- 博客(9)
- 收藏
- 关注
RSS订阅原创 股票多因子模型策略构建
总结，对于两个或多个因子以上的因子构建横截面选股策略其实可以有多种选择，实际情况好坏可以通过前述的参数调优的方法进行优化。最后，出于控制手续费的考虑，可以对换仓频率进行控制，比如每10天，20天进行一次调仓，调仓频率可以作为策略构建时的一个参数。此时需要对这若干个因子进行组合来构建策略，并通过调优来形成最终的多因子策略用于交易。多因子策略构建2，我们也可以按照年化revenue增速因子排名为前20%，同时按照pb因子排名也在前20%情况下的股票才作为选股对象，同样计算累积收益率并绘图。
2023-04-17 21:15:00
586
1
原创 海龟交易法--参数调优(Python)
注意到在上一篇文章的代码实现中，我们设置了一些参数，这些参数也影响了我们实际交易中信号触发的条件和周期。为此，设计了网格调优的程序，寻找能产生最大收益或者控制最大回撤的对应参数。我们希望年均回报率能够大于15%，而希望最大回撤能控制在-20%以内。通过for循环，让不同的n1(取从20到40的所有整数)和n2(取从20到70的所有证书)自由组合，计算所有组合情况下的最大回报率。调用海龟交易法程序，并设置相应的参数为n1=40，n2=20，atr_parameter=30。7.27 (对应727%)
2023-04-12 22:40:03
486
原创 海龟交易法--本地回测(Python)
他不仅适用于股市，也适用于一切容易形成趋势的交易标的，如期货，股指，加密货币，外汇等。他的交易思想是，趋势形成后赚取的利润会高于下跌周期中损失的本金，所以从整体上看海龟交易法能通过合理设置交易参数带来可观的盈利。设置海龟交易法需要用到的参数，其中n1表示长周期的天数（用于判断做多和做空的进入点），n2表示短周期的天数（用于判断看多或看空趋势结束的点），atr_parameter则是观察和计算平均波幅的天数，平均波幅和每次交易量成一定比例。接着进行交易过程的可视化，包括k线，唐安奇通道及买入卖出点等。
2023-04-12 21:44:05
777
原创 雪球产品期权价值蒙特卡洛模拟（2）
可见雪球产品的期望收益率并不高，不能被票面收益率所诱导，其波动率14.75%倒是比标的资产要低的，但是标的资产预期收益率也更高。最终看下sharpe ratio，其sharpe ratio只有0.26，可以说很一般，但是比沪深300的还是要略好一些。定义期权价值函数并根据沪深300雪球产品参数计算看跌期权的价值。根据计算结果绘制10000次蒙特卡洛模拟的标的价格曲线如下。继续绘制标的资产预期收益率和雪球产品收益率的关系曲线。计算雪球产品的期望收益率（irr），模拟10000次。
2023-04-10 22:47:57
1378
1
原创 雪球产品期权价值蒙特卡洛模拟（1）
雪球结构产品是一种奇异期权，实质上就是投资者向券商卖出的“带触发条件的看跌期权”，这种看跌期权添加了上下两个障碍价格作为触发条件，因此叫做奇异期权（收益凭证）。情况2：整个合约期内，先触及敲入条件，之后在合约期到期前，达到敲出条件，投资者获得实际持有天数对应的券息。情况1：整个合约期内，从未触及敲入，在合约期到期前，达到敲出条件，投资者获得实际持有天数对应的券息。情况4：整个合约期内，触及过敲入条件，合约到期时，标的期末价格大于等于期初价格，投资者收益为0。雪球产品标的未来价格路径的模拟。
2023-04-10 21:55:04
935
2
原创 股票因子--回归分析
展示如下（可以看出t值大于2的比例明显增多了，接近一半；随着月频coef绝对值的增大，其std集中的位置也增大到0.0045附近）继续回归一个截面，这次加入行业哑变量（若股票属于该行业则哑变量为1，不属于该行业则哑变量为0）展示如下（t值在2倍以上的不到1/4，std主要集中在0.001附近）可以看出要平滑很多，说明回归在月频时间尺度上的单调性要更好。加入行业哑变量之后的回归系数及显著性（t值）表格变为。再看一下月频下的t值和std的直方分布。画出月频情况下coef的累积曲线。改成做月频的回归看看效果。
2023-04-09 23:31:30
373
1
原创 股票因子--IC分析
3）Rank IC：对因子值与明天收益率求rank，然后计算相关系数。两个变量求rank后计算的相关系数为Spearman相关系数。累计Rank IC的结果如下。IR: information ratio, IC的均值与标准差的比值，衡量IC的稳定性。需要把原始因子对行业哑变量和是指变量一起回归，回归残差作为新的因子。计算秩的相关性并可视化行业中性后的累积Rank IC。因子IC分析（IC=corr(dt,Rt+1)）取出行业均值的Rank IC满足如下直方分布。2）IC累计计算及可视化。
2023-04-09 17:04:17
1765
2
原创 投资组合--最优化求解(Python)
除了用蒙特卡洛模拟进行投资组合求解外，也可以通过python的scipy.optimize库进行最优化求解。接着上一篇文章，我们继续使用scipy.optimize进行投资组合最优化求解工作。
2023-04-09 16:33:42
2575
1
原创 投资组合--蒙特卡洛模拟(Python)
运行10000次随机构建的组合比例（不做空任何一只股票）模拟结果如下（右上角蓝色方块对应夏普比率最大的组合）有效边界及市场组合——蒙特卡洛模拟。获取全部模拟中夏普比率最大值。首先import需要用到的库。加载画图的库并忽略告警。
2023-04-08 16:44:39
1973
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人