沪深300指数进行择时，看看能否获取超额收益

最新推荐文章于 2024-04-26 23:16:24 发布
VIP文章 最新推荐文章于 2024-04-26 23:16:24 发布
阅读量3k 收藏 5
点赞数 1
分类专栏： 量化投资 文章标签： 量化投资 线性模型 随机森林 择时 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhangqiangbeijing/article/details/79301176
版权
一 研究问题
尝试对沪深300指数进行择时，看看能否获取超额收益。
当模型预测到指数未来10个交易日的收益率大，则买入，否则持有现金。
二 初步的结论
沪深300指数的未来10个交易日的收益具有一定的预测性性，弱可预测。
上图右边是样本内的预测效果。左边为样本外的预测效果。x轴--实际收益率，y--预测收益率
训练数据为2005到2014年的指数及宏观经济数据，样本外为最近3年的指数10日收益率
最低0.47元/天 解锁文章
海盗岛
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
wind终端上获取沪深300日行情数据并存入Excel
04-02
wind终端上获取沪深300日行情数据并存入Excel
在tushare上提取沪深300指交易数据
莲君
01-19 1万+
import numpy as np import pandas as pd import tushare as ts import MySQLdb as mdb #获取沪深300指数的股票名单 hs300_data=ts.get_hs300s() hss=hs300_data[“name”] #获取上交所SSE，深交所SZSE，港交所HKEX正常上市交易的股票名单 pro=ts.pro_api(...
量化入门系列：沪深300、中证500、中证1000的估值百分位
ewqazxc的博客
11-08 2859
本系列通过一些实例介绍量化的入门知识，适合零基础的初学者。本篇计算三个宽基指数：沪深300、中证500、中证1000的估值百分位，并将其与价格百分位比较。本文的程序运行前要先导入数据源和pandas库：import akshare as ak # 导入数据源 import pandas as pd # 导入pandas库pandas的数据分析功能非常强大，在量化分析中会经常用到，要熟悉掌握。从上一篇《量化入门系列：四行代码实现A股的估值温度计》可以总结出，此类量化分析通常分为三个步骤：第一步打开
Lasso算法理论介绍
热门推荐
slade_sha的博客
11-14 9万+
先讲一波过拟合： 均方根误差也叫标准误差，即为√[∑di^2/n]=Re，n为测量次数；di为一组测量值与真值的偏差。 实际考虑回归的过程中，我们需要考虑到误差项， 这个和简单的线性回归的公式相似，而在正则化下来优化过拟合这件事情的时候，会加入一个约束条件，也就是惩罚函数： 这边这个惩罚函数有多种形式，比较常用的有l1,l2，大概有如下几种：
【Python量化交易笔记】股票数据获取 (一)
qq_30417749的博客
04-11 2164
量化交易笔记
tushare pro接口_tushare正确爬取 指数数据
weixin_39731916的博客
11-30 1066
相信很搞金融数据分析的人，都知道Tushare，一个免费、开源的python财经数据接口包。可以非常简单爬取股票、宏观经济数据、新闻时事、银行间同业拆放利率、甚至电影票房数据都可以爬取，比起国外的雅虎财经，爬取的数据那是非常快，另外一个优点就是返回的绝大部分的数据格式都是pandas DataFrame类型，可以直接用 pandas直接进行处理。今天就不介绍股票数据查询，直接用6位数字代...
机器学习——随机森林特征选择及周期性分析
杨老师的小跟班(*∩_∩*)
10-09 3522
随机森林——特征选择（降维） 前面的文章有写过PCA降维，虽然随机森林和它都是横向的降维，但是呢PCA降维之后是生成了新的特征（新的特征是原来特征的线性组合，但是呢这个新的特征没有赋给现实的含义）；而随机森林是从中挑选出更有价值的特征。
tushare获取沪深300指数历史_在tushare上提取沪深300指交易数据
weixin_42392054的博客
01-30 2232
import numpy as npimport pandas as pdimport tushare as tsimport MySQLdb as mdb#获取沪深300指数的股票名单hs300_data=ts.get_hs300s()hss=hs300_data[“name”]#获取上交所SSE，深交所SZSE，港交所HKEX正常上市交易的股票名单pro=ts.pro_api()exc=[“S...
LSTM机器学习预测沪深300指数涨跌来交易股指期货
meiaoxue1234的博客
02-07 1416
说明：用沪深300当日收益率、5日收益率和5日均线乖离作为输入特征，标签用第二天的收益率。将三个输入特征和标签转换为1和-1，如收益率大于零为1代表张，小于零为-1代表跌。结论：从回测结果看，有点过拟合，给的三个特征也不是很好，可以加入更多相关性强的特征，注意，类似于价格的特征需要做平稳性检验。• tb交易开拓者策略编写，预测值大于0时做多，小于0时开空，反手策略。• 下面是样本内信号，非常好。• 下面是样本外信号，一般。
沪深300指数三因子模型择时策略.rar_300_7DL_择时_择时策略_沪深300策略
07-15
沪深300指数三因子模型择时策略，由于个股规模因子相差较大，我们用1表示小的流通市值，2表示大的流通市值。自由流通股大于为1，小于为-1。
基于沪深300指数：支持向量机在股票择时中的应用.pdf
05-13
基于沪深300指数：支持向量机在股票择时中的应用.pdf
Hurst指数择时.rar_-baijiahao_hurst_hurst指数回测_hurst指数择时_回测
07-14
基于Hurst指数的择时策略代码，用中证800数据回测
金融工程：HMM指数择时研究之理论篇1
08-04
报告摘要：本篇报告是 HMM 指数择时系列研究报告的第二篇——理论篇，我们在上一篇实战篇的基础上，首先回顾了 HMM 三大算法：概率计算算法、学习算法及预测算法
强化学习+神经网络来训练一个股票交易系统
zhangqiangbeijing的博客
02-09 1万+
简介： 本文采用强化学习+神经网络的框架，训练一个股票交易系统，并在个股上进行了测试。下面为详细记录：上面这个图是一个强化学习的交易模型。这个图是out sample的交易结果。2012~2015年的数据为训练数据，2015为out sample测试。红线为伊利股份的股价，蓝线为交易净值。跑赢基准40个百分点。上面这个图显示的是模型在训练过程中的表现，在125个训练周期之后，模型能稳定...
基于财务预测的基本面因子的分析
zhangqiangbeijing的博客
02-09 4245
本文开发了一个上市公司财务预测模型，基于公司的（预测）财务数据构建基本面因子，进行因子有效性回测。一 哪些基本面因子有效？在电子元件制造-被动元件这个三级细分行业里面，成长性因子有效。['成长性因子','营业收入4年增长率', 'EBITDA4年增长率', '净利润(不含少数股东损益)4年增长率']另外，公司运营因子有一定效果。[ '存货周转率', '应收账款周转率', '总资产周转率', '流...
抓取全网财经新闻，计算新闻相关股票的多空舆情，量化买入
zhangqiangbeijing的博客
02-11 3881
抓取全网财经新闻，计算新闻相关股票的多空舆情，量化买入按照新闻的热度（涉及该股票的新闻出现次数）进行排序，买入排名靠前的前5只股票详细代码和结果https://uqer.io/community/share/596d8cb34030e0005838226b...
事件驱动：业绩黑马
zhangqiangbeijing的博客
02-11 336
昨天晚上写了个量化程序，主要思路是在上市公司公布正式业绩之前，会发布一个业绩预告，爬虫监控到公司发布预告了，找出业绩飙升的股票。如果业绩同比增长超过80%，则在公告发布之后的交易日买入。如果公告是在当天交易结束之后发布的，则在下一个交易日买入。代码和结果见这里。https://uqer.io/community/share/596d8a424030e00056382127...
神经网络的激活函数
最新发布
小森的博客
04-26 632
然而，它也存在梯度消失的问题，这意味着在训练过程中，当输入值非常大或非常小的时候，梯度几乎为零，这会导致权重更新变得非常缓慢，从而影响网络的学习效率。Softmax 直白来说就是将网络输出的 logits 通过 softmax 函数，就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么我们将它理解成概率，选取概率最大（也就是值对应最大的）节点，作为我们的预测目标类别。假设有一个单层的神经网络，其输入为𝑥x，权重为𝑤w，偏置为𝑏b，那么该层的输出𝑦y可以表示为：𝑦=𝑤⋅𝑥+𝑏y=w⋅x+b。
llt低延迟趋势线与交易性择时 短线择时策略研究
07-28
低延迟趋势线（LLT）与交易性择时策略是一种研究市场走势和进行短线交易的方法。 LLT是一种技术指标，用于平滑价格走势并识别趋势的变化。它基于线性回归方法，通过计算价格变化的斜率和最佳拟合线的截距，可以预测...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值