教你如何做期货.pptx

期货分析师的培养与成长一、国内期货分析师的现状 国内期货研究部门以及分析师的定位服从于期货经纪业务的定位 实用型研发成为期货分析师的主要方向 相当数量的期货分析师需要综合素质培养二、期货行业对期货分析师的需求1. 中国期货业的发展趋势 市场的横向发展，进一步加强了期货行业在国民经济各行业中的作用和地位 市场的纵向发展，将提供更多的丰富产品 整个市场的产品创新，将从交易所的品种创新逐步过渡到全行业各个方面产品的创新2. 行业的发展，对期货分析师提出了新的需求 多层次市场的建立，需要期货分析师多层次定位 机构的多样化发展，需要期货分析师多层次定位 品种的丰富，需要期分析师多层次定位2. 行业发展，对期货分析师提出了新的需求 客户数量规模的扩大，带来的群体细分，需要期货分析师多层次定位 期货咨询业将得到发展，对期货分析师提出了更高的要求 期货公司业务的复杂化，对期货分析师提出了专业化的要求三、提高研发水平，做一名优秀的期货分析师 期货分析师的研究能力，决定了公司的服务半径2. 期货分析师应注重自身全面素质的提高从理论 实践研发收集写市场开拓整理讲服务优秀的期货分析师要成为期货市场的“全才”总体研究宏观经济的结构，相关市场的研究风险控制专项的研究基本面、技术面数据支持和模型推演3. 科学研究方法的建立 完整的研究项目包括四个组成部分 建立全球化的价格链分析体系美元指数道琼斯指数伦敦金融指数法兰克福指数上证指数泰国指数CRB指数货币价值的重估低利率美元贬值亚洲因素CRB的上升经济稳定增长低利率全球股市的上涨通过图表可以看到全球经济特征： 基本面分析与技术面分析 简单就是有效的上证指数招商银行美豆指数中国大豆指数中国小麦指数美麦指数美国原油指数中国燃料油指数 图表的长期化应用美国豆油指数 程序化交易将成为方向LME铜国内大豆 模型的推演——SPSS之时间序列分析 所谓时间序列，是指一个依时间顺序组成的观察数据集合。时间序列区别于普通资料的本质特征是相邻观测值之间的依赖 性，或称自相关性。因而，我们会特别关注对自相关性的处理。（一）、指数平滑法指数平滑法的思想是用无穷大为窗宽，各历史值的权重随时间的推移呈指数衰减。本质是用当前值和历史值预测未来值。simple法 为单参数的指数平滑模型，适用于无长期趋势和周期性波动的序列。Holt法 为双参数线性指数平滑法，适用于有线性趋势而无季节性趋势的时间序列。Winters法 为三参数模型，适用于有周期性变化的时间序列数据。Custom法 本法为SPSS提供的一个选项，给用户自定义方法。举例：白糖的周数据1、自定义选项的线性模型结果为：误差平方和 SSE指数趋势模型结果为误差平方和 SSE衰减趋势模型结果为误差平方和SSE=2401783选取SSE最小的线性模型，可以得预测结果（未来四周的价格）上面的模型未加入周期性因素，考虑到周期性因素，可以使得模型更加准确和符合实际（但是这个过程需要我们去尝试各种不同模型的组合方能得到最佳的结果），我们可以选择指数趋势模型，并结合加法模型的季节成分，可以得到结果:模型误差平方和SSE=178091，因而可得预测（五天的预测），数据为日数据。二、自回归模型一些时间序列存在自相关性，表现为模型的残差存在自相关现象，对于这类现象，可以使用自回归模型（Autoregression Model）进行分析。我们应用Paris-Winsten法对白糖周数据进行相关计算可得:Rho(AR1)，一阶自相关系数估计值为0.412，标准误差为0.104模型拟合指标，其中Durbin-Watson统计量为1.824，接近2，也即残差自相关问题得到解决。由上面的回归系数参数估计结果可得：期货价格=1177.382+0.458×前一天最高价+0.287×前一天最低价-0.001*前一天持仓量+0.412×前一天期货价格下图为预测数据和实际数据的对比图 VaR值的应用例如：我们在10天内以99%量化水平衡量1亿美元股权投资组合的VaR计算VaR步骤如下：当前投资组合的逐日结算（如1亿美元）衡量风险因素的波动性（如每年15%）设置时间期限或持有期（如10个交易日）设置量化水平（如若99%——假设一个正态分布，将产生一个值为2.33的因素）通过处理前面所有信息报告最大损失（如700万美元的VaR）注：样本计算1亿美元X15%X X2.33=700万美元当前数据图示：头寸分析前台市场数据整体贮存中后台分析映射风险驱动估价、风险衡量头寸VaR模型风险价值VaR为核心的风险管理系统 对投资策划的深刻理解战略投资——价值型投资（回调介入，长期持有，大止损）精准投资——技术型投资（技术定位，小止损，快进快出） 注重保证金，到期，升贴