上篇,我们主要介绍了选股的方法,本篇将对择时止损、金融与市场和机器学习的文章进行介绍。上篇链接:Ricequant迎新年50篇干货分享(一)
择时与止损
在完成基础上,最首要的问题便是择时和止损。我们列举了本年度经典的择时方法。
希尔伯特变换通过将信号转化为同向分量和正交分量,构成类似于复平面的一个二维空间,并通过点所在的象限判断目前的趋势转变。
我们选出一篇止损方案目录,其搜集了数十种常见的止损方法供大家参考学习。
波动率与风险
市场总是处于波动之中,风险无处不在,希望能通过给出这四篇文章向大家介绍波动率和风险的本质。波动率建模提供的系统框架的第一个模型是ARCH模型。虽然ARCH模型十分简单,但是为了充分描述资产收益率的波动率过程,往往需要更多的参数。这样,我们必须利用一个新的模型----GARCH模型。
当然,运用GARCH模型,更多地要运用其预测功能。关于GARCH模型也有很多种类型,如求和GARCH模型、GARCH-M模型、指数GARCH模型。波动与风险之中也蕴含着利润。
指数研究
过去的一年里,有很多关于指数的研究。指数相对个股,其白噪音更小,统计学特性(方差、均值、自相关性等)更好,自然其研究价值也更大。我们尝试着用多种的方法预测大盘的走势,以反应市场在排除部分干扰因素下的表现。
通过模型的研究成果,可以发现,确实存在模型可以对指数进行较好程度的预测,其分类算法准确度在70%以上。
统计套利
统计套利可以有效的对冲风险。也有很多人士将统计套利看作量化交易的本质,举一个小小的例子:《量化交易—策略与技术》的理论篇有78%的篇幅放在统计套利这一块,其重要性不言而喻。统计套利的基础在于序列的平稳性和协整性,单只序列满足平稳性,这是最好的情况,单只股票就可以交易了(低买高卖),但往往不能,则需要通过协整型构建股票组合,继而进行统计套利。
机器学习
文章的最后,就是重量级的机器学习和深入学习了。