分类
美股期权交易基础

量化交易主要有哪些经典的策略?

量化交易主要有哪些经典的策略?

大家好,我是[email protected]社区。今天给大家带来干货满满的经典期货量化交易策略11种。

01 双均线策略(期货)

双均线策略是简单移动平均线策略的加强版。移动平均线目的是过滤掉时间序列中的高频扰动,保留有用的低频趋势。它以滞后性的代价获得了平滑性

比如,在一轮牛市行情后,只有当价格出现大幅度的回撤之后才会在移动平均线上有所体现,而对于投资者而言则大大增加了交易成本。如果使用双均线策略,就可以在考虑长周期趋势的同时,兼顾比较敏感的小周期趋势,无疑是解决简单移动平均线滞后性弱点的一项有效方法。

02 菲阿里四价(期货)

昨天高点昨天低点昨日收盘价今天开盘价,可并称为菲阿里四价。它由日本期货冠军菲阿里实盘采用的主要突破交易参照系。此外,因菲阿里主观心智交易的模式,决定了其在实际交易中还大量结合并运用了“阻溢线”的方式,即阻力线、支撑线

主要特点:日内交易策略,收盘平仓;菲阿里四价指昨日高点、昨日低点、昨日收盘、今日开盘;上轨=昨日高点;下轨=昨日低点;当价格突破上轨,买入开仓;当价格跌穿下轨,卖出开仓。

03 布林线均值回归(期货)

一般而言,股价的运动总是围绕某一价值中枢(如均线、成本线等)在一定的范围内变动,布林线指标正是在上述条件的基础上,引进了“股价通道”的概念,其认为股价通道的宽窄随着股价波动幅度的大小而变化,而且股价通道又具有变异性,它会随着股价的变化而自动调整

04 网格交易(期货)

网格交易是利用市场震荡行情获利的一种主动交易策略,其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的

05 跨期套利(期货)

跨期套利就是在同一期货品种的不同月份合约上建立数量相等、方向相反的交易头寸,最后以对冲或交割方式结束交易、获得收益的方式。最简单的跨期套利就是买入近期的期货品种,卖出远期的期货品种。

06 跨品种套利(期货)

跨品种套利是指利用两种不同的,但相互关联的商品之间的合约价格差异进行套利交易,即买入某一交割月份的某种商品合约,同时卖出另一相同交割月份、相互关联的商品合约,以期在有利时机同时将这两个合约对冲平仓获利。

跨品种套利的主导思想是寻找两种或多种不同,但具有一定相关性的商品间的相对稳定关系(差值、比值或其他),在其脱离正常轨道时采取相关反向操作以获取利润。根据套利商品之间的关系,跨品种套利可分为相关商品套利产业链跨品种套利两种类型。

07 海龟交易法(期货)

海龟交易法则属于趋势交易,首先建立唐奇安通道(下文会具体解释),即确定上突破线和下突破线。如果价格突破上线,则做多,如果价格突破下线就平仓或做空。

08 Dual Thrust(期货)

Dual Thrust是一个趋势跟踪系统,由Michael Chalek在20世纪80年代开发,曾被Future Thruth杂志评为最赚钱的策略之一。

Dual Thrust系统具有简单易用、适用度广的特点,其思路简单、参数很少,配合不同的参数、止盈止损和仓位管理,可以为投资者带来长期稳定的收益,被投资者广泛应用于股票、货币、贵金属、债券、能源及股指期货市场等。

09 R-Breaker(期货)

R-Breaker是一种短线日内交易策略,该策略已经在市场上存活了二十年之久,尤其当指数波动较大时,该策略表现越好

根据S&P至2011年底的统计,R-Break也多次名列前十。由于进入榜单的交易系统业绩并不稳定,尤其是一年业绩榜单,时常会发生变化,因此模型的稳定性和一致性其实比短期排名更加关键。杂志给出了长期来看一致性最好的十大交易模型,其中就包括 R-Breaker 等模型,它们的业绩不一定总是能排进前十名的榜单,但长期以来具有较高的一致性。

10 做市商交易(期货)

做市商的主要利润来自于双向报价的买卖价差。因而,做市商需要计算期权的理论价格,在大量买入和卖出交易中,逐渐积累每笔交易价格和理论价格的差价,并根据持仓头寸特征,动态调整价差。由于做市商以被动成交为主,因而在一些对手方持续大量单边交易的情况下,做市商可能面临损失。

11 alpha对冲(期货)

投资者在市场交易中面临着系统性风险(即贝塔或Beta、β风险)和非系统性风险(即阿尔法或Alpha、α风险),通过对系统性风险进行度量并将其分离,从而获取超额绝对收益(即阿尔法收益)的策略组合,即为阿尔法策略

量化交易软件开发,量化交易主要有哪些经典的策略?

Aberration 交易系统由Keith Fitschen 于1986 年发明,1993 年KeithFitschen 将该系统商业化发布,自发布之日起,该系统业绩一直名列前茅,在1997 年、2001 年、2005 年已发布交易系统的业绩排名中该系统均排名前十。该交易系统的特点是同时交易在8 种不同的品种上,包括谷物、肉类、金属、能源、外汇、金融以及股指期货等。Aberration 交易系统的交易频率常常是每年交易某一品种3-4 次,60%的时间都持有仓位,平均每笔交易持仓60 天。它通过长线交易捕捉趋势来获取巨额利润。那它如何来弥补亏损呢?因为它同时交易在多个不相关的市场,当某一品种损失时,另一品种可能获利。在一年的时间里,总是有某一种或者多种品种能获得巨额利润。这些大的利润弥补了那些没趋势市场的小额亏损。Aberration 交易系统对资金进行组合管理,因此可以接受比较大的资金量。

Andromeda 交易系统于2001 年由Petros Development Corp 开发,是一个长线趋势交易系统,依赖简单的数学公式完全客观地进行交易,不带主观成分,并可以使用在多个市场。该系统于2002 年4 月发布,其核心优势是在公开发布之后也依然能保持稳定业绩。Andromeda 交易系统针对不同的市场都是用采同一套规则和参数,并没有进行最优化处理,属于非曲线匹配系统,样本外测试和样本内测试的结果一致,并且在发布后将近十年的时间里得到了验证。不同大小的资金账户皆可使用,由于是日线模型,因此不需要天天盯市,所有的进场出场指令均在下一日的开盘执行,有时候也可能很多天没有交易。

Andromeda 平均每笔交易的持仓时间为60-65 天,该系统的一大特色是,交易终止点不是根据价格,而是根据持仓时间而定。

  • Checkmate trading system

Checkmate 交易系统是一个独特的交易系统,该系统最大的特点是,它的目标不是最大化利润,而是保证收益率的一致性和最大回撤最小化。该系统在全部的品种上使用相同的交易法则和参数,因此避免了过度优化和曲线匹配的问题。Checkmate 在进场点选择上把关严格,可能在跟踪时同时监控多个品种,但交易很少,这使Checkmate 使用的保证金平均来看会比其他系统要少。因此这个系统可以让较小的账户里来交易大额的组合。Checkmate 是中线交易系统,目的是捕捉中线趋势,它采用改进趋势过滤,这种方法可以使Checkmate 经常能在获利最大的最近高点或低点离场,这点和那些有大回撤的趋势系统有所不同,它能迅速止盈离场,因此Checkmate 让交易者的心理相对舒适。

  • Golden SX trading system

Golden SX 系统发布于1995 年,到目前16 年的时间里,仅2005 年一年不盈利。它可以同时交易在13 个不同的品种上,并且采用相同的交易法则。Golden SX 采用一个十分有效的指标GSX Indicator,在开始交易前会先等市场有小幅回调再介入,以此来改进交易的成功率。系统有两种止损方法,一个是资金保护止损点,另一个是持有头寸后基于盈利的止损,这样可以保护资金的同时保证盈利。

新的改进版本Golden SX Electronic 于2009 年发布。可以对其中2 个参数做一定优化,也可以不优化。1983 年-2010 年的测试显示,该系统有60%的时间持有头寸,多个市场的平均胜率在56%左右。

  • Ready-Set-Go trading system

Ready-Set-Go 交易系统是一个长线交易系统,可以使用在多个市场,自2000 年公布以来都是使用相同的法则和参数,参数值可以根据市场趋势强弱自动调整。该系统可以使用在多个市场,自1970 以来至2011 年中,系统交易于8 个市场,在扣除每笔交易100 美元费用后平均收益率43%,平均每年每个市场交易3-4 笔。

Ready-Set-Go 的进场点和离场点均会随趋势强度的变化而变化,持仓时间从一两周至半年不等,极少数情况会持仓1 年。该系统只有50-60%的时间是持有头寸的。它的止损方式是基于波动率过滤的移动止损,可以为百分比止损,或是资金止损。

  • STC SP Daytrade trading system

该系统每月平均交易10 笔左右,每天交易不超过2 笔。市场总是有起有伏,该系统首先采用"Price Trend Indicator"价格趋势指数来判断市场是超买还是超卖,超买的市场应该卖出头寸,超卖的市场应该买入头寸。第一笔交易进场方法是根据开盘价设一个区间,高于开盘价某些点位即买入,低于开盘价某些点位即卖出。日趋势通常会在3-4 天后改变方向,或是遇到跳空开盘,这些日子被称为"key reversal days"关键转折日。这种日子在目前的市场正在不断增多,因此有一套"Superior Clear-OutReversal Enhancement"系统来帮助找出反转信号并开始新方向的交易。最后,该系统每天都有不同的风险暴露,因此需要设臵止损,系统采用"Dynamic Risk Exposure Stops"方法止损。

日内交易策略日内的经典策略有:

较易于实现量化的形态突破,有分型,窄幅横盘突破,各种K线组合、双顶、双底、缠论三买三卖等,较难于实现量化的形态突破,有趋势线、圆孤顶底、旗型、菱 形、三角形等各种经典技术分析形态,趋势之后是盘整,盘整之后是趋势,横盘突破的交易策略,充分体现了波动性循环的价格波动规律,我们需要做的事情就是合 理量化盘整的定义:周期跨度、波动幅度。

量化交易主要有哪些经典的策略?

01

常见量化产品及策略

侯磊,FMBA2020级

上海洛书投资 投资经理

第一种是按照持仓周期分类,主要有:低频,即持仓周期5天以上;中频是1到5天;日内是指持仓1天以内;高频则是从几秒钟到几分钟都有。越是高频,持仓时间越短,策略收益越稳定,策略容量越小。越是低频,策略收益波动越大,容量也越大。容量指交易策略能够承载最大资金的上限。

另一种是按照交易机会分类,主要包括:CTA(Commodity Trading Advisor),泛指交易商品或者金融期货的一类策略;股票选股策略,又称为股票Alpha策略、股票多空策略、统计套利和股票多因子模型;股票择时策略,以及股票T+0、ETF套利和自动化做市等其他策略。

任何成熟的量化交易,都具备三个核心要素:第一是预测未来,即通过获取的信息和数据推测,预估资产的价格走势;第二是风险管理,即在给定的目标收益率下,尽可能降低投资组合的风险水平;第三是交易执行,即用比较小的交易成本完成交易指令。

“”

我个人从事的是股票多因子策略交易,可以通过下面的公式理解多因子的概念:个股收益=来自于大盘的收益(Beta收益)+行业收益+风格收益+个股特有收益(Alpha收益)。以茅台举例,茅台每天的股票收益可以拆解为: A股大盘收益+白酒行业收益(行业因子)+大盘股收益(规模因子)+“过去12个月一直涨的股票”的收益(动量因子)+茅台“特有收益”量化交易主要有哪些经典的策略? 。

Alpha是市场稀缺资源,而且由于市场竞争的原因,Alpha的预测能力会随着时间的推移逐渐失效。因此Alpha和交易策略的迭代更新能力是各机构竞争的焦点,可持续的创新能力是一个量化机构最重要的能力。如果我们需要调研一个量化机构的持续竞争力,我们要关注该机构的策略的原创性,如果不是原创的策略,其策略迭代能力一般较弱;我们还要看团队成员的个人能力和团队整体的协作能力;最后我们要看团队是否重视研究,是否愿意在研究方面花资源和精力。

量化交易在国内发展很快,绝大多数机构都很年轻,如果考虑这方面的投资,不用太在乎机构是不是五年、十年老店,而是要充分了解产品的潜在风险。很多产品看上去很不错,但其中蕴含的波动率其实非常高,专业的销售会告诉你隐含波动率是什么,但从公开报表中只能看到业绩表现,其中隐藏的潜在风险并不直观。

02

CTA策略及后市预测

曹真琦

上海洛书投资 投资经理

在2000-2002年全球股票熊市及2007-2008年全球次贷危机时期,CTA指数不但没有出现下跌,还实现了正收益。CTA策略与其他策略都具有相对较低的相关性,加入CTA策略可显著改善组合的风险指标和风险调整收益指标,这个特点使得 CTA策略具有较好的风险分散的配置价值。

最经典的是趋势跟踪类策略,基本操作就是做多过去一段时间上涨的品种,做空过去一段时间下跌的品种,寄希望于走势在未来有一定的延续性。其特点是“赚大亏小”,盈利依赖于市场波动,长期持有总会盈利,盈利时间短但盈利能力强,波动大。

第二类,期限结构类策略。由于商品期货价格与现货价格之间存在基差,如果期货价格低于现货价格,处于“贴水状态”,反之则处于“升水状态”。期限结构策略的基本操作就是做多处于贴水状态的品种,做空处于升水状态的品种,充当期货市场套保者的交易对手方,赚取套保者为转移风险所交的保费。

“”

第三类,量化基本面策略。股票基本面,大家可以理解为公司好不好,通过公司财报等其他维度可以判断。而商品基本面,需要思考商品价格的涨跌到底由什么因素驱动。驱动因素很多,包括消息面、政策面、资金面等,但我们认为商品的定价一定是在基本面手里。

量化基本面策略的基本操作是用量化的方法根据各类因子计算出品种的供需状况,供给大于需求,做空该品种;供给小于需求,做多该品种。量化基本面策略的收益特征在于,盈利来源稳定,长期持有盈利,大多数时间盈利,在市场供需不是主导因素时有可能亏钱。

整体来说,2020年无论股票还是商品期货,都是一个小牛市。今年大概率全球经济从疫情的低谷中复苏,对原材料需求持续旺盛,市场波动率维持高水平,利好CTA策略表现。目前国内CTA市场上升空间很大,市场健康发展,有重要意义的商品期货品种陆续上市,也引入了新的交易机会和新的对冲机会,有利于提升策略收益。经济的复苏,加上政策的利好,我们预期商品高波动和牛市还是有一定的持续性。

03

自学Python的560天

董鹏飞,FMBA2016级

光大控股资管部 副总裁

以美国股票市场为例,截至2019年底,通过量化方式进行交易的资产管理规模占比超过50%,通过量化方式进行交易的交易量占比超过70%。假如,未来中国股票市场也发展成美国的样子,既懂金融又懂编程的人才优势必将凸显;这种假如,就是未来十年的趋势。那时的人工智能会替代很多人的工作,我不想被替代掉。带着这样的思考,我决定开始学习编程,来驾驭深度学习人工智能。

“”

Python能做什么?简单的可以用来做日常的微信自动群发、自动回复等,提升效率;还能用来爬虫,深度学习、模拟等等,比如模拟股票价格走势。更重要的是,Python语言相对简单,上手较快,开发方便,工具库丰富,科学计算方面的支持强大,目前在金融数据分析和量化领域的使用很广泛。

为什么自学Python?首先,学编程其实是一件非常容易的事,就像开车,是肌肉记忆,跟智商无关。其次,如果不是科班出身,或者已经拥有一定的编程经验,那么我建议你自学,不要报辅导班,因为第一,辅导班只教你正确的东西,但以我个人的经验,学习编程更多是在错误中学习,只有跟bug对抗,才能真正掌握它;要乐于接受bug,bug才是真正的老师,而不是敌人。第二,一些辅导班为了吸引学员,有很多炫技的东西,excel、数据的处理可能就是十几行代码的事儿,但是辅导班可能会给你看几百行代码,让你觉得“高大上”,实际上未必是那么回事。

有什么具体的“学习方法论”?第一,读书。现代社会,学习资源是无限的,要利用一切碎片化的时间来读书,快速推进学习进度。我的选书经验是善用“豆瓣”,9分以上是相当好的书,8分以上是可以看的书。这里推荐几本书,从易到难:第一本《Python编程快速上手》,100天时间看完;第二本《Python数据科学手册》,也是100天看完;第三本《Python与量化投资:从基础到实战》。此外建议大家学编程时,不要看电子书,用纸制书,方便哪个地方有问题,迅速查询。

第二,敲代码。每天至少抽出30分钟到1个小时老老实实敲代码,仔仔细细把每一个代码敲一遍,不偷懒,不复制,不用模板;并且注释每一段代码,注释就是学习。和读书不一样的是,敲代码和写注释,只能在电脑面前,并且需要整块的时间,还会出现bug,而解决bug需要更多的时间,所以进度较慢。

因此,如果你想学习编程,我的建议是:静得下心,宅得下去;坚定信心,敢战敢胜。我不止一次调侃:别逼中年人,逼急了,什么都能学会。未来,编程会进入小学课程,编程或编程模式会以更加深度的方式嵌入我们的生活,社会对跨界人才的需求会越来越大,如何应对?我们FMBA有一个学习Python的群,欢迎加入我们,一起学!

简介 | 什么是量化投资?常见的量化交易策略有哪些?

量化交易的历史大致可以分为三个阶段,第一阶段,1971~1977 年,1971 年世界第一支被动量化基金由巴克利国际投资管理公司发行。1977年,第一支主动量化基金由巴克利发行,总额 70 亿美元,是美国量化投资的开端。第二阶段,1977~1995 年,这一阶段计算机技术飞速发展,为量化投资的数据分析打下了很好的铺垫。第三阶段,1995 年至今,量化投资的成熟阶段,目前,全部投资中,量化投资的占比超过 50%,其中指数类投资全部采用定量技术,主动策略投资中,30% 左右使用定量技术。

量化交易特点

量化投资技术方法

常见的量化交易策略

在外汇交易系统中,枢轴点 (Pivot Points) 交易方法是一种经典的交易策略。Pivot Points 是一个非常单纯的阻力支撑体系,根据昨日的最高价、最低价和收盘价,计算出七个价位,包括一个枢轴点、三个阻力位和三个支撑位。阻力线和支撑线是技术分析中经常使用的工具之一,并且支撑线和压力线的作用是可以互相转化的。从交易的角度上来看,Pivot Point 好比是作战地图,给投资者指出了盘中应该关注的支撑和阻力价位,而至于具体的战术配合,Pivot Point 并没有具体地规定,完全取决于投资者自身的交易策略。投资者可以根据盘中价格和枢轴点、支撑位和阻力位的相关走势灵活地制定策略,甚至可以根据关键点位进行加减仓的头寸管理。

海龟交易法是著名的公开交易系统。首先进行市场和品种选择,选择关联度低、流动性好、容量大的市场和品种进行组合投资。其次决定头寸规模,采用基于波动性的头寸管理策略(止损同样是基于波动性)。海龟交易法建仓有两套规则,第一套建仓规则为以 量化交易主要有哪些经典的策略? 20 日突破为基础的短线系统,第二套建仓规则是以 60 日突破为基础的长线系统,加仓规则是价格在上次买入价格的基础上往盈利的方向变化(系数在 0.5~1 之间),即可在增加 25% 仓位。海龟交易法同样具备两种止损规则,统一止损是任何一笔交易都不能出现账户规模 2% 以上的风险;双重止损是账户只承受 0.5%的账户风险,各单位头寸保持各自的止损点位不变。海龟交易法的卖出规则一旦出发都要退出。

凯利公式由 John Larry Kelly 于 1956 年提出(Kelly 1956)。它指出在一个期望收益为正的重复性赌局或者重复性投资中,每一期应该下注的最优比例。藉由捕捉可以最大化结果对数期望值的资本比例 f 也就是得到长期增长率的最大化。那么在单纯的就有两种结果的简单赌局来讲,这里的两种结果指的是:输去所有注金,或者获得资金乘以特定赔率的彩金。

可以通过一般的陈述引导出下面的公式:f=(bp-q)/b(f*代表现有资金应进行下次投注的比例;b 代表投注可得的赔率;p 代表获胜率;q 代表落败率,也就是1-p)。凯利公式在量化投资中的应用是确定投资品的最佳杠杆比率,凯利公式的核心是在于控制风险。

在 40 年代,美国科学家 Wiener 和前苏联科学家 Kолмогоров 等人研究出最佳线性滤波理论,之后又被后人称之为维纳滤波理论。从理论的角度来看,维纳滤波存在着一个最大的缺陷:就是一定要应用到无限的过去数据,再实时处理上,并不适用。在 40 年代,为了打破这一缺陷,Kalman 将状态空间模型引入到滤波理论里,并引导出了一套递推估计算法,后期又被人称作卡尔曼滤波理论。它是以最小均方误差为估计的最佳准则,因此来找到一套递推估计的算法,它的根据就是:选用信号与噪声的状态空间模型,把前一时刻的估计值和现时刻的观测值利用起来,然后更新对状态变量的估计,从而求出和得到现时刻的估计值。它在实时处理和计算机运算方面都非常的适用。