量化经典高收益量化策略.pptxVIP

高收益量化策略

实盘结果

实盘结果

优点：确定性高准确时可以获得高利润缺点：只能吃到‘鱼身’冲击成本巨大胜率低传统趋势是一个低胜率策略传统的趋势交易模型

拐点择时是一个高胜率的策略06冲击成本低05收益高04难度大03特点：02试图在最低点做多，最高点做空01拐点择时模型

3小波分析21Hurst指数SVM模型拐点择时策略

01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。02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。拐点模型1：Hurst指数

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)H为布朗运动，即随机游走模型；（2）当1/2H1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0H1/2时，未来增量与过去增量负相关，随机过程具有反持久性。

当0≤H≤0.5时，这是一种反持久性的时间序列，常被称为均值回复。如果一个序列在前一时期是向上走的，那么它在下一个时期多半是向下走的反之亦然。具体HURST指数计算方法见第十四章：分形理论当H=0.5时，时间序列是随机游走的。序列中不同时间的值是随机的和不相关的，即现在不会影响将来。Hurst指数和相应的时间序列分为3种类型：当0.5≤H≤1时，表明序列具有持续性，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—R/S方法

图上证指数与对应Hurst指数关系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。01Hurst指数确实是一个判断大盘拐点的有效模型02

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01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。01SVM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。01拐点模型2：SVM

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—一个策略该策略中，SVM模型的输入为过去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

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01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，信号和噪声通常会有不同的表现，从而达到信噪分离的目的。02拐点模型3：噪声指数

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

010203040506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。阈值处理选择sqtwolog阈值估计准则。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。原始数据减去重构小波即为噪声数据。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小波分析

01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0203综合模型

优点：高杠杆确定止损，冲击成本为0选择好的交易品种，比策略本身更重要市场容量巨大：每天成交量超过60亿0102030405交易品种：牛熊证

利用拐点模型进行大盘拐点判断利用牛熊证进行相应的操作每次仓位不超过5%亏损超过20%，则交易停止这是一个赌大盘拐点大概率策略模