分类
外汇交易平台比较

经典的股票量化交易策略

其中E[R_i]代表股票i的预期收益率,R_f代表无风险收益率,E[R_m]为市场组合预期收益率,E[R_SMB]和E[R_HML]分别为规模因子收益率和价值因子预期收益率。

经典的股票量化交易策略

01、股票多空策略

股票多空策略(Equity Long/Short),即买一些股票,通过融券的方式去卖空一些股票,然后再用一些股指期货进行对冲。这是国际上主流的Hedge Fund所用的量化策略,据知名数据商Eureka hedge的统计数据,在国际对冲基金中长期占比第一(一直超过30%)。比如2011年获得美国量化基金业评比第一名的贝莱德“32Cap全球对冲基金产品”使用的就是经典的多空策略。该基金当年获得了30%左右的回报率,并且从稳定度上,蚂蚁嘉汇科技认为,每个月甚至每个星期都在赚钱。股票多空策略从容量上来说是可以做到非常大的,它在国外是很流行的一种方式。

02、全球宏观策略

全球宏观策略(Global macro Strategy),作为一种常见的对冲基金策略,基本采用期货进行交易,比如说原油、天然气以及一些国家的股指期货。这些投资主要是根据对不同国家的经济政治发展走势的看法而做出的。全球最大对冲基金——桥水(Bridgewater Associates)在全球宏观领城通常被认为是做得最好的基金之一。

03、统计套利策略

04、事件驱动策略

05、高频交易策略

第五种就是普通投资者比较熟悉的高频交易,指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易。像美国的Two Sigma,还有Jump Trading,都是高频交易的典型代表。它们有些交易股票,有些以期货为主。蚂蚁嘉汇科技认为,这种策略的回报率通常都非常高,10倍以上的超高收益都不稀奇,但也存在一个很明显的问题,就是容量小,能够管理的资产规模有限。

股票量化分析模型的公式,经典量化交易算法

2022-04-29 12:28:07 来源:冥在金融网 作者:佚名 浏览量:141

经典量化交易算法

加权平均价格算法(VMAP):以每一次交易的成交量为权重,一段时间内成交价格的加权平均值。该策略即利用历史成交量数据,将大段时间内的订单分割,成为动态发生的较小订单,目的是用接近成交量加权平均价格成交,从而以均价获利。该策略理论是以低于VWAP的价格买入或在以高于VMAP的价格卖出,则为好的交易。

时间加权平均价格(TWAP):本算法与VMAP很相像,计算定单在提交之时至获得执行之间的时间加权平均价格。平均价格是指输入定单之时至市场收盘期间计算的平均价格,且该定单只有在条件被满足的情况下才会被执行。此方法可以应对成本冲击,拆分大额委托单,使得交易均价跟踪TWAP。目的是为了减小对市场的一次性冲击,如果一次的冲击太大,对下一次交易的成本必然是会产生影响。

成交量加权平均价格算法(VWAP):基于成交量变动预测的模型,同样在做很多模型时,都以其为基础,指的是一段时间内证券价格按成交量加权的平均值,其中Pricet和Volumet分别是某个时点上证券的成交价格和成交量。

成交量加权平均价格优化算法(MVWAP):常见的一种对WMAP的改进策略是根据市场实时价格和VWAP市场的关系,对下单量的大小进行调整与控制,因此统一将这一类算法称为MVWAP。

成交量固定百分比算法(VP):与VWAP策略类似,都是跟踪市场真实成交量的变化,从而制定相应的下单策略。所不同的是,VWAP是在确定某个交易日需要成交数量或成交金额的基础上,对该订单进行拆分交易;而VP则是确定一个固定的跟踪比例,根据市场真实的分段成交量,按照该固定比例进行下单。

执行落差交易策略(IS):是以执行落差为决策基础的一种算法交易策略。执行落差被定义为目标交易资产组合与实际成交资产组合在交易金额上的差异。IS策略的目标是执行落差最小化,或者说是在综合考虑冲击成本和市场风险后,通过需找寻找最优解来跟踪价格基准的一种策略。假设目标交易价格为P0,实际交易价格为P,则IS策略的最终目标为

Step算法:实际是一种对价格进行分层成交的策略,目标是在买入(卖出)交易中尽可能地压低(提升)成交均价。简单来讲,Step就是在不同的价格区间进行不同成交量比例的配臵。例如在VWAP或TWAP策略中,通常按照预测成交量的一定比例k进行实际下单。假设在开市前预计要买入某支前收盘价为20元的股票,则对其进行成交量分层设定:

Sniffers算法:Sniffers搜寻者算法是一类策略的统称。通常该策略会开发一些较为复杂的算法去监控盘口和成交数据,以发现市场参与者中是否存在其他的算法交易者。

盘口策略:国外目前很多较为高级的算法交易策略对数据的要求都已不仅仅限于成交量和成交价两个指标,而更多关注的是市场微观结构,特别是盘口中出现的一些重要信息。

WP策略:Workand Pounce策略,简称WP策略,是在一般算法交易策略的基础之上,通过市场盘口及流动性情况对算法交易进行进一步优化的一种策略。

Hidden策略:Hidden隐藏交易策略实际上是一种主动成交型算法交易策略。对于传统的TWAP、VWAP等策略,由于下单时往往是按市价下单,因此可能会夹杂有主动成交和被动成交两种交易。

Guerrilla游击队策略:也是在一些原有算法交易策略的基础之上进行进一步优化的一种策略,其目的同 Hidden策略一样,都是为了隐藏自己的策略和交易行为。

其他策略:除了上述介绍的一些常用算法交易策略以外,在国外市场上目前还存在非常多的策略,例如仅VWAP一种基础的算法交易策略就可以衍生出几十种甚至上百种策略;再例如在国外做市商制度的存在下,市场上还有一批基于该交易制度的常用算法交易策略,如Guaranteed VWAP、SOR策略等。

【量化】量化交易入门系列4:经典的量化交易策略(下)

其中E[R_i]代表股票i的预期收益率,R_f代表无风险收益率,E[R_m]为市场组合预期收益率,E[R_SMB]和E[R_HML]分别为规模因子收益率和价值因子预期收益率。

如表所示: 得到上述分组以后,就可以构建规模和价值两个因子。

市场上常用的多因子模型包括如下几个:

模型 出处 所含因子
Fama-French三因子 Fama and Farench(1993) 市场、规模、价值
Carhart四因子 Carhart(1997) 市场、规模、价值、动量
Novy-Marx四因子 Novy-Marx(2013) 市场、规模、价值、盈利
Fama-French五因子 Fama and Farench(2015) 市场、规模、价值、盈利、投资
Hou-Xue-Zhang四因子 Hou et al 市场、规模、盈利、投资
Stambaugh-Yuan四因子 Stambaugh and Yuan(2017) 市场、规模、管理、表现
Daniel-Hirshleifer-Sun三因子 Daniel et al(2020) 市场、长周期行为、短周期行为

策略设计思路(假设三因子模型是完全有效的)

策略步骤

第一步:获取股票市值以及账面市值比数据。 第二步:将股票按照各个因子进行排序分组,分组方法如上表所示。 第三步:依据式2式3,计算SMB、HML因子。 第四步:因子回归,计算alpha值。获取alpha最小并且小于0的10只的股票买入开仓。

小市值策略

小市值策略是一个相对来说比较简单的策略,如同字面意思,就是选择市值比较小的股票,进行投资。本质来讲,市值越小的股票,那么未来上涨的概率就越大。很多人可能对此感觉不屑一顾,其实这是经过时间验证过的一个经验策略,无论是在过去10年的A股,还是过去100年的美国股市,确实让很多人因此赚了很多钱。

策略逻辑

第一步:确定调仓频率,以每月第一天调仓为例 第二步:确定股票池股票数量,这里假设有30支 第三步:调仓日当天获取前一个月的历史数据,并按照市值由小到大排序 第四步:买入前30支股票

回测期:2021-01-01 到 2021-12-01 股票池:所有A股股票 回测初始资金:10万

策略代码参考

模拟效果

小市值.jpg

版权声明
本文为[ 恒生LIGHT云社区 ]所创,转载请带上原文链接,感谢
https://my.oschina.net/u/3620858/blog/5395084

  • Django Link neo4j Database
  • 升级gcc后,找不到`GLIBCXX_‘ 的问题
  • 编写使用systemctl管理的service服务
  • Systemd and sysemctl
  • systemctl systemd.service
  • 手把手教你升级gcc到gcc11
  • 常见的拖垮中小公司技术团队的10宗罪
  • tmux常用命令及快捷键
  • 没有core文件时定位segfault at 0 ip 的问题(一)
  • 什么是FIX协议

Enter passphase for key, 避免频繁的输入被密码保护的ssh key

from _bz2 import BZ2Compressor, BZ2Decompressor ModuleNotFoundError: No 经典的股票量化交易策略 module named ‘_bz2‘

国外量化投资经典案例介绍与法律分析

由于LTCM的合伙人中包括了期权定价BS公式创始人、诺贝尔经济学奖得主罗伯特?默顿(Robert Merton)和迈伦?斯科尔斯(Myron Scholes),因此增加了学术色彩。实际上,虽然相对价值投资思想属于量化投资大体系的重要分支,但是LTCM并未重度使用量化投资模型,寻找低估和高估资产的主要方法则是从基本面出发获取方向性判断,然后根据价差的历史数据进行简单的正态分布建模,并用来测算资金管理。

投资组合保险技术是海恩?利兰德(Hayne Leland)、约翰?奥布莱恩(John O’Brien)和马克?鲁宾斯坦(Mark Rubinstein)于1981年2月创立的一种投资策略,核心思路是让投资组合在风险可控的前提下具有大幅上升潜力,具体方法是采用一部分资产做固定收益投资产生安全垫,以此用来保护风险资产。如果对标的价格的随机性做出假设,那么就可以建立金融工程模型,根据资产价格的走势,使用股指期货动态复制一个看跌股指期权,保护投资组合的下行风险。实际上,复制看跌期权呈现的操作就是典型的“追涨杀跌”,价格下跌时要求以加速度的方式迅速减仓,获取头寸安全。

高频交易是量化投资的一种。但从策略逻辑而言,与上述提到的以趋势投机和系统交易为特征的程序化交易不同。广义高频交易可能包含的特征有使用超级计算机生成、发送和执行交易指令;使用服务器托管和特别网络缩短信息处理时间;建立和结清交易头寸的时间非常短,尤其不持有隔夜仓;可能会发送大量交易指令,又快速撤单。常见的高频交易策略包括自动做市商交易(Automated Market Trading, AMMs)、流动性回扣交易(Liquidity Rebate Trading)、闪电订单(Flash Orders)和暗池(Dark Pool)等。

无独有偶,美国财经作家迈克尔?刘易斯(Michael Lewis)于2014年3月中旬出版了新书《闪击者》(Flash Boys),书中对高频交易基本持批评态度。作者主要抓住高频交易捕捉微观价差这一事实,为私人交易所鸣不平。但作者没有考虑到高频交易具有不同目的的多种策略,另外,高频交易的连续交易整体上为市场提供了流动性以及其对应的风险补偿。

(二)高频交易的天敌:3 Red Trading、Panther Energy Trading和幌骗交易

2014年11月,美国商品期货交易委员会(CFTC)发布公告称,芝加哥投资公司3 Red Trading LLC以及交易员伊格尔?奥斯塔赫(Igor B. Oystacher)涉嫌利用幌骗手段及欺诈设备操纵市场,CFTC对其发起诉讼。据CFTC的指控文件,奥斯塔赫在359790份交易合约中累计进行1316次幌骗交易。同期,芝加哥商业交易所(CME)向奥斯塔赫处以15万美元的罚款和一个月的市场禁入,奥斯塔赫同意支付罚款并接受处罚,但对于违规行为既不承认也未否认。有评论认为,奥斯塔赫通过发现僵化的高频交易市场漏洞,从而操纵了其他的高频交易者。

2015年11月3日,美国联邦法院裁定Panther Energy Trading公司的负责人迈克尔?科斯夏(Michael Coscia)的商品交易欺诈以及幌骗(spoofing)罪名成立,这是美国2010年《多德—弗兰克法案》出台以来关于其中“防欺诈法规”的首个案例,也是全球首宗此类刑事起诉。

在庭审中,来自美国证券交易委员会和美国商品期货交易委员会的证人提供的相关数据表明,嫌疑人自2011年以来在期货市场挂出大量买卖单,但事实上这些买卖单的目标不是执行,而是制造需求假象,诱使其他交易员入市,从而让自己从中获利。比如嫌疑人常常在挂出大单之后撤单,但对小单撤单的概率较小。检方则指控嫌疑人在3个月的时间里通过“诱饵调包阴谋(bait-and-switch s cheme)”非法获利140万美元。

在欧洲,欧盟的《金融工具市场指令Ⅱ》(Markets in Financial Instruments DirectiveⅡ, 简称MiFIDⅡ)致力于以投资公司作为执行主体,计划引入一系列安全保护措施,综合考虑价格、成本、速度、指令执行可能性、规模、性质等多种因素后执行客户指令。既针对使用算法交易的市场参与者,也针对发生算法和高频交易的交易场所。其间,德国联邦金融管理局认为针对高频交易的监管迫在眉睫,但MiFIDⅡ草案的审议时间较长,为控制德国交易场所内高频交易可能带来的风险,于2012年9月出台了全球第一部专门针对高频交易的监管草案,并分别于2013年2月、3月在德国众议院与参议院通过。2014年4月15日,欧洲议会通过了包含一系列限制高频交易措施的《金融工具市场指令Ⅱ》。

美国证监会则于1998年启动监管框架改革以来,引发了持续至今的美国金融市场结构变革。美国全国市场系统规则(Regulation NMS,简称Reg NMS)强调由市场作为主体执行客户指令,超过一半的机构投资者的交易系统的算法报单遵循SEC全国最佳竞价原则(National Best Bid or Offer,NBBO),以“最优价格”为标准履行“最佳执行”义务,形成了统一的金融市场结构,为高频交易的发展提供了制度基础。随后,高频交易在良好的政策和市场环境中,市场份额、收益和影响力迅速上升,引起了立法者和监管者的关注。这些年美国证监会和美国商品期货交易委员会也陆续出台了一系列与高频交易有关的监管措施,具体包括: