州市文晖路108号浙江出版物资大厦1125室、1127室、12楼、16楼

  股票手续费通常是由佣金、印花税、过户费组成的。 股票交易手续费包括三部分: 1.印花税:成交金额的1‰,只有卖出时收取。 2.过户费(仅上海股票收取):每1000股收取1元,不足1000股按1元收取。 3.券商交易佣金:最高为成交金额的3‰,最低5元起,单笔交易佣金不满5元按5元收取 佣金是有户主和证券公司共同商议决定的,商议提问的网上交易收多少手续费需先知道佣金是多少 股票交易手续费算法具体如下: 交易金额是100000 印花税100000×0.001=100元。 买进费用: 1.佣金0.1%-0.3%,根据你的证券公司决定,但是佣金最低收取标准是5元。比如你买了1000元,实际佣金应该是3元,但是不到5元都按照5元收取 2.过户费(仅仅限于沪市)。每一千股收取1元,就是说你买卖一千股都要交1元 卖出费用: 1.印花税0.1% 2.佣金0.1%-0.3%,根据你的证券公司决定,但是拥挤最低收取标准是5元。比如你买了1000元股票,实际佣金应该是3元,但是不到5元都按照5元收取 3.过户费(仅仅限于沪市)。每一千股收取1元,就是说你买卖一千股都要交1元

  信达期货还好。但是如果您真的想要投资期货市场的,最好还是选择国内正规的大型的期货公司原因很简单,因为正规的公司在规避风险和保证盈利方面肯定是比普通的公司做的好点的,还有正规公司有专业的理财团队,对于市场的行情分析有丰富的经验。毕竟期货也是有风险的,为何不选择正规的公司去操作来降低风险呢?我可以建议你下,我知道的正规的期货公司有海通,华泰长城,中辉,徽商等等。另外,投资期货的新手,一般对风险概念不是很理解,容易亏损,可以先从模拟的软件开始,如果您还有不明白的,我可以把资料发到您的邮箱里。

  研发中心依托信达资产管理公司,融合证券、期货、基金等多个金融领域的研发力量。北京、杭州、深圳三个研发中心已经建立了良好的沟通机制,具备了强大的协同研发能力,形成了统一的研发服务平台,为客户提供更广泛的金融资讯和全方位的投资理财产品及服务。 研发中心力量雄厚,汇聚业内多名资深专家,研究人员90%拥有硕士以上学历。

  量化投资学习必读书目(十六)-《量化投资策略:如何实现超额收益Alpha》

  《量化投资与对冲基金丛书·量化投资策略:如何实现超额收益Alpha》的目标是:为读者提供一幅从量化角度绘制出来的市场投资“地图”。为了得到这幅通过实证绘制而成的投资地图,作者详尽地测试了超过120O种投资策略。书中归纳了七个投资维度:盈利性、估值、现金流、成长性、资产配置、价格动量以及危险信号,并告诉读者如何有效结合单个投资因子或组件因子,如何构建多因子策略,从而构建更全面的选股模型。最后,作者还介绍了如何将书中提出的策略有效地整合到你的投资过程中,以创造优秀的选股模型,构建自己的量化模型和投资组合,并实现超越市场的收益。《量化投资与对冲基金丛书·量化投资策略:如何实现超额收益Alpha》中概括出的量化方法可以为定性投资者提供一个被证实的设计投资策略的方法,同时也可作为提高投资绩效的准则。

  《量化投资与对冲基金丛书·量化投资策略:如何实现超额收益Alpha》是写给那些具有定性分析思维的投资者,尤其是那些希望从一个量化(实证)的角度来理解股票市场,以及那些希望将量化选股、测试或者模型融合到他们的投资过程中的人的。

  其实感觉标题这么起也不是很恰当,因为传统投资指的是什么方法也没有一个很明确的定义,投资的方法一直都在发展,姑且认为“传统”的就是非量化的其他投资方法吧。从名称上来说,量化投资中的“量化”指的就是数量化,就是需要定量的数据。个人总结,量化投资=数据+模型,它包括量化择时和选股、套利、资产组合与风险管理和算法交易等。

  传统投资主要基于个人的逻辑分析和判断。举个栗子来说,如果有一天你看了苹果的iPhone X发布会,觉得这个产品很牛,肯定大卖。产品大卖肯定会给公司带来可观的利润,紧接着你就去买了苹果公司的股票(NASDAQ: AAPL),等着产品大卖之后股票涨价,卖出股票赚得差价。再或者你觉得楼下彭阿姨买的煎饼果子味道独特,一直有很多回头客来购买,在未来的一两年内煎饼果子摊能扩大生产规模和盈利能力,于是你就去买了彭阿姨煎饼果子摊的股票(NASDAQ: JBGZ,误),以期获取收益。这样的投资方法主要靠投资者个人的推理和判断,并不经过太多的数值计算,我们称之为传统投资方法。大家都很熟悉的巴菲特(Warren Edward Buffett)就更多地采取这样的方法,其投资决定的形成当然也会基于一定的数据和调研,但是最后的决定主要还是由其个人的主观判断形成。当然,比较厉害的就在于其个人判断十分准确,因此取得了很好的投资业绩。不过并不是人人都有巴菲特的这样一个大脑,因此,这种方法可能会非常成功,但是不可复制。

  而量化投资主要是基于数据和模型。举例来说,你观察了彭阿姨煎饼果子摊,通过煎饼果子摊资产定价模型,结合你调查到的该公司营业数据,算得该公司价值10w,该公司发行了1w股股票,平均每股价值10元/股,但是目前该公司股价只有5元/股,因此你觉得该公司股票有很大的上涨空间,因此去投资了该公司股票。指出一下,量化投资并不都像这样通过估计股票价值这样来预测股票未来的走势,也有其他的方式。在此领域成功的代表就是西蒙斯(James Harris Simons),如果按盈利能力来算,西蒙斯所管理的大奖章基金的年化收益率可能是巴菲特的两到三倍,并且在数次金融危机中都屹立不倒。其本人就是一名颇有建树的数学家,在转行做金融之后,也是建立了复杂的数学模型来进行量化投资。在赚了很多钱之后,还养了一帮数学家、物理学家做研究,毕竟物理学家好像也不是很贵(自嘲)。我们学校就有西蒙斯本人捐的一栋楼——陈-赛蒙斯楼,现在被用作外国专家楼。

  借用看来的一个比喻,说传统投资方法就像是中医,讲求的是望、闻、问、切,通过医生自己的经验和判断来给患者开方治疗;量化投资就像是西医,需要通过化验、拍片来确定患者的病灶,然后根据一套生理学的理论来给出治疗的方法。西医需要做的抽血化验、拍片检查就好像量化投资里面的数据,数据越准确,越可能得到更好的结论;西医中的生理学理论就好像量化投资中搭建的模型,根据化验检查的结果进行分析得到结论。所以我们常常看到,有很多老中医医术高超,但这种医术并不是刻意轻易学得来的,需要通过一带一的学徒制来传授。而西医讲究的是系统性的方法,可以通过在医学院的学习把这样的方法复制。

  总结一下,传统投资方法就好比中医,通过较为主观的分析和判断来进行投资,可复制性较差;量化投资方法好比西医,关键在于数据和模型,通过数值计算来得到投资决策,具有较强可复制性。

  根据投资的目的来分类的话,仅仅希望能够跟随市场平均水平的投资方式叫做被动投资,如果希望投资组合的收益能够超过市场表现,那么这种投资方式叫做主动投资。对于做主动投资的人来说,有效市场假说就好像洪水猛兽,因为它直接认定没有办法通过历史数据来获得超额收益。有效市场假说(efficient-market hypothesis)是由Eugene Fama于1970年提出的。他另外一个很有名的工作是Fama-French三因子模型,据说他拿这个模型赚了十多年钱,赚完了才把它公布出来,结果又得了个诺贝尔经济学奖。好了,我们回来讲一下这个有效市场假说。这个假说通过一些假设,推出了市场的定价一直处于一个有效的状态下,即市场上的定价已经综合反映了各方面的信息。既然市场定价已经综合反映了市面上的各种信息,那么我们再根据这些信息和历史规律来试图找到一个更为有效的定价就是徒劳的。有效市场假说直接否定了主动投资的可行性。

  有效市场假说的想法是说假设股票有效价格的改变是由各种消息驱动的,好消息和坏消息的的到来是随机的。市场的参与者都是独立、理性并且追求利润的,因此当消息传播到市场上之后,这些参与者的投机行为就能够使得价格迅速恢复到新消息下的有效价位上。因此,在这个调节机制下,价格会保持合理,市场会持续有效。根据市场有效的程度,该假说还可以分为论断强弱不同的若干版本。在市场是弱式效率(weak form efficiency)时,我们无法从历史的价量中找到帮助我们盈利的规律;在半强式效率(semi-strong form efficiency)时,从公开渠道获得的所有信息都是无助于我们找到有用规律的;在强式效率(strong form efficiency)时,假说断定从任何渠道获得的信息都无法帮助我们盈利。

  这样的假说听起来还挺令人沮丧的。但是个人认为有效市场假说中本身就肯定了肯定了理性市场参与者对于信息进行加工处理然后反作用于市场的作用,亦即正是由于这一部分人通过加工利用这些信息赚到了钱,才把价格拉回到了有效的位置上。如果我们能比其他市场参与者更加迅速地对于市面上的信息做出反应,就能获取相应的利润。从实证的角度上来说,股票市场确实会常常出现“不有效”的定价。A股市场的不有效现象更为明显,其主要原因还是参与者的成熟度离美股市场还有一定的差距,亦即我国股市的定价偏离的机会仍然较多,这也给量化投资以更多的机会。

  回头看一下前面把量化投资比作西医的比喻还挺恰当的。量化投资所做的事情就是要找到市场的病灶,即市场定价不合理之处,然后通过投资并且盈利来纠正这样的不合理定价。

  有好多名词大家常常和量化投资一起见到,比如说基本面分析、技术面分析、程序化交易等等,它们和量化交易又怎样的关系呢?

  首先来讲讲基本面分析(fundamental analysis)和技术面分析(technical analysis)。基本面分析主要依靠公司财务数据和宏观经济数据,比较常见的公司财务数据有原始数据有公司的总资产、总负债、每股收益等,比较常见的宏观经济数据有GDP增速、国家外汇和黄金储备、货币供应量等。不过就基本面的定义而说,基本面还包括市面上的新闻、公告和舆情信息。而技术面分析主要依靠股票市场历史上的交易价格和成交量,虽然其原始数据比较单调,但在技术面分析中却发展出了大量的分析手段,从价量数据中衍生出相当多的技术指标。

  那么基本面分析和技术面分析和量化投资是什么样的关系呢?很多人认为量化投资主要是做技术面分析,其实确实如此,在量化投资领域所用到的技术面信息更多一些。在所利用的基本面信息中,也是更多的用到数量化的公司财务数据和指数化的宏观经济数据,而新闻、公告、舆情等信息的利用相对来讲不是十分充分。究其原因,相比于传统的量化而言,量化投资所需要的数据更倾向于数量化的数据,甚至是结构化的数据;另外,在传统量化中,由于主要靠人工来进行分析,希望数据量尽可能少而精,但与此相反,在量化投资中,我们更倾向于找寻数据中的规律,因此希望有更多的数据。基本面分析中所用到的新闻、公告、舆情信息不便于进行结构化和数量化,因此在目前的量化投资中用到的不多;基本面分析中所用到的财务数据由于其更新频率通常为季度甚至是年度数据,导致其数据量较少,也给其在量化投资中的应用带来了一定的困难。

  总结一下,在量化投资中确实更倾向于利用技术面分析中的一些数据,但量化投资也会使用基本面分析中带给我们的数据;目前基本面分析中的信息利用的较少,是由于其使用上的困难,但个人认为将基本面分析中的信息放进量化投资框架中进行研究肯定是量化投资未来的发展方向之一。

  答案是不一定。量化投资讲的是一种投资分析的方法。完全可以通过量化投资得到一个结果,然后手动下单交易,并且目前在业界很多中低频交易策略(按星期或者月频率调仓)中,就是通过量化投资方法生成相应的交易方案之后,通过交易员来手动下单操作的。不过如果做出来的量化投资策略就是一个高频的交易,比如日内的择时,甚至是以秒为时间计量的高频交易,这样的策略如果靠人工操作就无法保证其对于量化策略的执行力,因此这样的策略最后一定是靠程序化交易的。

  现代资产组合理论(modern portfolio theory,MPT),是由Harry Markowitz在1952年提出的,他本人也是在38年之后获得了诺贝尔经济学奖。不过,在讲这个模型之前,我们先来讲一下风险。

  我们常常说一个理性的投资人是追求利润并且厌恶风险的,所以理性的投资人一直在做的事情就是最大化利润,并且最小化风险。但是我们怎样来衡量风险呢?我们熟知的余额宝就属于风险比较低的理财产品,而股票市场就属于风险比较高的投资。但这样的认识是我们凭感觉得来的,我们能不能用什么办法具体地来计算相应的风险呢?答案是我们可以使用收益率序列的方差来表征风险。(还有其他表征风险的方式,方差是一种最基本的方法,见风险价值(VaR)是否是有史以来最蠢的衡量指标?)

  举个栗子,我们可以查看一下余额宝(天弘基金)和平安银行股票(000001.SZ)近期的每日收益率(这里只是举例子,计算可能不科学,因为余额宝在非交易日也会有收益)

  当我们要来评价相应的风险的时候就可以计算出两者实际的“风险”究竟是多少。余额宝收益率序列标准差为

  来表示,由于这个例子中其方差差距太大,因此就只写标准差)有了这样的数字我们就可以对于其“风险”进行比较了。

  下面来讲一下MPT是什么。MPT中的portfolio中文叫做资产组合,资产组合是什么呢?假设市面上有

  MPT这个理论要做的就是在达到期望收益的情况下,最小化投资风险。因此,对于一个理性的投资者来说,就是要解如下的一个优化问题

  ,我们可以解到一个可以最小化风险的资产组合,并且可以得到该资产组合的风险。相应地,我们可以画出在MPT框架下的收益-风险曲线。这条曲线就是下图中的蓝线,也称作

  图中的红点为代表无风险利率,我们可以看到它的风险为0,收益为一个特定的值

  (market portfolio)。夏普比率定义为相比于无风险投资的超额收益相对于所承受风险的比值

  可以简单地这样理解,有效前沿上的资产组合是都是相应给定收益下风险最小的资产组合,而市场组合是有效前沿上投资收益-风险比(即投资效率)最高的资产组合。注意到,市场组合中不包括无风险资产。如果资产组合能够包括无风险资产,那么还可以组合出橙线以下区域的收益-风险配置,这条橙色的线我们称之为(capital market line)。为什么这条线上的点可以通过加入无风险资产构建出来呢?简单来说,比如资本市场线上红点和绿点之间的线段,可以通过购买

  还可以为负数,这时候相当于以无风险利率从市场借钱,然后购买更多的市场组合,对应的点就在绿点上方的射线上了。

  ,它反映的是该风险资产收益随着市场组合收益波动的关联性大小。在牛市期间,如果买入

  。通常来讲,市场组合中的证券数目是相当大的。举例来说,A股市场的股票数目现在有三千多只,如果再加上期货、基金可能会有上万中投资标的。相应的分母部分需要计算

  量级个的协方差,运算量非常大。我们之后介绍的因子模型可以解决这样的问题。

  总结一下,资本资产定价模型主要说的就是,在投资者都是风险厌恶的情况下,如果某个投资标的具有更大的风险,投资人会期望该投资标的能够带来更大的收益;反过来,如果某投资标的有更多的收益,那么它会承担更多的风险。收益和风险满足公式所描述的线性关系。

  单因子模型的提出基于如下的想法,宏观经济的因素对于不同的风险资产的收益都产生影响,并且该影响会较大程度上影响风险资产的收益,如果能把该影响剥离开,就能够更好地来分析风险资产的收益。即认为风险资产的收益可以分解为

  举个例子来说,某股票A在持有初期的期望收益为5%,在持有期期间,GDP增速8%,GDP是影响该股票的唯一因素,它对于GDP增速的敏感程度为1.1。同时,在持有期间,公司发生了一件利好事件,使股价上升3%。则此时该公司收益为

  注意到,单因子模型仅仅认为所有股票只受到一项宏观经济因素的影响,如果认为所有的股票受到多个互不相关因素的影响,那么自然可以写出多因子模型

  当多因子模型包含的因子为宏观经济相关的内容时(比如国内生产总值、货币供应量、黄金和外汇储备等),这类宏观经济数据的基本形式就是一列与特定股票

  得到相应的因子暴露。这时,因子收益代表的是宏观经济带来的全局性(也称系统性)的收益率,因子暴露代表的是该股票对于这一项宏观经济指标波动的敏感性。

  通常多因子模型所包含的因子还可以为与特定股票相关的基本面或者技术面特征(比如该股票的近期趋势、市值大小、相对估值等),这类数据的基本形式是对于每一只股票,都有一个时间序列。比如常见的反映股票规模的因子``股票总市值``,具体来说就等于该股票的股价乘上该公司发行的总股数。这个因子每天对于每只股票都会有一个数值。这时,相应的多因子模型就写作

  代表的就是该股票这个时刻在某种风险上的暴露。举例来说,我们都知道一家小的公司比一家大公司有更大的倒闭风险(即市值风险),因此,如果````这个因子数值越小,就说明该公司更多地暴露在市值风险上,即更容易因为战乱、政府政策等外部原因倒闭或者亏损。既然小市值的公司承受了更大的风险,那么根据风险溢价的原理来说,小市值公司的收益率期望就会更高。那么减小每单位的市值,市场上的投资者希望收回多少额外的收益呢?这件事情就由相应的因子收益来衡量了。因子收益如何得到呢?我们一般通过

  把同一个时刻或者一段时期中的不同数据点拿过来,拟合如下方程,就是横截面回归。这个时候,时间参数

  表示系统性收益。而大家常常说,Alpha是量化投资的圣杯,大家做的就是去找Alpha。就我们这个模型而言怎样找Alpha呢?

  比较高的股票,这表明该股票在剥离掉宏观经济影响因素之后,仍然有较高的收益率;如果要做资产组合,那么可以找一个资产组合是的该资产组合中的

  按比例加起来都等于零,其含义就是该资产组合不受到所有外部宏观经济的影响,纯靠自己的特质赚钱。简言之,就是抵消Beta,找到Alpha。

  中。因此,我们要做的就是找到后面这一坨算出来的数值最大股票。这些因子就叫做

  的计算方法被大家都知道了,大家就会通过相应的投资作用于市场,这个时候,相应的因子收益

  就会被市场上使用这个因子的玩家一点点吃掉。当该因子被完全吃掉的时候,该因子的因子收益会接近于零,这个时候,该因子就失效了。当该因子失效之后,该因子就不能再作为Alpha因子了。再多说一句,对于一个失效的因子来说,在较长的时间段内做横截面回归,相应的因子收益

  均值接近于零,但是它在每个小的横截面上的的数值绝对值都很大,那么我们可以把它们作为

  如果我们的因子都被吃掉了那该怎么办?我们需要从残差项中发掘出新的因子,如果新的因子加入之后,总体的残差变小,说明新的因子对于股价具有解释能力。如果这个因子对应的因子收益

  能够很稳定地朝同一个方向偏离零,那么这个因子就能够作为一个Alpha因子了,其对应的收益就为Alpha收益。对于选股而言,我们就可以选出Alpha收益更大的股票。对于构建资产组合来说,我们可以找一个资产组合是的其Alpha收益按资产组合的比例加起来最大,并且其Beta收益按比例加起来为零。

  刚刚讲的这两种模型对应的构建资产组合的方法都是最大化Alpha收益,并且尽量抵消掉Beta收益,这样的做法就叫做Alpha策略。

  为什么大家希望抵消Beta收益呢?因为这里大家假设宏观经济更难以预测,而对于单个股票或者对于单个因子的预测更有信心。当然,如果你对于宏观经济十分了解,能够很好地预测宏观经济的走向,那么你就去赌beta,一样可以赚钱。比如,你预测未来宏观经济走势较强、社会局势稳定、工业发展迅速,那么小市值因子(现在认为它是一种风险因子,并且注意我说的是“小”市值因子)对应的因子收益就会大于零,那么你就去买小市值股票,赚钱Beta收益。

  总结一下,多因子模型分为两类。一种是使用宏观经济因素来作为因子的模型,这种模型可以直接得到因子收益,蓝月亮心水论坛我认为这个世界是有鬼的通过时间序列回归得到因子暴露;另一种是使用表征股票特征的基本面或者技术面因素来作为因子的模型,这种模型可以直接得到因子暴露,通过横截面回归得到因子收益。

  套利(arbitrage)是利用同一种或者相似的实物资产或金融资产的不同价格来获取无风险受益的行为,是通过买入收益率偏高的证券同时卖出收益率偏低的证券来实现的。勾一下重点就是同时买入和卖出。比如说,你看到学校食堂里面的鸡蛋七毛钱一个,同样的鸡蛋在学校大门外要买一块钱,那你就从食堂买来鸡蛋立马跑到校门外去卖掉,这个就是套利。假如你要是买来一堆鸡蛋,先屯着不卖,等过年鸡蛋涨价的时候再卖,这种赚钱的方式就不属于套利。

  套利定价模型(arbitrage pricing theory,APT)讲的是一个理想的市场条件下各个证券定价应该满足的表达式。这里所说的*理想市场条件*指的是市场没有交易成本,同时市场中的交易者都是回避风险并且对于证券的预期报酬有一致性看法。那么证券定价就满足以下表达式

  这里的表达形式和参量代表的含义其实质与我们之前讲的多因子模型是一样的,只是由于这里不考虑时间序列的特性,因此省略了时间下标。不过需要注意的是,对于每只股票的

  如果一个资产组合满足以下三点要求,我们就称之为套利组合(arbitrage portfolio)

  举一个例子,假如市场上有三只股票,分别是A、B、C,我们暂时只考虑一个宏观经济的影响因素,这三只股票的收益率和它们对该因素的敏感程度如下表所示

  那么这样的一个市场是否存在套利机会呢?我们可以看到,通过构建一个套利组合

  因此,这样的市场存在套利机会,通过构建这样的组合,我们可以在没有系统性风险的情况下获得

  不过需要提一下的是,套利定价模型只是给我们提供了一个这样的框架,这样的套利组合是否真正地能够盈利其实更多地取决于你把什么东西当做因子填到公式中,如果你选定的一组因子对于交易者对于证券的预期有很好的解释能力,那么你找到的套利机会才是“真”套利机会。

  这里简单介绍了量化投资的概念,并且介绍了一些基本的量化投资模型,量化投资的模型都试图定量解释投资标的的收益率。这些模型都有着共同的特征,他们都把资产收益率与其他的因素建立起了线性的联系,虽然线性关系是一种最直接、最简单的定量关系,但是在历史上,这样的模型却常常是十分有效的。像我们这一讲里面提到的MPT、Fama-French三因子模型等都是诺贝尔奖级的工作。当然,金融市场里面是否存在非线性的关系呢?个人认为答案是肯定的,但是就目前来说,线性模型还是业界量化投资的主力。随着线性模型带给我们收益的一步步枯竭,非线性模型可能会成为之后量化模型的探索方向。而机器学习领域已经发展出来许多较为成熟的非线性模型,机器学习中的非线性模型将会以怎样的方式应用到量化投资领域呢?我将会在第四讲中来聊一聊。

  2016年就要结束啦!量化投资与机器学习公众号将给大家带来一篇关于量化投资总结性的推文。

  为微信公众号全网搜索排名前三的我们精心准备了这篇推文。希望2016年量化投资界有一个完美谢幕,并在2017年有新的展望。

  我们对网络搜索进行了综合整理,给大家展示2016年量化投资在大家心目中的地位和趋势。

  对于地域问题,编辑部认为肯定是北上广深啦。为此,编辑部还专门写过一篇关于量化研究员工资问题的文章。

  以上就是对量化投资2016年的一个整体概括回顾,可以看得出,这个行业是朝气蓬勃,厚积薄发啊。

  我们统计了2016年全年在主要研报平台上,金融工程类的研报阅读排行。发现,来自新财富前五名(排名分先后)的分析师居多。

  富国发布了2016年Q2、Q3季度各类对冲基金业绩的总结,用的数据都是HFRI的指数。总体来说,相比于去年,今年Q2、Q3季度各类策略的表现都出现了比较明显的反转、回暖,整体市场一片大好。

  具体到策略来看,CTA虽然很亮眼(下图没有单独列举,过去12个月大概7%),但是跟其他策略横向对比来看就小巫见大巫了。事件驱动类对冲基金的回报突破天际,权益类也很不错(其中收益最好的是做空策略和能源类股票)。相对价值策略也比较亮眼。而之前比较火热的全球宏观却被几个黑天鹅打的吐不出牙来……

  在基础市场不同的表现下,管理期货和股票策略私募产品今年整体出现了十几到二十几个点的收益率差距,股票、期货冰火两重天。今年股票私募愁发产品,而期货私募却能顺势扩张。

  在私募八大策略中,债券、市场中性、事件驱动等策略的产品也因为各自投资的市场不一样的行情、不一样的风采,呈现出不一样的业绩表现。

  表现也不错,公布最新净值的168只产品中有75只公布了今年以来的业绩,今年表现差强人意,公布最新净值的652只产品中有407只公布了今年以来的业绩,表现也一般,公布最新净值的2478只产品中有495只公布了今年以来的业绩,今年亏损,公布最新净值的561只产品中有241只公布了今年以来的业绩,

  目前表现最好的是东华期货主动平衡1号,截至12月29日,今年以来收益率278.37%,暂列冠军;还有几只产品,东航金融-合顺伟业、鼎融叁号、信达润时成长1号等今年的收益也超过了100%。

  相比之下,债券策略、宏观策略、相对价值、复合策略、组合基金、事件驱动、股票策略的私募产品,今年表现则要黯淡很多,股票策略私募产品今年甚至整体表现垫底。

  尽管在1月熔断以后,市场底部不断抬高,但股票私募整体亏损仍然较大,其核心原因有两方面,一是策略原因导致的亏损,二是系统性风险导致的亏损。而且今年1月份的这次股灾各产品的亏损幅度远大于2015年6月股灾期间的亏损,年初股市熔断对今年私募的收益产生了巨大的影响。

  截至12月29日,八成左右的债券私募产品获得正收益。目前表现最好的是茂典9号,截至11月29日,今年以来收益率为46.14%,还有鼎利59号(合晟20号)、嘉实资本日盛固收4号等产品今年收益也超过了40%。

  从这些主流量化平台来看,平台活跃度(根据社区发帖数量和讨论数量)排名靠前的是(不分先后):

  每个平台各有千秋,其中有一些很棒的策略和研究。下面我们根据综合度选出了这三个平台策略、研究的代表作:

  《有“脑子”会“看盘”的小盘股【年化68.444% 夏普3.4771 回撤-13.396%】》

  《Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析》

  这些平台在近几年尤其今年表现的十分活跃,从在校学生到各大私募和机构在平台上都能看到他们的身影。我们也有理由相信,白小姐中特,量化投资从之前的少数人群,到现在的多数人群的转变,将会让它更有活力和前景。

  我们始终相信,量化投资的的确确给我们的投资带来了可观的收益。为此,每一个宽客都会更加努力!

  在2016年,量化策略的比赛举办了很多场。全国各地从量化平台、机构组织、地区竞赛等。参赛选手基本都是高校学生。可谓青出于蓝而胜于蓝!

  下面让我们盘点一下在2016年举办过的量化赛事,说不定在2017年,你就是那个冠军。大家可以继续跟进这些赛事。

  在2016年,量化峰会接连召开,一轮又一轮,真是今天开完这个,明天开那个。

  下面让我们盘点一下在2016年举办过的量化峰会,这些峰会为我们总结了2016,展望了2017.。值得借鉴。大家可以收藏起来,以后方便查阅。

  期货量化交易怎样做?数据显示,北美超过70%的交易份额由程序化交易产生,也就是期货量化交易,而目前我国程序化交易的份额远远低于北美及欧美的平均水平。程序化交易使资产管理人更容易通过多品种、多市场、多周期、多组合的量化交易策略来降低投资风险、平滑资金曲线,凭借其快速与纪律性等优势,越来越受到交易者的青睐。

  一是强调风险控制的重要性。任何风险控制工作的改进,都必须以提高风险控制质量为第一考虑。

  二是强调风险的提前预防、提前发现。可通过模拟实盘情况,寻找可能出现的量化交易风险;并且在实盘交易中,通过增加参数监控,来弥补单纯订单只能在错单出现后才能发现风险的问题。

  三是强调风险估计的准确性。一方面,不断发展适合量化交易的风险估计模型,目前采用基于GARCH模型和GED分布的VaR风险估计模型。另一方面,通过对多品种联合建模,努力对套利交易提供更高的兼容性,以减少不必要的风险估计,帮助量化交易客户找到真正的风险源。

  四是强调量化交易风险的独特性。对于量化交易风险,我们面对的风险不是目前仓位继续持有一段时间可能带来的风险,而是量化交易继续运行一段时间可能带来的风险。所以我们发展了蒙特卡洛模拟的方法来计算下一个交易日的风险情况。

  基于以上逻辑以及量化投资实务的经验,我们认为,一套完整的覆盖交易前、交易中、交易后的风控体系应该至少包括以下内容:

  量化投资不同于传统投资方式,风险控制工作在交易前就已产生。主要预防的风险包括:量化程序的编写错误、量化程序和风控程序的不正常交互等。我们将需要测试的模型搭载在我们的交易系统和风控系统上,通过以下几个方式检验整个系统的稳健性:

  一是模仿交易所实时推送行情,在量化策略编写者的协助下,查看交易信号和输出的参数等是否正常。

  二是用专门的数据模拟包括异常行情等突发情况,验证在突发情况下系统的表现。包括风控程序是否能及时发现异常,示警并征得量化交易者同意后而采取措施的其他风控手段。

  三是在量化交易者同意风控程序进行平仓、限制开仓等风控手段时,用特殊数据刻意引起风控系统生效,以检验在风控程序生效后,量化交易程序是否能正确接受信号,并继续稳健运行。

  交易中的风险控制是量化投资风险控制工作的重中之重,在这个环节包含的风险种类比较多。

  传统风险是在传统的交易方式下也存在的风险种类,但是在量化交易中,这些风险又具有了新的特点:

  市场风险。市场风险是指由投资标的物价格波动带来的风险。相对于传统交易方法,量化交易的速度更快,仓位变动更加频繁,对风险衡量的即时性要求更高。同时,由于大量跨品种之间套利策略的存在,使得组合风险不是简单的线性叠加关系,需要更加精细的衡量风险的办法。我们风控团队采用主流风险测度方法——VaR,并在算法上进行创新,即时给出组合风险、组合中的单一品种风险,当风险度过高时,这种整体与局部风险均展示的方式,可以在有风险发生时迅速定位风险源。

  净值风险。量化产品在生命周期内由于产品盈利能力不佳,净值接近一定水平可能面临的清盘风险归为净值风险。但在量化策略编写中,往往并不考虑这一情况。针对这方面的问题,我们的风控系统对产品清盘的可能性进行实时定量的分析,帮助量化交易者实时了解产品的运行情况,甚至根据我们提供的分析数据,程序化地调整策略的持仓规模,以规避净值风险。

  操作风险。虽然程序化交易能自动运行交易策略,但仍不能摆脱人工操作。在人工参与环节出现的误操作或投机操作带来的风险归为操作风险。应对措施是:

  量化交易风险是量化交易特有的风险,或者是该风险在传统交易中就存在,但在量化交易中被大幅放大的风险。这些风险包括:

  策略运行风险,指在量化策略运行过程中,因为各种原因导致策略发生错误的风险。这种风险比较隐蔽,传统的风险控制方式一般只能在策略出现不正常报价单之后才能发现问题,这时已经造成了损失。我们团队通过Sybase高效的流处理机制,在不影响量化策略运行速度的情况下,并行地对策略计算中的各项参数进行监控,做到了对于策略运行风险的定制化监控,并能有效地在不正常报价单出现前发现风险,并采取相应措施,避免损失的出现。

  故障风险。一个好的程序化交易系统应能及时稳定地接收行情、分析行情、处理数据、快速下单。但程序在运行过程中可能会因为停电、网络或通讯设备出现故障等不可抗力而出现故障。针对这方面的问题,可设数个备份机,在交易系统异常时,能够一键切换到备份机运行。并且在切换后有专人即时检查切换情况。

  一是回顾当日交易,查找在交易时可能疏忽掉的风险隐患。我们会用交易程序再次推送当日行情,比对交易信号、参数以及相关其他数据,确保当日程序运行正常和下一个交易日的相关数据正常。

  二是用蒙特卡洛模拟的方法对下一个交易日的风险进行衡量。量化交易的风险衡量和传统投资方式不同的一点在于,由于很多量化程序设有止损,即使行情出现极端表现,因为止损的存在,实际的风险并不像想象的那么大。所以我们在每日收盘后,通过蒙特卡洛方法模拟第二日的交易,从而得到更加精确的下一交易日的风险计算。

  世界上有很多量化交易基金,不过大部分的交易者只是把系统当成一个辅助工具,而不是像我,竟然把系统当成了自己的儿子,并且愿意信赖它,认为它比我强,量化交易,本质是,有柔顺得像流水一样的人,即使即使痛苦也不反抗命运的人,才能选择的道路 。

  只要是系统思考,就一定会去苛求某种平衡,苛求的结果必然会去寻找系统框架与实际交易的不和谐,因为不踏实,好的系统,不会强迫自己做什么,而是本该这么做的

  执着的人总会做出格的事,本人致力于波动的视觉自然化,必然要去明白波动的规律,这个规律是怎样的一种力,幸好,我找出了关键点,从而建立一套基于立足当下的应对交易系统

  以上就是关于“期货量化交易怎样做”的简单介绍,希望能帮到大家。要做好炒期货,肯定要从期货开户开始。商品期货开户要选择一家可靠的、大牌期货公司、手续费又便宜的就好了,手续费最便宜的期货开户详询网站小编微信:qikai918,详细为您办理期货开户流程、手续费最低的期货开户。