分类
外汇交易市场策略

量化投资

第一类,基本面分析是很多基金常用的,也是学术界常研究的。目的是研究公司的内在价值,根据公司的历史财务数据,行业数据,宏观经济数据,去寻找一些和股价风险溢价有很大关系的因子。多因子模型是最常见的一种选股模型,如果某些股票满足了这些因子,则被买入,不满足的则被卖出。学术界的Fama-French 三因子模型,五因子模型是很好的多因子模型例子。因子通常分成很多类,视乎定义,常见的十大类有成长,质量,价值,规模,Beta,波动率,财务杠杆,流动性,反转和动量。
有两个排序方法:第一,根据每类的指标去给股票排名,然后计算总分,选出最优质的几十只股票;第二,用回归方法,个股每月或每季收益是因变量,因子是自变量,根据自变量的系数大小排序,但比较复杂。
下图是一些因子的例子:

第二类,规则或技术指标分析是指根据自定义规则或者技术指标去买或卖投资标的。基本上只考虑价格和成交量,其余的因素都不考虑,是简单方便的投资策略。举一个自定义规则的例子:假如突破上个月的高点就买进,赚10%就止盈,亏5%就止亏。技术指标有5日,10日均线,RSI,MACD,KDJ,DMI等等,各种投资资讯网站都有。那么你会问,这些指标有用吗?我可以告诉你,绝对有用,起码我找到最少一个组合方法可以比较稳定盈利的,关键是要组合一起来运用,这过程需要不断尝试才能找到一个好方法的。以后我会分享我的方法和源码。

量化投资入门系列 ---(一)浅谈量化投资

量化投资之路 于 2021-01-12 00:09:57 发布 4781 收藏 45

金融:企业金融,投资学,衍生产品,国际金融
经济:宏观经济,微观经济,国际经济,计量经济
电脑编程语言或脚本语言:Python, R,Matlab,Java, C++
数学:统计学,机器学习,微积分,概率学

在编程上为什么要选择Python做为主要的编程语言呢?第一,它是免费的;第二,相对来说容易学;第三,免费的公开资源多;第四,用上机器学习,深度学习模型的话就更方便;第五,不单只能做数据分析,而且能做软件开发。虽然R是免费的,也能做数据分析,但功能上没有Python强大,因为它只是脚本语言,而不是一种编程语言;另外,在机器学习,深度学习方面缺乏支持。Matlab虽然好用,但不是免费的,而且在国内部分高校被禁用了。Java 和 C++ 是很好的编程语言,不但能做数据分析,而且能开发很多应用程序,执行速度也比Python快多了。但是缺点是学习起来很复杂,不是一般人能掌握得好,而且在机器学习,深度学习应用方面就更复杂了。所以,只做数据分析和中低频交易的话,Python 是非常好的选择。

如果有考试及格证明的话就加分,公认的考试有Analyst of Quantitative Finance (AQF), Chartered Financial Analyst (CFA), Financial Risk Manager (FRM) 和Certified Public Accountant (CPA)。AQF是国内认证的,CFA,FRM是国际认证的,CPA就每个国家的会计准则来考的。

投资策略类别

在这里插入图片描述

第一类,基本面分析是很多基金常用的,也是学术界常研究的。目的是研究公司的内在价值,根据公司的历史财务数据,行业数据,宏观经济数据,去寻找一些和股价风险溢价有很大关系的因子。多因子模型是最常见的一种选股模型,如果某些股票满足了这些因子,则被买入,不满足的则被卖出。学术界的Fama-French 三因子模型,五因子模型是很好的多因子模型例子。因子通常分成很多类,视乎定义,常见的十大类有成长,质量,价值,规模,Beta,波动率,财务杠杆,流动性,反转和动量。
有两个排序方法:第一,根据每类的指标去给股票排名,然后计算总分,选出最优质的几十只股票;第二,用回归方法,个股每月或每季收益是因变量,因子是自变量,根据自变量的系数大小排序,但比较复杂。
下图是一些因子的例子:

第二类,规则或技术指标分析是指根据自定义规则或者技术指标去买或卖投资标的。基本上只考虑价格和成交量,其余的因素都不考虑,是简单方便的投资策略。举一个自定义规则的例子:假如突破上个月的高点就买进,赚10%就止盈,亏5%就止亏。技术指标有5日,10日均线,RSI,MACD,KDJ,DMI等等,各种投资资讯网站都有。那么你会问,这些指标有用吗?我可以告诉你,绝对有用,起码我找到最少一个组合方法可以比较稳定盈利的,关键是要组合一起来运用,这过程需要不断尝试才能找到一个好方法的。以后我会分享我的方法和源码。

第三类,把机器学习方法应用在投资上是比较新的,其中,深度学习方法近几年很火。深度学习是机器学习里的一个分支,在2012年才开始火起来的,那年大神Geoffrey Hinton首次参加了ImageNet图像识别比赛,运用卷曲神经网络模型CNN构建AlexNet深度神经网络模型,最后夺得冠军,从此CNN吸引到了众多研究者的注意。CNN是可以应用在时间序列的。另外,(Gated Recurrent Unit) GRU,(Long Short-term Memory) LSTM专门用于时间序列的预测,效果比传统的OLS,ARMA 模型好。还有许多复杂的深度学习方法,我会尽量涉及。用机器学习方法预测投资标的价格,或者做资产定价已经是火热的研究。

this article is mainly to introduce R quant!

量化投资

We only use cookies for essential purposes and to improve your experience on our site. You can find out more in our cookie policy.

Kazakhstan

Bạn đang truy cập website WikiFX. Website 量化投资 WikiFX và ứng dụng WikiFX là hai nền tảng tra cứu thông tin doanh nghiệp trên toàn cầu. Người dùng vui lòng tuân thủ quy định và luật pháp của nước sở tại khi sử dụng dịch vụ.

Trong trường hợp các thông tin như mã số giấy phép được sửa đổi, xin vui lòng liên hệ:[email protected]

量化投资——思想、工具与策略

量化密码库 于 2019-08-12 15:41:04 发布 3601 收藏 15

量化投资是指通过数量化方式及计算机程序化发出买卖指令,以获取稳定收益为目的的交易方式。对于公众和非专业人士而言,量化投资由于其机构化、规模化、深度专业化的特征,往往显得神秘莫测。而我校经金学院副教授元向辉则结合一些典型案例,采用深入浅出的方式,讲解了量化投资中的思想、工具和策略问题,为我们展示了这一神秘领域的一方风采。

量化投资的思想——从几个赌博的例子说起

可见玩家不论先赢后输还是先输后赢总是赔钱的,但是倘若改变投入资金所占资金的比例结果便会有所不同。可见合理利用量化思想,便可以使利好的天平偏向自己。

量化投资与传统投资的比较

元教授认为通过学习借鉴大师的投资思想,可以快速提高我们自己的能力。众所周知,沃伦·巴菲特素有“股神”之名,却鲜有人知投资大师詹姆斯·西蒙斯,这位创造了华尔街投资神话的传奇人物管理的大奖章基金的平均年收益率比巴菲特还要高得多。

这正是量化投资区别于传统投资的本质——量化投资要求熟练地运用数学工具和计算机软件,涉及更广范围的投资对象,对金融方面的知识和特定投资对象的深入了解反而要求较少;而传统投资更偏向于一种“价值预判”,要求投资者深刻了解投资对象并对其发展前景做出预估。

量化投资中的几个数学工具

大数定律

凯利公式

举例而言,若一赌博有40%的获胜概率(p = 0.4,q = 0.6),而赌客在赢得赌局时,可获得二对一的赔率(b = 2),则赌客应在每次机会中下注现有资金的 10%(f* = 0.1),以最大化资金的长期增长率。

多元化投资

量化投资策略

神奇公式

所谓"神奇公式",是假定有一位年轻人,从当下每年定期存款1.4万元,享受平均5%的利率,如此持续40年,他可以积累的财富为1.4万元×(1+5%)×40=169万元。但是,如果这位年轻人将每年应存的钱全部投资到股票或房地产市场,并假定能获得年均20%的投资报酬率,则40年后,依照财务学计算年金的公式:1.4*[1+20%)^40-1]/20%=1.0281亿元,他将成为亿万富翁!当然,年均20%的投资报酬并不易得,"神奇公式"真正的目的,是告诉人们投资理财并无什么复杂技巧,最重要的乃是观念。每个理财致富的人,只不过是养成了一般人不喜欢、且无法做到的习惯,即投资理财的能力而已。

银行股轮动策略

大小盘轮动的多因子选股策略

当然,方法、策略、工具再多,也离不开投资实践。所谓的股市常青松并非掌握了不倒不易的神通,而是经历过各种各样的颠簸起伏、摸爬滚打,并从中汲取经验教训,才有今日之辉煌。量化投资理论正值方兴未艾之际,感兴趣的投资者更应当加强学习,以便早日应用。