本文探讨了Ernie Chan的量化交易书籍中关于使用自回归模型（AR）进行日内高频交易的策略。通过R语言研究，发现价格序列存在自相关性，但高交易频率导致盈利难以覆盖成本。降低交易频率至10分钟K线，虽改善了盈利，但仍不足够。结论指出，虽然短期均值回归存在，但在实际交易中可能不具经济可行性。
我非常喜欢Ernie Chan写的量化交易的书籍：《Quantitative Trading》，《Algorithmic Trading》和《Machine Trading》。书中有一些很棒的见解，但是我最喜欢的是对各种策略进行简单而透彻的讲解，以及可以用来研究和交易的量化工具。Ernie明确指出，书中的示例无法用于实盘交易，但它们无疑为后来者提供了指引。
《Machine Trading》介绍了一种基于自回归模型的外汇日内交易策略，它的净值曲线非常吸引人，所以我决定深入研究一下。
本文来自《数据黑客》，登录官网可阅读更多精彩资讯和文章。
自回归模型
自回归（Autoregressive）模型是时间序列模型，其中：
- 预测变量是时间序列的过去值
- 目标变量是时间序列的未来值
如果使用时间序列的一阶滞后y(t-1)作为预测变量，则AR模型被称为AR(1)，如下所示：
y t = β 0 + β 1 y t − 1 + ϵ t ( β 为 回 归 系 数 ) y_t = \beta_0 + \beta_1 y {t-1} + \epsilon_t (\beta为回归系数) yt=β0+β1yt−1+ϵt(β为回归系数)
如果使用二阶滞后y(t-1), y(t-2)作为预测变量，将其称为AR(2)模型，如下所示：
y t = β 0 +
最低0.47元/天 解锁文章
扫一扫
2363
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
