【量化策略】系列文章
文章平均质量分 85
呆萌的代Ma
这个作者很懒,什么都没留下…
展开
-
因子分析1——python因子的异常值处理、标准化、市值/行业中性化
市值大的是真的大,小的是真的小,如果我们不对市值做处理,就没有办法对因子做“提纯”,奇怪的数据会得到奇怪的模型。为了解决杂质的影响,我们通过“市值中性化”这种方法,剔除市值的影响。原始数据的分布在使用一些拟合的方法时,异常值(超大、超小)对结果的影响是毁灭性的,因此我们对异常值做处理,但是金融数据大多数都不是错误的数据,而是确实存在但难以处理的数据。基于截面数据的建模并不是说:当前截面的情况对应了未来就会如何如何,而是后验的去描述,未来表现如何如何时,历史上的截面数据大概有什么样子的表现。原创 2024-02-01 14:20:09 · 1036 阅读 · 0 评论 -
量化策略——准备5 策略调参配置文件读写、日志的保存
这样就会方便很多,同时回测与参数生成分离开,方便更复杂的框架。这样就可以实现,不论怎么运行当前文件,都会实现日志的写入。是文件名,我们使用loguru来控制日志的记录。原创 2023-10-30 11:10:20 · 227 阅读 · 0 评论 -
交易信号有效性测算1——N日涨跌幅
在交易信号发出后,我们需要一些程序化的流程,来验证信号的有效性,其中信号发出后N日的涨跌幅就是一个比较常见的任务。原创 2023-05-29 13:49:08 · 659 阅读 · 0 评论 -
量化择时——LSTM深度学习量化择时(第1部分—因子测算)
input_size:x的特征维度hidden_size:隐藏层的特征维度num_layers:lstm隐层的层数,默认为1。原创 2023-04-18 14:24:52 · 2178 阅读 · 0 评论 -
量化择时——SVM机器学习量化择时(第1部分—因子测算)
最近ChatGPT比较火,NLP的同学们感触肯定会更深。NLP的应用为人所知并积极部署是一件好事,但是应用层面上的每个应用场景都是过去的领域内SOTA模型不断攻克的任务。但是可惜的是,近年来,解决单一任务在算法层面的突破明显减速,应用层面却在加速推广。ps:目前资讯里还没有见到提到“天网”这个词,hhhhhhh,当年VR,AR啥啥都没有的时候,漫山遍野的提“天网”要来啦,不知道这次的爆点又是什么这里我们使用一个较为简单且常用的机器学习模型SVM,对择时提供帮助,以获得超额回报。原创 2023-04-02 15:17:05 · 2924 阅读 · 10 评论 -
量化择时——平均K线图双均线策略(第1部分—策略效果测算)
平均K线图是蜡烛图的一种分支,在日本,Heikin意味着“平均”,Ashi意味着“节奏”。相对于传统的K线图,平均K线图可以反映出趋势的变化及强烈程度,但是在平均K线图中,最高、最低、开盘、收盘,并不代表真实的盘面价格,而是加工后的数据结果。原创 2023-03-23 14:55:27 · 1374 阅读 · 0 评论 -
量化择时——均线策略及改进方法(第1部分—因子测算)
使用盘面数据,根据计算出的一条或多条均线,判断入场与离场的时机,基本上就是技术面分析。而技术面分析的思想我们可以借鉴比较经典的“道氏理论”。原创 2023-03-07 16:48:36 · 1599 阅读 · 0 评论 -
量化选股——基于动量因子的行业风格轮动策略(第2部分—策略回测)
这里我们使用backtrader回测框架,回测的内容除了在。以 1/1000 作为摩擦成本,不计算管理费。原创 2023-02-27 22:52:55 · 1317 阅读 · 1 评论 -
量化择时——资金流择时策略(第1部分—因子测算)
通常,资金流是一种反映股票供给信息的指标,宏观上来讲,我们知道一个道理:僧多粥少的时候“粥”就格外的值钱。在股市中,一般情况下,股票的总量是固定的,能用来交易的量也是相对固定的,当钱(僧)大量涌入的时候,会使原有的股票更加值钱,反之股票价格会下跌。资金净流入导致价格上涨资金净流出导致价格下跌资金流入:证券价格处于上升状态时,产生的成交额被认为是推动价格上涨的力量,记为资金流入资金流出:证券价格处于下跌状态时,产生的成交额被认为是推动价格下跌的力量,记为资金流出。原创 2023-02-24 13:18:52 · 1663 阅读 · 0 评论 -
量化策略——准备4 python量化因子测算&绘图
量化因子的测算通常都是模拟交易,计算各种指标,其中:- 测算需要用到的第三方库:numpy,pandas,talib- 绘图需要用到的第三方库:matplotlib,seaborn其他库随策略的需要额外添加原创 2023-02-23 14:35:46 · 921 阅读 · 0 评论 -
量化选股——基于动量因子的行业风格轮动策略(第1部分—因子测算)
动量,可以理解为“势头”,“强势的程度”。汽车遇到红灯时,不是一下子停下,而是滑行一段再停。滑行的这一段就解释为“动量”造成的。动量因子表示,即便情况发生了变化,这些因子所代表的势头仍会持续一段时间。动量因子一直饱受争议,因为它的前提假设是股票会表现出马太效应。意思是:股票的相对强弱趋势会延续,并且表现出“强者恒强,弱者恒弱”的态势,除非有意外情况发生才会导致强弱之势逆转。动量效应:股票的收益率会延续反转效应:经过较长时间后,收益会翻转挖掘动量因子的过程往往是先算出结果,再找一个逻辑来解释。原创 2023-02-13 16:16:33 · 4558 阅读 · 6 评论 -
量化选股——基于Fama-French三因子模型的量化策略
多因子模型(Multifactor Model),也是使用最为广泛的模型(神似ywxby=wx+bywxb因子:资产收益(率)的解释变量多因子模型:是基于“因子”的投资理论构造出的一个模型,用于描述投资的逻辑因为多因子模型是希望构建“解释变量”来解释最终收益,因此在构造模型的过程中,会存在一些前提条件。想象这样一个场景:过去买了好多股票【股票的组合】,每天都会有当天的损益,最终形成收益曲线图。因子是用来解释股票本身的,而最终会通过作用于个股价格的涨跌,将损益传递给整个组合。原创 2023-01-26 18:39:07 · 9218 阅读 · 0 评论 -
量化策略——准备3 数据、Backtrader回测框架与quantstats评价指标
我们一般使用这个库来获取股票数据或策略中用得到的数据:使用Backtrader框架作为回测的框架:使用quantstats库作为回测结果评价的库:这一部分准备好之后,后续我们将关注点主要放在【策略】上,对于数据、评价指标这些如无特殊处理,将不再赘述。整个量化的框架构造起来不太容易,如果以前有所了解,可以用自己习惯的方式;如果觉得困难较大,也可以先跳过,等后面能力够了之后,再上手构建。ps:大家要慎重的使用网上的量化平台,因为偷策略这种事太正常了,大家还是最好自己本地搭一个测试的平台~原创 2023-01-19 18:07:59 · 2558 阅读 · 3 评论 -
量化策略——准备2 量化技能树&量化术语
通常是按照预设的规则,计算机监控实时的价格, 一旦快要触发卖出或买入条件时,才会真的挂单,所以一只股票可以挂很多很多的单子。指交纳保证金借钱买股票,通过用杠杆买入更多的股票,股价涨得越多,通过杠杆赚的越多。只要有在自己能力圈内的东西,就可以尝试进入这个行业做一些事情,或者自学一些相关的知识,做一个独立的Quanter也是OK的,只要有自己的规划就行。同样的,有任何想法请留言或私信,包括希望学习的知识和呈现的平台也欢迎推荐,也希望大家可以群策群力,一起让我们的【量化策略】系列做的越来越好!原创 2023-01-05 21:52:21 · 1276 阅读 · 5 评论 -
量化策略——准备1 系列简介
量化选股:选择大概率赚钱的好股票量化择时:选择低买高卖的好时机量化套利:利用不同市场、品种、价格共识等,进行价差套利量化委托:通过控制委托单的操作,使瞬时的交易尽量向有利于自己的方向偏移每一个部分,都会介绍很多公开的策略或方法,每介绍一种交易策略,都会尽可能详细的描述策略的思想(站在计算机的角度)与实现方式。希望能够帮助大家把每一种策略的思想搞明白,然后给与自身一些启发。原创 2023-01-05 16:20:07 · 390 阅读 · 0 评论