模型对上证指数取得较好的择时收益
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。
模型对沪深300指数的择时收益尚待改进
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
更新时间:2022-02-17 02:32
\
更新时间:2022-02-08 03:49
更新时间:2021-12-24 09:01
更新时间:2021-12-14 13:16
更新时间:2021-12-14 13:15
行业轮动是利用市场趋势获利的一种主动交易策略,其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。通俗点讲就是根据不同行业的区间表现差异 性进行轮动配置,力求能够抓住区间内表现较好的行业、剔除表现不佳的行业,在判断市场不佳 的时候,权益类仓位降低,提升债券或货币的比例。
目前,对我国行业轮动现象的理论解释有很多,但主要是以实体经济和行为金融为主。从长期和综合的角度看,应该以实体经济为基础,这样才是有源之水、有本之木。股市里的行业轮动应该是以实体经济的行业轮动为基础,是实体经济的一个映射。当然,这个映射并不仅仅反
更新时间:2021-12-14 13:11
中高频机器学习再出发
区别于传统的主观规则交易,机器学习模型可以挖掘出更多的非线性模式。我们设计的集合分类回归策略采用XGBoost机器学习模型,并使用集合学习对机器学习模型进行融合来预测日内涨幅。
日内涨幅影响因子
我们共挖掘出15个因子:隔夜涨幅,集合竞价阶段第一阶段涨幅,集合竞价阶段成交金额占比,第一阶段委比变化,第二阶段委比变化,第二阶段涨停和第二阶段持续上行与日内涨幅有正向影响;集合竞价阶段第二阶段涨幅,集合竞价阶段成交金额占当天总成交金额的比例,第一阶段涨停,第二阶段的委买一价,委卖一价均值的平均值,第二阶段的委买一价,委卖一价均值的最大值,第二
更新时间:2021-11-26 07:37
本文主要介绍在执行回测时,成交撮合价格如何设置以及有哪些设置方式。
当我们新建一个模板策略时,我们默认情况是如下设置:
即买入以开盘价成交,卖出以收盘价成交。这样就决定了交易引擎在回测过程中按照哪个价格来进行撮合。 这样设置后,所有的订单都会按照这样的参数发挥作用,那如果某一笔订单想特殊处理呢?比如19年以来贸易战,策略不希望收盘卖出,而是希望开盘卖出。
我们在交易引擎里的下单API增加了order_
更新时间:2021-11-19 10:42
作者:Harry Nicholls编译:caoxiyang
你有没有想过如何使你的交易策略自动化并增加交易利润?在本文中,我们将介绍算法交易的基本知识,好处和风险。准备好开始自动交易吧! 很多技术分析都涉及观察信号指标,然后根据信号进行交易。正如我在之前的文章“一个让优秀交易者高于其他交易者的行为”中所讨论的那样,你应该在你的交易日志中记录下你所有的交易,当你获得更多的经验时,你应
更新时间:2021-08-24 05:46
作者:Mybridge
翻译:BigQuant
我们比较了2017年全年近2万篇关于机器学习应用的文章,并且从中挑选出50篇最有价值的文章分享给大家。
“在硅谷,招聘一名机器学习工程师或数据科学家正在变得像招聘一名职业运动员一样。 这就是对他的要求”——[纽约时报](https://www.nytimes.com/2017/10/22/technology/artificial-in
更新时间:2021-08-24 05:46
更新时间:2021-07-30 08:05
更新时间:2021-07-30 07:55