python量化策略——改进的美林时钟轮动策略(一)

股票-债全-商品轮动策略——基于美林时钟模型

##这部分是先确定周期最优配置资产
选取2006.01.01-2018.01.01的GDP,CPI,沪深300(000300.SH),上债指数(000012.SH),南华商品指数(NHCI.NH)

思路很简单。通过季度的宏观经济变量,统计对应时间段的三种大资产的平均收益,选取最高的收益作为策略待选资产。
先看结果:

经济↑+通货↓时,股票:37.23%,商品:-19.58%,债券:0.68%
经济↑+通货↓时,股票:0.84%,商品:-22.89%,债券:0.51%
经济↑+通货↓时,股票:-1.20%,商品:-8.75%,债券:0.36%
经济↑+通货↓时,股票:-12.41%,商品:-11.36%,债券:0.31%
经济↑+通货↓时,股票:-16.22%,商品:-17.42%,债券:0.31%
经济↑+通货↓时,股票:5.28%,商品:-7.33%,债券:0.30%
经济↑+通货↓时,股票:-7.90%,商品:-10.30%,债券:0.36%
经济↑+通货↓时,股票:-27.52%,商品:-16.86%,债券:0.39%
经济↑+通货↓时,股票:-28.06%,商品:-10.73%,债券:0.35%
经济↑+通货↓时,股票:-27.32%,商品:-17.94%,债券:0.38%
经济↑+通货↓时,股票:-26.81%,商品:-9.58%,债券:0.27%
经济↑+通货↓时,股票:12.52%,商品:17.76%,债券:0.18%
经济↑+通货↓时,股票:0.74%,商品:11.30%,债券:0.22%
经济↑+通货↓时,股票:-168.76%,商品:-45.18%,债券:1.03%
经济↑+通货↓时,股票:-202.40%,商品:-34.00%,债券:0.82%
经济↑+通货↓时,股票:-37.58%,商品:12.90%,债券:0.25%
经济↑+通货↓时,股票:11.56%,商品:4.40%,债券:0.12%
经济↑+通货↓时,股票:55.56%,商品:12.08%,债券:-0.03%
经济↑+通货↓时,股票的平均收益:-24.03%,v,商品的平均收益:-9.64%,债券的平均收益:0.38%
经济↑+通货↑时,股票:9.21%,商品:3.76%,债券:0.23%
经济↑+通货↑时,股票:21.14%,商品:4.24%,债券:0.10%
经济↑+通货↑时,股票:15.71%,商品:14.60%,债券:0.04%
经济↑+通货↑时,股票:12.43%,商品:18.80%,债券:0.17%
经济↑+通货↑时,股票:-39.92%,商品:2.49%,债券:0.83%
经济↑+通货↑时,股票:-11.48%,商品:-16.01%,债券:1.02%
经济↑+通货↑时,股票:30.08%,商品:-15.84%,债券:0.95%
经济↑+通货↑时,股票:45.11%,商品:-20.31%,债券:0.84%
经济↑+通货↑时,股票:50.93%,商品:-14.94%,债券:0.78%
经济↑+通货↑时,股票:-11.60%,商品:12.41%,债券:0.25%
经济↑+通货↑时,股票:0.82%,商品:14.95%,债券:0.30%
经济↑+通货↑时,股票:-30.35%,商品:8.65%,债券:0.38%
经济↑+通货↑时,股票:-39.31%,商品:-24.26%,债券:0.71%
经济↑+通货↑时,股票:74.50%,商品:7.79%,债券:-0.11%
经济↑+通货↑时,股票:65.11%,商品:-3.68%,债券:0.03%
经济↑+通货↑时,股票的平均收益:12.83%,v,商品的平均收益:-0.49%,债券的平均收益:0.44%
经济↓+通货↓时,股票:7.68%,商品:22.46%,债券:0.29%
经济↓+通货↓时,股票:5.09%,商品:37.37%,债券:0.34%
经济↓+通货↓时,股票:-5.14%,商品:24.09%,债券:0.69%
经济↓+通货↓时,股票:-24.29%,商品:15.51%,债券:0.76%
经济↓+通货↓时,股票的平均收益:-4.17%,商品的平均收益:24.86%,债券的平均收益
  • 1
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python量化策略是指使用Python编程语言来实现的一种金融投资策略。它基于量化金融理论和数据分析方法,结合计算机技术,通过对金融市场的历史数据进行分析和建模,以制定投资决策和执行交易。 Python量化策略的思路是,首先通过获取和整理市场的历史数据,包括股票、期货、外汇等金融资产的价格、成交量等信息。然后使用Python编写程序,通过各种统计学和机器学习技术来对这些数据进行分析和挖掘。常用的分析手段包括回归分析、时间序列分析、协整模型等。 在分析的基础上,可以基于一定的模型或者规则制定投资策略。例如,可以构建基于移动平均线、均值回归、动量策略等来判断市场的趋势或者价格的波动情况。同时,还可以利用技术指标和量化指标来判断市场的买入和卖出时机。 最后,通过实施交易策略,并使用Python编写程序执行实际的买入和卖出操作。可以使用经纪商提供的交易接口,通过Python程序进行自动化交易,并能够根据实时市场数据进行及时的调整和执行。 Python量化策略具有高效性、可重复性、系统化等特点,可以帮助投资者规避情绪化和盲目操作,减少人为因素的影响,提高投资决策的科学性和稳定性。同时,Python具有丰富的开源库和社区资源,方便开发者进行策略研究和系统开发。 总之,Python量化策略是一种将计算机科学与量化金融相结合的投资方法,通过数据分析和系统化的交易策略来获取稳定的投资回报。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

小李、不姓李

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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