量化经典 高收益量化策略

《量化经典 高收益量化策略》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、高收益量化策略实盘结果实盘结果日期净值收益率(%)2012/2/29102012/3/311.50455549450.455549422012/4/301.60091109960.091109882012/5/311.54583103354.583103262012/6/291.9797.32传统的趋势交易模型优点：（1）确定性高（2）准确时可以获得高利润缺点：（1）只能吃到‘鱼身’（2）冲击成本巨大（3）胜率低传统趋势是一个低胜率策略拐点择时模型试图在最低点做多，最高点做空特点：（1）难度大（2）收益高（3）冲击成本低拐点择时是一个高胜率的策略拐点择时策略（1）Hu

2、rst指数（2）SVM模型（3）小波分析拐点模型1：Hurst指数分形市场理论预示着股市具有分形结构，而这种结构恰能解释收益率分布呈现的尖峰胖尾特性。根据分形理论，定义Hurst指数来判断趋势的拐点，将Hurst指数和大盘指数对比就可以发现，股市大盘走势具有长期记忆性，这成为hurst指数择时的基本出发点。HURST指数—分形市场分形布朗运动用来描绘股票分形市场，它是对布朗运动模型的推广，其数学模型如下：B(t)H为随机过程，若B(t)H满足：则称BH(t)为分形布朗运动，其中，0＜H＜1；BH(0)为常数；B(S)为布朗运动。可以看到，（1）当H=1/2时，B(t)

3、H为布朗运动，即随机游走模型；（2）当1/2

4、序列具有持续性，存在长期记忆性的特征。即前一个时期序列是向上（下）走的，那下一个时期将多半继续是向上（下）走的。HURST指数—策略模型用Hurst指数并不能精确告诉我们具体哪一天市场开始反转，但大致位置和市场的反转时间惊人的吻合，所以完全可以把移动Hurst指数的低位（小于0.55）当做市场酝酿反转的一个重要参照指标。图上证指数与对应Hurst指数关系Hurst指数确实是一个判断大盘拐点的有效模型拐点模型2：SVM支持向量机目前主要用来解决分类问题（如模式识别、判别分析）和回归问题金融市场本质上可以定义为一种分类问题。一类是涨，一类是跌。而预测股市未来的价格是指典型

5、的回归问题，因此有理由相信支持向量机可以对股市进行预测。SVM独特的机制和效果，对非线性预测有非常好的效果，因此利用SVM技术来建立择时模型，可以有效地避免传统回归模型的精度和扩展性问题。SVM—策略模型利用SVM技术对股票价格进行预测的主要过程包括训练数据准备、训练参数输入、学习样本输入、模型训练学习、评估训练结果、训练参数优化等一系列循环的过程SVM—一个策略Close/MeanVolume/MeanReturnS收盘价/均值现量/均量区间收益率区间标准差Max/MeanMin/MeanPriceVol最高价/均价最低价/均价现价现量该策略中，SVM模型的输入为过

6、去3周表中所示的指标，输出为未来一周是涨还是跌，移动滑窗为每日移动。如果预测分类为1，则在市场行情低于T日收盘价时买入，如果涨幅超过2%则卖出，否则到T+5日平仓。反之，做空也可以SVM模型历史数据回溯的结果SVM模型用于短线拐点择时策略，收益率相当的平稳持续拐点模型3：噪声指数在正常的平稳市场，噪声指数应该是均衡的，但是当有知情交易者存在的时候，则会出现噪声指数的异常放大。对噪声指数进行跟踪，则可以判断大盘的拐点小波分析理论的一个重要特色是可以进行多分辨率分析。信号可通过多层分解为反映高频信息的细节部分和反映低频信息的概貌部分，通过这种多分辨率分解，信号和噪声通常会

7、有不同的表现，从而达到信噪分离的目的。小波分析小波分解示意图，CA为低频数据，CD为高频数据小波分析滤波后的情况小波分析（1）选择小波Daubechies小波系（db4）并确定分解层次为4层，得到4层高半频和4层低半频序列。（2）阈值处理选择sqtwolog阈值估计准则。（3）最后根据小波分解的第4层低频系数和经过量化处理后的1～4层高频系数进行小波重构。（4）原始数据减去重构小波即为噪声数据。（5）设定阈值，当噪声指数超过某个阈值时，则判定大盘到达拐点小波分析是一个很好的分离噪声信号的工具综合模型每天盘中对行情进行运算，当三个模型同时发出拐点信号时