量化择时选股系列报告二
量化选股的方法和步骤
量化选股的方法和步骤（原创版3篇）篇1 目录一、量化选股的定义和意义二、量化选股的方法1.多因子选股2.风格轮动选股3.营业利润同比增长率选股4.市盈率选股三、量化选股的步骤1.数据来源2.数据处理3.选择选股模型4.执行选股策略5.风险控制四、总结篇1正文量化选股是一种利用数量化的方法选择股票组合的投资策略，其目的是期望该股票组合能够获得超越基准收益率的投资行为。
在量化选股过程中，投资者需要根据不同的选股模型和步骤来进行操作。
首先，多因子选股是最经典的选股方法之一。
该方法采用一系列的因子（比如市盈率 pe）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。
例如，价值投资者会买入低 pe 的股票，在 pe 回归时卖出股票。
其次，风格轮动选股是利用市场风格特征进行投资的方法。
市场在某个时刻偏好某种风格的股票，如小盘股、大盘股、成长股、价值股等。
风格轮动选股策略就是根据市场的偏好，选择相应风格的股票进行投资。
此外，营业利润同比增长率选股也是一种常用的量化选股方法。
对于不同的股票，如果营业利润率上涨了相同的比例，而股价上涨幅度不同，那么就买入上涨幅度较小的。
具体选股策略包括：对沪深 300 所有股票计算当前价格 p 与一年前的价格 p0 的比例，并用这个比例除以（1 营业利润同比增长率）。
筛选出营业利润同比增长率大于 0 的股票。
市盈率选股则是另一种常见的量化选股方法。
该方法根据股票的市盈率（pe）来选择投资标的。
市盈率较低的股票通常被认为具有较高的投资价值。
在实际操作中，量化选股的步骤包括数据来源、数据处理、选择选股模型、执行选股策略和风险控制。
数据来源可以是交易所、数据服务商等机构提供的场内交易数据集。
数据处理包括对原始数据进行清洗、整理和计算等操作，以便于后续的分析和建模。
选择选股模型是量化选股的核心环节，投资者需要根据自己的投资理念和风险偏好选择合适的模型。
执行选股策略是指根据选定的模型，通过程序化的方式实现交易。
量化交易选股策略
量化交易选股策略1. 引言量化交易是以科学化、系统化、自动化的方式进行交易决策的方法。
它通过利用数学、统计学和计算机技术来分析市场数据，并根据预先设定的交易策略进行交易。
量化交易的一个重要组成部分就是选股策略，即通过一系列规则和指标来选择有潜力的股票进行投资。
本文将介绍一种常见的量化交易选股策略，并详细解释其原理和实施方法。
2. 均值回归选股策略均值回归是一种基于统计学原理的选股策略，它的核心思想是：当股票的价格偏离其长期均值时，市场会产生反弹的力量，价格很有可能回归到均值附近。
基于这个思想，我们可以设计一个均值回归选股策略来发现那些偏离均值的股票，以期望在价格回归时获得收益。
具体实施该策略的步骤如下：步骤1：计算股票价格的均值和标准差首先，我们需要选择一个合适的时间周期，例如30天。
然后，计算每个股票在这个时间周期内的收盘价的均值和标准差。
均值代表了股票价格的长期趋势，标准差代表了价格的波动性。
步骤2：计算偏离度指标接下来，我们计算每只股票当前收盘价与其均值之间的偏离度指标。
偏离度可以通过以下公式计算：偏离度 = (当前收盘价 - 均值) / 标准差偏离度越大，则股票的价格与其均值之间的差距就越大。
步骤3：筛选股票我们设置一个阈值，例如偏离度大于2或小于-2的股票为目标股票。
只有当股票的偏离度超过阈值时，才有可能发生均值回归的情况。
步骤4：制定交易规则当选定目标股票后，我们需要制定交易规则来决定何时买入和卖出。
常见的交易规则包括：•当股票的偏离度小于-2时，认为价格过低，买入股票。
•当股票的偏离度大于2时，认为价格过高，卖出股票。
步骤5：追踪和调整一旦形成了投资组合，就需要定期追踪和调整。
我们可以每个月重新计算股票的偏离度指标，并根据新的情况对投资组合进行调整。
这样可以确保选股策略始终基于最新的市场数据。
3. 策略优势与注意事项均值回归选股策略有一些优势和注意事项需要考虑。
优势•基于统计学原理，利用了市场的波动性和均值回归的趋势，具备一定的理论基础。
量化投资分析分析报告
1.概述背景量化投资在国外的实践已经有了40多年的发展，我国的量化投资起步较晚，从2004年开始出现量化投资的产品，由于缺乏有效的对冲手段，直到2010年4月沪深300股指期货上市之后才能算是真正意义上开始涉足量化投资。
2015年的中国股市跌宕起伏，杠杆配资引发了大幅上涨和断以传统投资的分析决策，大多数方面都由人工完成，而人并非能做到完全理性，在进行投资决策时，很难不受市场情绪的影响。
量化投资运用模型对历史和当时市场上的数据进行分析检测，模型一经检验合格投入正式运行后，投资决策将交由计算机处理，一般情况下拒绝人为的干预，这样在进行投资决策时受人的情绪化的影响将很小，投资过程可以做到理性客观。
支持大数据处理，提高决策效率我国股票市场上有近3000只股票，与上市公司相关的各种信息纷繁复杂，包括政策、国内外经济指标、公司公告、研究报告等，投资者靠自己手工的筛选根本就是力不从心。
量化投资的出现为这个问题的解决带来了希望。
量化投资运用计算机技术快速处理大量数据，对其进行辨别、分析、找出数据之间的关联并做出投资决策，大大减少了人工工作量，提高了投资决策效率。
统计模型支撑，策略选股择时精准传统的投资方法中认为投资是一门艺术，投资决策需要的是投资者的经验和技术，投资者的主例如在股业绩也量化投资的应用量化投资几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、统计套利、算法交易和资产配置等。
量化选股量化选股就是采用数量的方法判断某个公司是否值得买入的行为。
根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。
量化选股的方法有很多种，总的来说，可以分为公司估值法、趋势法和资金法三大类。
量化择时股市的可预测性问题与有效市场假说密切相关。
众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，类是利用股票的价格序列的协整关系建模，我们称之为协整策略。
如何利用量化分析进行股票的选股和择时
如何利用量化分析进行股票的选股和择时股票市场的波动性和复杂性给投资者带来了巨大的挑战。
为了提高投资的效果，许多投资者转向量化分析来进行股票的选股和择时。
量化分析是一种利用数学和统计学方法来分析和预测股票市场的技术。
本文将介绍如何利用量化分析进行股票的选股和择时的方法和步骤。
一、选股选股是投资组合管理的第一步，也是关键的一步。
量化分析可以帮助我们通过系统性的方法来筛选合适的股票。
以下是一些常用的量化指标：1. 市盈率（PE ratio）：市盈率是衡量一支股票当前市价相对于每股收益的比率。
较低的市盈率意味着股票可能被低估，适合购买。
2. 市净率（PB ratio）：市净率是衡量一支股票当前市价相对于每股净资产的比率。
较低的市净率表示股票可能被低估。
3. 盈利增长率（earnings growth rate）：盈利增长率是衡量一家公司盈利能力的增长速度。
选择具有高盈利增长率的公司股票可能获得较好的回报。
4. Beta系数：Beta系数衡量一支股票相对于整个市场的波动情况。
较低的Beta系数表示股票具有较低的风险。
以上仅仅是一些常见的量化指标，投资者可以根据自己的需求和偏好选择适合自己的量化指标进行股票的筛选。
二、择时择时是投资股票的关键一步。
正确的择时决定了投资者的收益水平。
以下是一些常用的量化分析方法：1. 移动平均线：移动平均线是一种平滑股价曲线的方法，可以帮助我们判断趋势的转折点。
常用的移动平均线有5日均线、10日均线和20日均线等。
2. 相对强弱指标（RSI）：相对强弱指标可以衡量股票的买卖压力，帮助我们判断股票的超买和超卖情况。
RSI的典型取值为0到100，超过70表示超买，低于30表示超卖。
3. 随机指标（KD指标）：随机指标通过比较股价的最高价和最低价来判断股票的买卖压力。
KD指标的典型取值为0到100，超过80表示超买，低于20表示超卖。
量化择时方法可以帮助我们避免投资的盲目性，通过对市场的分析和预测，及时买入和卖出股票，以获得更好的投资回报。
基于量化分析的股票选取策略与实战案例解析
基于量化分析的股票选取策略与实战案例解析股票投资一直以来都是吸引人们关注的热门话题，然而，在众多的股票中选择出那些有潜力的股票并非易事。
为了帮助投资者更加科学地进行股票选取，量化分析成为了一个备受关注的方法。
本文将介绍基于量化分析的股票选取策略，并结合实际案例进行解析。
一、基于量化分析的股票选取策略量化分析是通过收集大量的市场数据和财务指标来进行分析，以此来辅助判断股票的投资价值。
下面列举了几种常用的量化分析策略。
1. 财务指标分析法财务指标是衡量一家公司财务状况的重要指标，比如市盈率、市净率、净利润增长率等。
通过分析这些指标的变化趋势和数值水平，可以辅助判断公司的盈利能力、估值水平和成长潜力。
2. 技术分析法技术分析是一种通过研究股票的历史价格和成交量等数据，来预测股票价格未来变化的方法。
常用的技术分析指标包括移动平均线、相对强弱指数和MACD等。
通过技术分析法可以判断股票价格的长期趋势和短期波动。
3. 大数据分析法大数据分析是近年来兴起的一种投资分析方法，通过收集和分析大量的非结构化数据，例如新闻报道、社交媒体等，来判断市场情绪和投资者情绪。
通过对大数据进行处理和分析，可以辅助判断股票价格的波动和市场情绪的变化。
二、实战案例解析为了更好地理解基于量化分析的股票选取策略，我们将结合实际案例进行解析。
假设我们要选择一只有潜力的成长股票，我们可以使用财务指标分析法来进行选股。
首先，我们可以筛选出市盈率低于行业平均水平但净利润增长率高于行业平均水平的公司。
然后，对这些公司的财务指标进行详细分析，例如分析公司的资产负债表、利润表和现金流量表等。
通过这样的分析，我们可以了解公司的盈利能力、成长潜力和财务状况，从而帮助我们选出有潜力的股票。
另外，我们也可以使用技术分析法来进行股票选取。
以移动平均线为例，我们可以通过观察股票价格与其移动平均线的关系来判断股票价格的趋势。
如果股票价格突破移动平均线并保持在上涨趋势，则说明股票有较大的上涨潜力。
择时体系简介
证券研究报告量化看市场——择时体系简介吴先兴金融工程核心分析师2016.03择时（第二层次思维）市场情绪 （当下市场）技术面（左侧与右侧的结合 鱼头和鱼尾的处理）基本面（重要事件驱动下的博弈）如何分析市场(宏观思路）微观层面情绪投资者行为、分级A收益率期货基差、分级基金折溢价价个股、指数价格波动量个股、指数流动性等如何分析市场（微观量化）-10000 1000 2000 3000 4000 5000 6000 -4-2 0 2 4 6 8 10 2006/2/7 2006/5/31 2006/9/14 2007/1/10 2007/5/10 2007/8/24 2007/12/17 2008/4/11 2008/7/31 2008/11/24 2009/3/19 2009/7/9 2009/11/2 2010/2/24 2010/6/17 2010/10/13 2011/1/28 2011/5/26 2011/9/13 2012/1/6 2012/5/7 2012/8/22 2012/12/13 2013/4/12 2013/8/6 2013/11/29 2014/3/25 2014/7/15 2014/11/6 2015/3/3 2015/6/19沪深300指数流动性冲击 沪深300指数收盘价 波段划分(20%为波幅)图：流动性冲击与沪深300指数流动性资金的流入推动价格的上升流动性：成交额/涨跌幅的绝对值流动性冲击：流动性相对过去一年均值的变化流动性冲击由负转正并逐渐升高，积极介入 流动性冲击小于1，建议规避资料来源：Wind ，海通证券研究所1000200030004000 5000 6000 -224 6 8 2014/1/2 2014/4/11 2014/7/16 2014/10/23 2015/1/262015/5/6 2015/8/6沪深300指数流动性冲击沪深300指数收盘价图：流动性冲击与沪深300指数（2014.1.2 – 2015.11.6）由负转正的现象再次出现，并迅速升高，介入好时机资料来源：Wind ，海通证券研究所4900点后迅速下降，及时止盈（止损），等待时机1.2015年6月8日高点下跌以来的最低值出现在9月18日（-1.765）2.10月28日，流动性冲击重回-1以内，随后一路上升3.11月5号、6号的最新值为-0.565，-0.527最新观点快速上升，不再那么悲观价格形态分析宏观微观•指数•静态：指数的均线多、空头排列，划分市场状态•动态：均线的突破、动态变化等（波动率的修正）•个股•个股创新低•个股创新高•新高、新低个股比例；新高、新低价格比值价格分析宏观——指数均线指标构建均线应用：•右侧投资，用于确认价格变动的趋势，以此获取大趋势收益、避免大趋势损失；•当价格上涨，高于其移动平均线，通常认为是买入信号；•为减少噪音，可对上涨幅度设置阈值；•前期波动越大，向上趋势得以确认所需突破的比例应越大；•以波动率代替固定比例作为阀值，可灵活适用于不同指数的择时；指标：•P t ：证券在第t天的价格；•MA t (d)：证券在第t天的d日移动平均线；•std t (d)：证券在第t天的前d日的log(P t )标准差；•threshold：阈值比例判定规则：•当价格上涨，突破长期移动平均线的一定比例时P t >[ 1+ threshold ] * MA t (d1) ，买入；•当价格下跌，跌破中期移动平均线时P t < MA t (d2 )，平仓参数：•长期均线：60日；•中期均线：20日；•比例阈值：指数过去60日的日收益率标准差策略表现：•10年间一共发出信号58次；•错误发出买入信号的最大亏损8.40%；•错误发出平仓信号的最大损失为7.20%;•策略表现出捕捉大收益、损失小收益、规避大风险的特点。
股票量化择时策略(上中下)
股票量化择时策略（上中下）解析|量化择时策略（上）鲲鹏668 2018-04-07 08:14:59 量化择时就是利用数量化的方法，通过对各种宏观微观指标的量化分析，试图找到影响大盘走势的关键信息，并且对未来走势进行预测。
择时策略基本框架：最基本的择时策略指的是只判断买卖，不涉及仓位优化的择时策略。
由于不考虑风险，则是策略完全通过优化收益来形成相应的买卖决策。
由于在国内股票市场中，只允许做多，所以策略多为帮助选择股票进行买入，或者将已有仓位进行卖出的判断。
趋势择时趋势择时的基本思想来自于技术分析，技术分析认为趋势存在延续性，因此只要找到趋势方向，跟随操作即可。
趋势择时的主要指标有MA. .MACD 和DMA 等。
拿双均线策略举例，在交易决策的时点需要根据已知数计算短期均线和长期均线两个值，当短期均线高于长时，判断交易决策刻当短期均线高于长时，判断交易决策刻的趋势为上涨，按照会延续的趋势为上涨，按照会延续的思想，认为后市会继续上涨，因此看多。
而当短期均线低于长时判断交易继续上涨，因此看多。
而当短期均线低于长时判断交易继续上涨，因此看多。
而当短期均线低于长时判断交易继续上涨，因此看多。
而当短期均线低于长时判断交易决策时刻的趋势为下跌，认为后市继续下跌，因此看空。
MACD ：称为指数平滑移动平均线，由快的指数移动平均线（EMA12 ）减去慢的指数移动平均线（EMA26 ）得到快线DIF （差离值）。
因此，在持续的涨势中，12日EMA 在26 日EMA 之上。
其间的正差离值（+DIF ）会愈来愈大。
反之在跌势中，差离值可能变负（-DIF ），也愈来愈大。
MACD 的反转信号界定为“差离值”的9日移动平均值（9日EMA），又叫DEA 或DEM 。
用（DIF-DEA ）×2即为MACD 柱状图。
当MACD 从负数转向正数，是买的信号。
当MACD 从正数转向负数，是卖的信号。
当MACD 以大角度变化，表示快的移动平均线和慢的移动平均线的差距非常迅速的拉开，代表了一个市场大趋势的转变。
多因子量化选股模型与择时策略
多因子量化选股模型与择时策略导语：在投资领域，选择正确的股票与买卖时机是成功的关键。
传统的基本面、技术面等分析方法逐渐被多因子量化选股模型取代，而这些模型的应用与择时策略的结合，更是为投资者提供了更高的收益和降低风险的机会。
本文将探讨的基本原理及实践应用。
一、多因子量化选股模型的基本原理多因子量化选股模型是通过综合多个因子指标对股票进行评估和排名，从而选择具有较高投资价值的股票。
这些因子指标可以包括但不限于市盈率、市净率、股息率、市值、成长性、财务健康状况等。
通过对这些因子指标的加权组合，可以构建一个综合评分模型，确定投资组合中股票的配置比例。
多因子量化选股模型的核心思想是基于统计学、经济学和行为金融学的理论，通过对历史数据的回溯和分析，筛选出与股票业绩表现相关性较高的因子，进而进行股票筛选和投资组合的构建。
二、多因子量化选股模型的应用范围1. 长期投资：多因子量化选股模型适用于长期投资策略，通过对股票市场的系统分析和筛选，可以把握低估值、高成长性的个股，具备较高的长期投资回报潜力。
2. 股票组合优化：通过多因子量化选股模型，可以构建多样化且风险分散的股票组合。
通过不同因子的权重调整和盈亏平衡，降低单一股票风险，提升整体投资组合的稳定性和回报率。
3. 风险控制：多因子量化选股模型可以对股票的财务风险、市场风险及系统风险进行评估和控制。
通过选择具备稳定财务状况和较低系统风险的股票，可以降低投资组合的整体风险水平。
三、择时策略的基本原理择时策略是投资者根据市场走势、技术指标等进行买卖决策的策略。
择时策略的目标是在合适的时机买入和卖出股票，以获取超额收益。
择时策略的基本原理是基于市场走势和价格波动的趋势性，通过技术指标和量化模型分析，判断股票市场的涨跌和转折点，从而决定买卖时机。
择时策略的核心思想是强调市场的短期波动和情绪因素对股票价格的影响，通过分析市场的技术指标和量化模型，寻找适合买卖的时机。
四、的结合多因子量化选股模型和择时策略的结合，可以进一步提高投资的成功率和收益水平。
量化择时系统原理
量化择时系统原理全文共四篇示例，供读者参考第一篇示例：量化选时系统原理，是指基于量化金融理论和算法的投资交易系统，通过量化分析市场中的价格、交易量及其他数据指标，运用数学模型和统计学方法来确定买入、卖出和持有的时间点，从而最大化投资回报和控制风险。
量化选时系统的基本原理是利用数学模型和统计学方法，根据市场数据自动分析并预测市场走势，进而根据预测结果来制定交易策略和决策。
这种系统可以减少人为干预，降低交易成本和风险，提高交易效率和收益率。
量化选时系统通常包含以下几个步骤：1. 数据收集：量化选时系统首先要收集市场中的各种重要数据，包括股票价格、交易量、财务指标、宏观经济数据等。
这些数据可以来自不同的来源，需要经过清洗和整理，以便后续的分析和模型构建。
2. 数据处理：对收集到的数据进行加工处理，包括数据清洗、数据转换、数据标准化等，以确保数据的质量和一致性，为后续的分析和模型构建做好准备。
3. 模型构建：在数据处理的基础上，通过数学模型和统计学方法构建量化选时系统，通常采用的方法包括时间序列分析、回归分析、机器学习等。
这些模型可以根据不同的市场情况和交易策略进行调整和优化，以达到最佳的交易效果。
4. 回测和优化：在构建好模型后，量化选时系统需要进行回测，即利用历史数据对模型进行测试和评估，以验证模型的有效性和稳定性。
根据回测结果进行优化和调整，以提高系统的预测准确度和交易效果。
5. 实时监测：建立好量化选时系统后，需要进行实时监测和更新，及时调整和优化系统参数，以适应市场变化和交易策略的调整，确保系统始终保持有效和稳定。
量化选时系统的优势在于可以帮助投资者更加客观和科学地进行投资决策，避免主观情绪和误判的影响，提高投资成功率和收益率。
但也需要注意，量化选时系统也存在一定的局限性，比如对于市场的突发事件和非理性波动可能无法有效应对，需要投资者对系统进行严密监控和适时调整。
量化选时系统是一种基于科学方法和技术手段的投资交易系统，可以有效提高投资效率和收益率，是现代投资领域的一个重要发展趋势。
量化投资-择时策略
择时策略：一、EMD经验模式分解策略：对股价序列可以将其分为两部分：一部分是噪声部分，一部分是信号部分；噪声部分代表了股价的随机游走，信号部分代表了市场的趋势性。
当信噪比较小时，说明价格的随机性较强，多呈现震荡走势；当信噪比较大时，说明价格的趋势性较强。
EMD假设任何复杂的信号都可以分解为若干个波动项和一个趋势项。
波动项称为本征模态函数（IMF），即复杂信号。
本征模态函数为满足如下两个条件的函数：1、函数的局部极大值以及局部极小值的数目之和必须与零交越点的数目相等或是最多只能差1，也就是说一个极值后面必需马上接一个零交越点。
2、在任何时间点，局部最大值所定义的上包络线与局部极小值所定义的下包络线，取平均要接近于零。
沪深300指数18年的走势及趋势项如果R值较小，说明短期波动比较弱势，信噪比较高，以窗口期N天的开盘前30分钟R均值作为阈值，计算当天开盘后三十分钟（即早上十点）的一个R值，若R值小于R_mean,即可做开仓操作。
也可将R值来作为一个选股的因子。
二、RSRS择时认为最高价为压力力度，最低价为支撑力度，用N天最高价和N天最低价做一个线性回归：α+εβHigh*+=Lowε）~N（1,0beta值越大，说明支撑力度越强。
1.以beta作为择时指标：当beta大于某个阈值，视为买入信号；当beta小于某个阈值，视为卖出信号。
阈值设置为beta均值加减一倍beta标准差。
2.beta标准分：市场的状态是不断变化的，beta 值是不断变动的，阈值有可能就失效了。
所以对beta 做一个标准分。
stdmeanβββ-beta_mean 为N 天窗口期beta 序列的平均值；beta_std 为N 天窗口期beta 序列的标准差。
看beta 标准分的分布，取beta 标准分均值加减一倍标准差作为阈值。
3.无偏标准分：beta 标准分*拟合优度：可以通过拟合优度判断线性方程拟合程度的好坏，beta 标准分*拟合优度，可以使得拟合优度大的beta 标准分更大；拟合优度小的beta 标准分变小；而且beta 标准分*拟合优度使得beta 标准分的值更倾向于正态分布。
高收益量化(择时)策略
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，则认为该信号有效 根据历史数据检验，综合模型的准确率大 致在65%左右。 多个模型同时分析，可以有效的提高准确 率
教材
主要模型书中均有介绍
交易品种：牛熊证
优点： （1）高杠杆 （2）确定止损，冲击成本为0 （3）市场容量巨大：每天成交量超过60亿 选择好的交易品种，比策略本身更重要
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)H为布朗运动，即随机游走模型； （2）当1/2< H <1时，未来增量与过去增量正相关，随机过程具 有持久性； （3）而当0 <H<1/2时，未来增量与过去增量负相关，随机过程 具有反持久性。
拐点择时策略
（1）Hurst指数 （2）SVM模型 （3）小波分析
拐点模型1：Hurst指数
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。
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
训练数据准备 训练参数输入 学习样本输入 学习样本输入 否
可以学习？
是 训练参数优化 SVM 模型训练
否 精度达标？ 是 保存模型结束
如何择时？量化策略系统亲测给你看
如何择时？量化策略系统亲测给你看一、择时做股票，择时重要还是选股重要呢？有人会说，择时重要。
只要是牛市，随便什么股票都大涨，猪都会飞上天有人会说，选股重要。
假如你是长线价值投资者,挑选了贵州茅台这种白马蓝筹股,也要会择时. 比如2015年股灾期间,从五月底的近260元到了八月底近最低价160元,这区间跌了100,跌幅38%,这么大的回撤,即使再这么看好,一般人估计也受不了这么大的下跌,怕是要割肉走人了。
那么问题来了，在股市中如何择时躲避大跌呢？如何选择买卖的时点呢？我们都知道，在资本市场中有羊群效应，容易一窝蜂的集体去炒作，特别是在我国，A股封闭，容易暴涨暴跌。
当周围的人去买的时候，更多的人去买，当形成还要大涨的预期后，一些人开始用融资融券加上杠杆去买卖。
一波行情启动前后从沪深两融余额及变化中可以看出行情的起伏变化。
从2014年7月份启动的行情时,两市融资余额为4千亿,之后一路上涨,到2015年6月17最巅峰时两市融资余额为2.26万亿,接着证监会开始核查场外配资,股灾来临,两融余额断崖式下跌两融余额较好的反映了市场的热度, 利用此指标用于量化择时,判断买卖时机,效果也较好。
二、选股：如果掌握了选择股票买卖时机，那么选择哪些股票呢？当然每个人有每个人的选股策略，有人偏爱白马业绩股，有人喜欢黑马大牛股。
还有一些转门挑选小市值的股票，不论从庄家控盘炒作方面还是操作经营业绩方面，都是资本追逐的焦点。
小盘股近些年一直受到市场的热捧。
今天先拿小市值股票做量化回测看看效果。
三、量化模型因此，根据两融指标择时选择批量小盘股的策略经回测，效果怎么样呢？小鱼亲测给你看：根据融资融券余额做出择时的指标，用来判断买入时间，买入标的为流通市值小的非ST股，且排除近期涨幅较大的个股下图为2016年回测结果：年化收益率56.3%，同期大盘收益-12.6%，胜率54%，盈亏比2.5，最大回撤15%下图为2015年回测结果：年化收益率303%，同期大盘收益9.7%，信息比率3.1，盈亏比5.0，胜率67%，最大回撤18%。
长江证券金融工程部量化择时系列指标介绍
市场舆情指标
市场舆情指标
从股市以外的角度给出了市场的辅助判断； 每日开盘前发布，可以作为日内参考； 绝对阈值法使用简便。
本指标的优点：
指标点位波动幅度较大，噪音较多； 牛市和熊市点位可能长期位于低位和高位，对局部波动捕捉能力受限。
本指标的缺点：
基金仓位分歧指标
我们使用大小盘、高低估值等风格板块的收益率去解释某只（上市公募）基金净值收益率，将得到的β相加，作为该基金的仓位。对于每一天，我们可以计算市场上所有相关基金的仓位的平均值和标准差，其标准差就作为基金仓位的分歧指标。计算时，我们未考虑被动指数型基金和不投资于股票市场的基金。
量化择时系列指标简介
单击此处添加副标题
长江证券金融工程部
趋势识别→景气指数 价格/指数序列趋势识别方法 市场/板块组合景气指数
01
市场紊乱指数
02
基金仓位分歧指标
04
香港安硕A50ETF卖空占比
05
市场舆情指标
03
市场波动率
06
目录
趋势识别
趋势识别
买入/持有条件：股票/指数的趋势状态识别为上升； 卖出/空仓条件：股票/指数的趋势状态识别为下降。
本指标的优点：
风险提示后市场会转入下跌状态的时机不稳定； 风险提示后市场下跌的幅度难以预测； 短期热度风险数值变动较快，较难预测，而中期热度风险数值可能有所滞后。
本指标的缺点：
市场舆情指标
从网络上读取媒体更新的财经文章，自动分析识别其多空观点，将每篇文章分为强烈看多、看多、中性、看空和强烈看空5档，赋予多空分值。然后汇总得到最终的市场舆情指标。
本指数的缺点：
本指数的优点：
方向上和大盘的起伏走势一致，光滑、连续性好，易辨别趋势； 数值上可根据经验上下界和绝对上下界大致推断市场/板块组合的局部顶和底； 由于是由个股状态聚合出全市场集体状态，信息含量丰富，而且在关键转折点、风格转换点具有领先指示作用。
量化分析报告
量化分析报告1. 引言量化分析是一种基于数学和统计方法的金融分析方法，通过对历史数据的统计和分析，结合相关理论模型和算法，以及程序化交易系统的应用，帮助投资者做出理性的投资决策。
本报告旨在通过量化分析的方法，对某只股票进行分析和评估，为投资者提供参考意见。
2. 数据收集和准备在量化分析中，数据的收集和准备至关重要，只有准确和完整的数据，才能保证分析的可靠性和准确性。
本报告使用的数据主要来自股票市场交易数据，包括每日股票价格、成交量、市盈率等指标，通过数据接口或者第三方数据提供商获取。
3. 数据分析方法3.1 基本统计分析基本统计分析是量化分析的基础，通过对股票数据进行统计和计算，得到一些基本的统计指标，包括均值、方差、标准差等。
这些指标可以帮助我们了解股票的分布情况和波动性，从而作出相应的投资决策。
3.2 技术指标分析技术指标是量化分析中常用的重要工具，通过对股票价格和成交量等数据进行计算和分析，揭示股票的趋势和价格波动情况。
常用的技术指标包括移动平均线、相对强弱指标（RSI）和布林带等。
通过分析技术指标，我们可以识别出股票的买入和卖出点位，提高投资的成功率。
3.3 基本面分析基本面分析是通过对公司的财务数据和经营状况进行分析，判断公司未来发展前景和估值水平。
常用的基本面指标包括市盈率、市净率、每股收益等。
通过分析基本面指标，我们可以了解公司的盈利能力、成长性和估值情况，从而做出投资决策。
4. 数据分析结果基于以上的数据分析方法，我们对某只股票进行了量化分析，并得出以下结果：•基本统计分析结果：股票的均值为XXX，方差为XXX，标准差为XXX，说明股票的价格具有一定的波动性。
•技术指标分析结果：股票的移动平均线显示趋势向上，RSI指标显示股票处于超买状态，布林带指标显示股票价格接近上轨，提示股票可能存在回调风险。
•基本面分析结果：股票市盈率为XXX，市净率为XXX，每股收益为XXX，公司的财务状况良好，具有成长性和估值优势。
量化择时系统原理-概述说明以及解释
量化择时系统原理-概述说明以及解释1.引言1.1 概述概述部分旨在介绍量化择时系统原理这个主题的背景和重要性。
量化择时系统是一种基于数学模型和统计分析的投资策略，旨在确定买入和卖出资产的最佳时机。
随着信息技术和数据分析能力的快速发展，量化择时系统在金融市场的应用越来越广泛。
传统的择时方法往往依赖于投资者的主观判断和经验，这种方法容易受到情绪和个人偏见的影响，导致决策的不稳定性和不准确性。
而量化择时系统通过利用大量的历史数据、数学模型和统计方法，能够自动化地分析市场趋势和价格变动，为投资者提供更加客观和准确的决策依据。
量化择时系统的原理和基本原则主要包括以下几个方面：首先，系统需要有一个可靠的数据源，能够提供准确和及时的市场数据。
其次，系统需要建立有效的数学模型和指标，来识别出市场趋势和价格变动的规律。
然后，系统需要制定相应的交易策略和规则，以确定何时买入和卖出资产。
最后，系统需要进行实时监控和调整，以适应市场条件的变化。
量化择时系统的重要性和应用价值不容忽视。
它不仅可以帮助投资者提高投资决策的准确性和效率，降低投资风险，还可以通过自动化交易的方式节省人力和时间成本。
此外，量化择时系统的应用范围也越来越广泛，不仅在股票市场、期货市场和外汇市场有广泛应用，还在其他金融领域和实体经济中得到了广泛的应用。
未来，随着技术的进一步发展和应用场景的扩大，量化择时系统有望实现更高的精确度和效率。
同时，随着人工智能和大数据分析技术的融合，量化择时系统还将在更多的领域发挥作用，为投资者和企业提供更准确的市场预测和决策支持。
总之，量化择时系统在金融市场中的应用前景广阔，对于提升投资效果和市场运行的稳定性具有重要意义。
1.2 文章结构本文将分为三个主要部分，引言、正文和结论。
以下是各部分的详细内容说明：1. 引言部分将首先对量化择时系统进行概述，介绍它在金融和投资领域的重要性和应用价值。
接着，文章将说明本文结构和组织方式，为读者提供一个整体的逻辑框架。
金融量化中,评估择时策略的方法
金融量化中,评估择时策略的方法金融量化中，评估择时策略的方法嗨，亲爱的朋友！今天我要跟你唠唠金融量化里评估择时策略的那些事儿，这可真是个超级重要又有点烧脑的课题，但别担心，我会用超级接地气的方式给你讲得明明白白。
首先，咱们得明白啥是择时策略。
你就把它想象成是在金融市场这个大赌场里，决定啥时候下注的秘籍。
比如说，是在股票看起来要涨的时候赶紧买入，还是感觉要跌的时候赶紧跑路。
那咋评估这个秘籍好不好使呢？第一步，咱得看看它的准确率。
这就好比投篮，投进的次数多，那才是好球手嘛！比如说，这个择时策略告诉你买入 10 次，有 7 次真的涨了，那准确率就不错。
但你得注意，别被短期的高准确率给忽悠了，就像偶尔中了一次彩票，可不代表你一直能发财。
第二步，咱们得瞅瞅它的风险控制咋样。
想象一下，你开着车在路上跑，刹车好不好使可比油门猛不猛重要多了。
一个好的择时策略不能光让你赚得多，还得在市场变脸的时候，能保住你的本金，别一下子亏得底儿掉。
比如说，设定一个止损点，一旦到了这个点，赶紧收手，别恋战。
第三步，要看看它的收益风险比。
这就像是你找工作，不能光看工资高不高，还得看看工作累不累，压力大不大。
如果一个择时策略能让你赚 10 块，但承担的风险可能让你亏 20 块，那这可就不划算了。
相反，如果能赚 10 块，最多亏 5 块，那还不错哟！第四步，咱得检验它的稳定性。
这就像你找对象，不能今天对你好得不得了，明天就冷若冰霜，那可受不了。
一个好的择时策略不能这个月赚得盆满钵满，下个月亏得哭爹喊娘。
要能在不同的市场环境下，都有相对稳定的表现。
我跟你说个我自己的奇葩经历。
有一次我看到一个择时策略，开头那准确率高得吓人，我就像捡到宝一样冲进去了。
结果呢，后面市场稍微有点波动，它就完全失灵，我那叫一个惨啊，就像坐过山车，直接从山顶掉到了谷底。
从那以后，我就学聪明了，一定要把上面这几步都好好评估清楚。
再重复一下哈，准确率要看长期表现，别被短期的假象迷惑；风险控制要设好止损点，保住本金是关键；收益风险比得算清楚，不能光看赚得多不多，还得看可能亏多少；稳定性更是重中之重，不能像天气一样说变就变。
金融行业中量化投资技术的使用方法解析
金融行业中量化投资技术的使用方法解析量化投资技术是金融行业中越来越受欢迎的一种投资方法。
通过运用数学和统计学的原理，结合计算机算法进行交易决策，以实现持续、稳定的投资回报。
量化投资技术的使用方法对行业中的投资者来说至关重要，本文将对其进行解析。
首先，量化投资技术的使用方法需要建立一个完整的投资策略。
投资策略应该包括选股、择时、持仓和风控等方面。
而其中最重要的是选股和择时。
选股是通过数据分析和模型建立，从海量的数据中筛选出具有投资潜力的股票。
择时则是根据市场走势和交易信号做出交易决策的过程。
只有建立完整的投资策略，才能在量化投资中实现较好的投资回报。
第二，要使用量化投资技术，需要收集并处理大量的市场数据。
投资者可以通过各种数据提供商获取市场数据，包括历史价格、财务报表、行业数据等。
在收集到数据后，需要进行数据清洗和处理，以确保数据的准确性和完整性。
同时，还要运用统计学、机器学习等方法对数据进行分析，挖掘出有意义的规律和模式。
第三，建立量化模型是使用量化投资技术的重要环节。
量化模型是指将数据和算法相结合，通过计算机程序自动化地进行交易决策。
建立量化模型需要选择适合的模型算法，并进行参数调优。
常见的量化模型包括均值回归、趋势跟踪和统计套利等。
量化模型的建立需要投资者对金融市场有深入的了解，同时还需要不断的实践和调整。
第四，要使用量化投资技术，投资者需要选择合适的交易平台和软件工具。
市场上有很多量化交易平台和软件工具可供选择。
投资者应该根据自身的需求和投资策略选择合适的平台和工具。
在选定平台和工具后，还需要对其进行合理配置和参数设置，以确保顺利进行量化交易活动。
第五，风控是使用量化投资技术的重要环节。
量化投资并不意味着零风险，相反，错误的策略和操作可能会导致巨大的损失。
因此，投资者要建立健全的风险控制体系，包括设置止损和止盈条件、控制仓位和调整风险率等。
同时，要建立风险监控系统，及时发现和应对风险事件，确保投资的安全性和稳定性。
长江证券量化选股体系介绍从因子选股到模式识别
异常交易公告： 实际组合 2019 年至今持有 20 个交易日的每月超额收益：
资料来源：Wind, 长江证券研究部
本报告框架
汇聚财智 共享成长
择时
趋势跟踪系统
因子选股
单因子模型
选股
趋势跟踪方法（无法实际应用）
多因子模型
别
事件驱动选股 形态识别选股
汇聚财智 共享成长
一、择时与选股
两两之间识别相对趋势，以行业为例 采掘相对医药生物：结果很不稳定
汇聚财智 共享成长
资料来源：Wind, 长江证券研究部
汇聚财智 共享成长
一、择时与选股
对所有两两行业之间均识别相对趋势 对行业进行打分：
A 行业相对 B 行业表现好：0.5 分，否则 -0.5 分 在状态改变的时刻，分值为 1 或者 -1 选取打分居前的 3 个行业，排名有变化时换仓，交易成本 0.5%
汇聚财智 共享成长
二、多因子选股方法
三因子组合：
汇聚财智 共享成长
资料来源：Wind, 长江证券研究部
二、多因子选股方法
因子预测胜率对收益的影响：
汇聚财智 共享成长
资料来源：Wind, 长江证券研究部
大小盘因子对收益的影响最大，其次是沪深 300 因子，最后是市净率因子
本报告框架
汇聚财智 共享成长
资料来源：通达信, 长江证券研究部
汇聚财智 共享成长
三、事件驱动选股方法
异常交易公告： 选股逻辑：未来三个月内不存在重大事项的股票，在三个月以后依然存在重 大事项的可能性，这种朦胧的利好会被市场炒作，从而产生超额收益。 选股范围：读取公告中含有“未来三个月内”或类似字样的股票 考察目标：发布公告三个月后的前 10 个交易日到后 10 个交易日的超额收益 时间范围：2019 年至今
股票市场的量化择时策略分析
硕士研究生学位论文股票市场的量化择时策略分析 姓 名 ：刘明星学 号 ：1201211991院 系 ：光华管理学院专 业 ：工商管理硕士研究方向 ：金融工程导师：王明进 教授2014年5月版权声明任何收存和保管本论文各种版本的单位和个人，未经本论文作者授权，不得将本论文转借他人并复印、抄录、拍照、或以任何方式传播。
否则，引起有碍作者著作权益之问题，将可能承担法律责任。
摘要股票市场的量化交易是目前市场上新兴的交易方式。
这种交易方式是利用程序化交易手段，通过事先设计的交易策略在市场上进行自动交易。
与传统交易策略相比，量化交易可以避免人为情绪的影响，严格执行既定策略，通常能够取得更加优异的收益率。
因此，量化交易在全球范围发展非常快，在国内股票市场所占比例也逐步扩大。
本文首先简单介绍各类量化交易策略和方法，然后引出量化交易中最为重要的量化择时策略，并利用海量的历史数据对量化择时中的趋势择时策略进行了详细的研究分析，得出趋势择时的有效性的理论依据。
更进一步，利用相关的理论知识对趋势择时策略进行了系统性完善和改进，改进后的策略可以取得更好的统计意义上的收益。
关键词：股票市场量化交易量化择时趋势跟踪Strategic Analysis of the Quantitative Timing in Stock MarketsMingxing LiuDirected by Professor MingJin WangAbstract: Quantitative trading in stock market is a new trading mode on the emerging markets. By program trading means, this trading strategies conducts on the market through the process of pre-designed automated trading. Compared with the traditional trading strategies, quantitative trading can avoid the impact of human emotions, strictly execute the given strategies, which usually able to achieve more excellent yields. Therefore, quantitative trading range is developing very fast in the world, the proportion of the stock market in China has gradually expanded.This paper simply describes the various types of quantitative trading strategies and methods, then the transaction leads to quantify the most important market timing strategies. Using the mass of historical data, this paper make a detail research analysis to the trend timing strategies, which is a part of quantitative timing, then draw a conclusion that the trend timing strategies is valuable based the relevant theory. Furthermore, the tendency timing strategies has been refined and improved by systematic theoretical knowledge, and the new strategies can achieve better returns on statistical significance.Keywords: Stock Market, Quantitative Trading, Quantitative Timing, Tendency Tracking目 录第一章 引言 (1)一、股票市场的量化投资 (1)二、本文研究的问题及研究方法 (1)三、本文的主要结构 (2)第二章 量化投资概念 (3)一、什么是量化投资 (3)二、量化投资与传统投资的比较 (4)三、量化投资历史 (6)四、量化投资主要内容 (7)第三章 量化择时介绍 (11)一、量化择时方法 (11)二、趋势跟踪择时策略 (14)第四章 趋势择时的实证分析 (18)一、方案设计 (18)二、择时参数选择 (21)三、其它参数选择 (25)四、结果分析 (27)第五章 择时策略优化 (39)一、组合策略 (39)二、仓位管理 (40)三、分散与集中 (42)四、马丁格尔策略 (43)五、全局优化 (46)第六章 结论 (48)参考文献 (50)后记 (51)第一章 引言量化投资在海外有超过30年的历史，在国内是近年来才新兴的一种投资方法。
量化选题研究报告
量化选题研究报告1. 引言本报告旨在对量化选题进行深入研究和分析。
量化选题是量化投资领域的重要环节，它的选择和确定将直接影响到投资策略的有效性和收益。
本报告将从量化选题的概念、目的、挑战和方法等方面进行详细探讨，并结合实际案例进行分析和讨论。
2. 概述2.1 量化选题的定义量化选题是指通过收集和分析大量的数据，并运用统计和机器学习等量化模型，从中获取投资机会的过程。
量化选题的本质是一种数据驱动的投资方法，它基于大数据和算法的分析，寻找市场中存在的不均衡和规律，以获得超额收益。
2.2 量化选题的目的量化选题的主要目的是识别潜在的投资机会，并进行系统化的分析和挖掘。
通过对历史数据和市场因素的研究，可以发现不同资产之间的关联性和规律，进而构建有效的投资策略，并实现持续的投资收益。
2.3 量化选题的挑战量化选题在实际应用中也面临一些挑战。
首先，数据的获取和清洗是一个复杂而繁琐的过程。
其次，市场的变化和不确定性给量化选题带来了诸多困难，需要不断调整和优化模型。
此外，量化选题还需要充分考虑风险控制和资金管理等因素，以保证投资的安全性。
3. 量化选题的方法3.1 数据收集与清洗在进行量化选题之前，首先需要收集和清洗相关的数据。
这些数据可以包括股票价格、财务报表、宏观经济指标等。
数据清洗是为了确保数据的准确性和一致性，在清洗过程中需要处理缺失值、异常值和重复值等。
3.2 数据分析与建模在数据收集和清洗完成后，接下来需要进行数据分析和建模。
这是量化选题的核心环节。
通过使用统计和机器学习等方法，对数据进行分析和建模，以寻找存在的投资机会和规律。
这包括统计指标、技术指标和基本面分析等。
3.3 模型评估与优化在建立量化模型之后，需要对模型进行评估和优化。
评估模型的准确性和稳定性，并进行参数调优和模型选择，以获得更好的投资效果。
同时，还需要进行风险评估和资金管理，以确保投资的安全性和收益稳定性。
4. 案例分析4.1 基于相对强度指标的选题相对强度指标是衡量资产在一段时间内相对于市场平均水平的走势的指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2012 年 2 月 20 日
量化择时系列二
水致清则鱼自现——小波分析与支持向量机择时研究
中小企业板量化选股模型收益比较图 量化择时模型收益比较图
模型对上证指数取得较好的择时收益
专 题 报 告
相关研究报告
公 司 深 度 报 告
本文采用小波分析加支持向量机的方法构建量化择时模型，并检验了在不同参 数条件下预测模型对应交易策略的有效性。最终发现预测模型得到的交易策略 对上证指数具有较好择时效果，在训练时间窗为 5 个交易日的情况下，经过小 波分析滤波后得到的预测模型单日预测正确概率可以达到 56.01%， 交易成功概 率达到 84.65%， 每次交易扣除 1%的交易成本后， 从 2000 年 2 月 21 日到 2011 年 12 月 31 日，模型共获得 84.28 倍的收益。
请务必阅读正文之后的免责条款。
2/30
金融工程·专题报告
图表目录
图表 1 图表 2 图表 3 图表 4 图表 5 图表 6 图表 7 图表 8 图表 9 图表 10 图表 11 图表 12 图表 13 图表 14 图表 15 图表 16 图表 17 图表 18 图表 19 常用技术指标的表现情况 .................................................................................... 4 累积收益率为正的概率与预测次数的关系（单次正确概率 p=55%）............. 6 累积收益率为正的概率与预测次数的关系（单次正确概率 p=45%）............. 6 累积收益率为正的概率与预测次数的关系（单次正确概率 p=50%）............. 7 2007.11.23——2012.12.28 日上证指数走势图（原始数据） ............................ 9 2007.11.23——2012.12.28 日上证指数走势图（从第二层构建原序列） ........ 9 2007.11.23——2012.12.28 日上证指数走势图（从第四层构建原序列） ........ 9 常用的几种小波函数 .......................................................................................... 11 结构风险最小化 .................................................................................................. 13 支持向量机源于最优超平面 ............................................................................ 14 支持向量机对原始数据的预测情况 ................................................................ 17 原始数据建模后的交易策略表现 .................................................................... 17 支持向量机对周数据预测效果 ........................................................................ 18 周数据建模后的交易策略效果 ........................................................................ 19 沪深 300 日数据建模后的预测情况 ................................................................ 20 沪深 300 日原始数据建模后的交易策略收益率情况 .................................... 20 沪深 300 周数据建模后的预测情况 ................................................................ 21 沪深 300 周数据建模的交易策略收益率 ........................................................ 21 上证指数与展开数据 ........................................................................................ 22
1.1 技术分析的有效性 ........................................................................................................... 4 1.2 如何构建较好量化择时模型 ........................................................................................... 5 二、 小波分析及支持向量机介绍 ......................................................................................... 7
本文在使用小波分析和支持向量机的模型对沪深 300 指数进行建模后，发现无 论是指数的日数据还是周数据，都取得了明显的预测效果，预测涨跌的正确概 率都显著得高于 55%，正确概率的均值达到 60%。虽然如此，该模型的预测序 列在对应的交易策略中并没有取得较高择时收益。总体来看，周数据交易模型 收益率要高于日数据交易模型， 滤波后效果最好的交易模型扣除单次 1%的交易 成本后也只创造 4.5 倍的收益。
坦率的讲，该模型对小规模资金进行择时操作具有较好适应性，而对大资金的 择时操作则显吃力，这主要是由于模型交易频率偏高所致。从对模型的实证检 验的结果来看，过高的交易频率使得交易成本高企，如果资金规模较大，由于 冲击成本提高将使交易成本显著超过 1%。在未来，平安金融工程将会从两个方 面改进模型，一个方向是降低模型的交易频率，使得模型更适合大资金操作； 另一个方向是提高模型的交易频率，使得该模型更适合投资像股指期货等高交 易频率、低交易成本的品种。
2.1 小波分析的原理介绍 ....................................................................................................... 8 2.2 支持向量机的原理介绍 ................................................................................................. 12 三、 小波分析及支持向量机实证检验 ............................................................................... 16
周谧 程宁巧
一般29 0755-22629753
Chengningqiao151@
请务必阅读正文之后的免责条款。
金融工程·专题报告
正文目录
一、 量化择时的一些思考 ..................................................................................................... 4
图表 23 支持向量机对滤波周数据预测效果 .................................................................. 25 图表 24 图表 25 图表 26 图表 27 图表 28 支持向量机对滤波上证周数据预测效果 ........................................................ 26 支持向量机对滤波沪深 300 日数据预测效果 ................................................ 26 滤波沪深 300 建模后交易策略收益情况 ........................................................ 27 支持向量机对滤波沪深 300 周数据预测效果 ................................................ 28 滤波沪深 300 建模后交易策略收益情况 ........................................................ 28
3.1 支持向量机对原始数据的预测效果 ............................................................................. 16 3.2 支持向量机对经过小波滤波后数据的预测效果 ......................................................... 22 四、 总结 ............................................................................................................................... 29
图表 20 滤波之后的上证指数图象 .................................................................................. 23 图表 21 支持向量机对滤波数据预测效果 ...................................................................... 24 图表 22 滤波构建支持向量机的交易策略情况 ............................................................ 24