量化思维与常见的量化指标

导读:

交易和投资让我们看清了人性的弱点。有人亏钱,就有人反向利用这些弱点而赚钱。赚钱者并不表明他们不具有人类普遍的天性,只是相比手无寸铁的散户,他们手里掌握着“核武器”——量化交易系统。

他们善于采取量化思维,穷举市场可能因素,并设计交易系统,通过雇佣大批数学、天体物理学家,凭借高速计算机将系统设计成量化交易模型,也就是用人工智能决策来替代人脑,从而规避他们自身情绪天性对交易决策的影响。

1、两种交易类型中的量化交易

按照决策的方式,交易可分为判断型和量化型。

判断型交易根据金融市场各种信息以及个人过去的经验来确定买卖什么、买卖多少、什么价位执行、交易如何出场(止盈和止损)等,这里面最有代表性的人物是索罗斯,股神巴菲特也应该属于判断型。

我们知道交易者的决策中心枢纽是大脑,各种信息进入大脑,会做出判断并发出买卖决策,同样的信息进了不同交易者的大脑,出来的很可能是不同的决策指令,因为我们每个人的经历不同、性格不同、判断的方法就会不同,所以这种类型无论从情商还是金融背景,都对个人能力要求极高,按照此种类型获得成功的交易者只有少数,而恰恰市场中的大多数交易者均属于判断型交易。

科学发展到今天,人类已能上天入海,但对自己大脑的了解还充满未知。简单来说,量化交易就不用依赖大脑做决策,而是靠数学模型。比如:交易者把最新的金融市场及其它相关信息输入到他的量化模型,公式得出的结果提示买进白银,价位在3400,机械交易系统就自动执行指令或者通过人工下单,过了一段时间,一天或者几个月,也可能是几秒之后就平仓了。

量化型和判断型交易的最主要区别,就在于不用做主观判断,而是完全依照数学模型设计的机械化交易系统来代替人脑做决策。数学模型的好处是它的一致性:同样的信息输入公式,得出的结果是一样的,与是谁输入的没有关系。詹姆斯-西蒙斯正是量化型交易者的代表,他所创立的大奖章基金在1989--2006年17年间,平均年收益率达到惊人的38.5%,而股神巴菲特过去20年的平均年回报率也不过才20%。詹姆斯-西蒙斯也因此被誉为“最赚钱的基金经理”,量化交易的威力由此可见一斑。

2、用量化思维整合你的交易

人的情绪弱点不能根本消除,但可以最大限度的规避。我们不像詹姆斯-西蒙斯那样拥有顶尖的先进的交易硬件,却可以学习他的思维模式,用量化思维来整合我们的交易,严格遵守纪律和原则,情绪影响最小化,收益才能最大化。

量化是否具有数学模型不重要,关键是要有量化思维。大道至简!无论是心理情绪、基本面,还是行为技术面,一切皆可量化,让量化渗透进交易过程的方方面面,如此交易就会变得简单。

广义上的量化是交易流程的量化,它分为以下五个步骤。

向上滑动阅览

第一步:情绪的管理

① 自我负责。在市场中交易者互为对手,没有人在乎你的得失,所以交易者应该鼓起勇气,一切靠自己的能力,不随波逐流,不受他人左右,同时也不试图去改变他人。

② 发现弱点。就如本文开头所讲的那样,主动认清自己的弱点才能有的放矢。

③ 设想可能发生的错误。你应该在开始每一笔交易时,提前就考虑好有可能发生的意外,并提前设计好应对的策略,想必你应该会在实际交易时做到处变不惊。

第二步:行情分析

行情分析包括基本分析——供求关系;心理分析——持仓量、成交量等;行为分析——K线形态、技术指标、波 浪理论等。

找寻市场的运行状态,分析是属于稳定的波动、稳定的平静、稳定的趋势、还是波动的趋势。

第三步:制定交易系统

属于行情分析和资金管理,科学合理的设计、指定交易系统。

入市:什么时间和点位买卖;

止损:什么时候放弃一个亏损的持仓;

止盈:什么时候退出一个盈利的持仓;

资金管理:依据风险报酬比,确定买卖多少;

交易的方式:可分为趋势跟踪、波段交易、反趋势交易和日内交易四种。

第四步:交易计划的执行

一个有效的交易系统,需要坚定不移地遵守它,你的行动就会更具有统一性,尽管连续的亏损或巨大的盈利也会激起内心的恐惧和贪婪。但一个反复打磨的系统能赋予你信心、统一性和纪律性。这才是许多成功者的交易要诀。

第五步:交易评价和总结

① 对单次交易结果的评价。交易结果可能盈利也可能亏损,盈利了总结成功的经验,告诉自己为什么这么做,系统是否100%被执行;若亏损了需要找出原因,首先评估行情走势的特点和行情分析的偏差,其次评估情绪是否影响了交易系统的执行。

② 对连续一段时间的所有交易进行评估,确定盈亏,若盈利表明系统有效可靠,会强化对系统的信心;若亏损,就要搞清是情绪影响没能严格执行系统的原因,还是严格执行但系统本身存在缺陷的原因。如果是后者就要对系统进行重新测试评估,进而做出调整。在反复锤炼中,系统的可靠性、有效性才能提高。

3、简单有效的形态量化交易系统

狭义的量化仅仅指上面第三步--制定交易计划,设计交易系统。优秀的交易者通常都会精心设定交易的"时机与目标",他们不会心血来潮,而是事先穷举各种可能并给出对策,采取“如果……就……”的信号决策,因为建立了系统,才能舒解压力,增强信心,最主要的作用是理清了思路与严格了交易纪律。下面即是一个简单但非常有效的交易系统--形态量化交易系统。

长期观察,不同周期的股票走势,都是由其自身的震荡和单边趋势构成。

1、震荡分为中继震荡和顶底震荡。中继震荡一般可以理解为市场在持续中的歇息,分为收敛和发散三角形、上升和下降三角形、矩形、菱形,旗形等,顶底震荡可以归类为各种反转形态,分为头肩顶(底)、双顶(底)、潜伏顶(底)、多重顶(底)。辨别是持续还是反转形态,要看突破的方向。例如,可能的三重顶向下突破颈线位失败后,转为向上成功突破三角形上轨压力,此形态即转化为收敛三角形的中继形态。其他形态亦然。

2、单边走势大多处于明显的上升或下降通道中,或沿着一条上升或下降趋势线运行。价格一旦下破或上破趋势线,都会发生反转。

根据以上归纳,系统可以设计如下:

1、确定交易方式,现采取日内短线交易方式,以日、60分钟K线价格为分析对象;

2、找出可能存在的形态或单边通道,确定压力和支撑。

3、等待支撑或压力被突破;

4、根据突破的可能空间、压力和支撑,确定止损位和获利目标;

5、确定仓位;

6、利用K线形态及指标过滤,确认突破是否有效;

7、若突破,执行入场。

常见的量化指标

Annualized Returns(策略年化收益率),表示该策略投资期限为一年的收益率。

具体计算方式为 (策略最终价值 / 策略初始价值 - 1) / 回测交易日数量 × 250。

Benchmark Returns(参考标准年化收益率),表示参考标准(通常是某指数)投资期限为一年的收益率。

具体计算方式为 (参考标准最终指数 / 参考标准初始指数 - 1) / 回测交易日数量 × 250 。

Alpha(阿尔法),市场交易中面临的非系统性风险(α风险)。

具体计算方式为 (策略年化收益 - 无风险收益) - beta × (参考标准年化收益 - 无风险收益),这里的无风险收益指的是中国固定利率国债收益率曲线上10年期国债的年化到期收益率。

Beta(贝塔),市场交易中面临的系统性风险(β风险)。

具体计算方法为,策略每日收益与参考标准每日收益的协方差 / 参考标准每日收益的方差 。

Sharpe Ratio(夏普比率),表示每承受一单位总风险,会产生多少的超额报酬。

具体计算方法为 (策略年化收益率 - 回测起始交易日的无风险利率) / 策略收益波动率 。

Volatility(策略收益波动率),用来测量资产的风险性。

具体计算方法为 策略每日收益的年化标准差 。

Information Ratio(信息比率),衡量超额风险带来的超额收益。

具体计算方法为 (策略每日收益 - 参考标准每日收益)的年化均值 / 年化标准差 。

Max Drawdown(最大回撤),描述策略可能出现的最糟糕的情况。

具体计算方法为 max(1 - 策略当日价值 / 当日之前虚拟账户最高价值)。

-----------------------------------------------------------------------------

拓展阅读:

0. 从量化角度告诉你常见的技术指标到底能不能赚钱?

1. 从回测到实盘(2):如何让回测更贴近实盘结果

2 .程序化交易(3):从回测到实盘,还需要注意些什么?

原文地址:https://www.cnblogs.com/myquant-cn/p/10930698.html

时间: 2024-10-30 05:32:51

量化思维与常见的量化指标的相关文章

量化投资策略:常见的几种Python回测框架(库)

量化投资策略:常见的几种Python回测框架(库) 原文地址:http://blog.csdn.net/lawme/article/details/51454237 本文章为转载文章.这段时间在研究量化策略方向,研究了Zipline一段时间,但是后续发现他仅支持美国股票,收集量化策略文章,转载到博客中. 在实盘交易之前,必须对量化交易策略进行回测.在此,我们评价一下常用的Python回测框架(库).评价的尺度包括用途范围(回测.虚盘交易.实盘交易),易用程度(结构良好.文档完整)和扩展性(速度快

AI量化交易(一)——量化交易简介

AI量化交易(一)--量化交易简介 一.量化交易简介 1.量化交易简介 量化交易是以数学模型为交易思维,以历史数据为基础,以数学建模.统计学分析.编程设计为工具,利用计算机技术从庞大的历史数据中海选出能带来超额收益的多种大概率获利事件以制定交易策略. 2.量化交易的特点 (1)纪律性.量化投资决策都是依据模型做出的,模型会模拟测试成千上万次来达到高容错率.(2)系统性.量化交易数据分析有一套非常全面的数据评测系统,会从多方面考量市场,比如:宏观周期.数字货币估值.换手率.盈利质量.市场情绪等.(

常见商品期货量化交易策略

商品期货套利策略 套利策略一般包括期现套利.跨期套利.跨市场套利.跨品种套利等. 对于商品期货而言,期现套利必须交易大量的商品实物,这对大多数机构投资者而言并不合适.因此,我们仅介绍跨期套利.跨市场套利和跨品种套利. 1.跨期套利 跨期套利的思路一般如下:对某一品种主力合约和次主力合约的价差做统计(一般是厚尾分布),然后选取恰当的分位数设定阈值,则可进行反转套利.我们前期的报告<趋强避弱商品期货套利策略>中对其已有详细的研究,在此就不赘述了. 2.跨市场套利 跨市场套利即对同一期货品种在不同市

量化交易系统平台开发:量化交易的门类区分

随着区块链技术的不断发展,数字资产应用的广泛.量化交易也被采用在了区块链技术上面,目前相对来说想要做量化交易,就需要有专业的团队来进行科学的操盘.也需要有专业的系统平台来承载,然后对接各大平台的交易数据进行专业的操作.那么什么是量化交易呢? 量化交易,就是将人的投资思想规则化.变量化.模型化,形成一整套完整.可量化的操作思路,并且这个思路可以用历史数据进行分析验证,在交易阶段可以由计算机自动执行的一种投资方式.量化交易也是一种交易,那么对于交易,我们如何来进行评价呢? 量化交易的门类很多,大体上

计算机视觉领域常见的度量指标

一:Precision, Recall, F-score 信息检索.分类.识别.翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate------注意统计学习方法中precesion称为精确率,而准确率为accuracy 是分类正确的样本除以总样本的个数.),召回率也叫查全率,准确率也叫查准率,概念公式: 召回率(Recall)=  系统检索到的相关文件 / 系统所有相关的文件总数:::亦即预测为真实正例除以所有真实正例样本的个数           

量化人的思维确实厉害,借他吉言,期盼疫情早日有效控制。

在某量化平台论坛,发现量化人的思维确实厉害,借他吉言,期盼疫情早日有效控制.(量化数据预测湖北以外的疫情最快将于2月28号得到控制) http://www.weistock.com/bbs/dispbbs.asp?boardid=2&Id=174183 原文地址:https://blog.51cto.com/14661216/2469634

量化自我—趋势还是忽悠

一: “量化自我”在维基百科上被定义成一种运动:它是一个在个人日常生活中用输入.状态和表现这样的参数,将科学技术引入日常生活中的技术革命.其中输入是人体吸收的外界因素,例如消化的食物,空气质量等:状态是人体当前的特征,例如心情.皮肤电导.血氧饱和度等:表现是人体表现的行为,分为心理上和物理上的表现. 量化自我(Quantified Self)这个词是在2008年被提出来的,它是指那些通过关注自身数据从而想保持身体健康的人们.其后几年,无数自我量化运动的忠实支持者开始大范围的组织聚会,同时不乏对周

量化自我——趋势还是忽悠?

一. 近几年来,随着科技的不断更新和提高,越来越多的习惯和潮流已经出现.朋友圈每天都更新着朋友和陌生人的各种动态,越来越多的人习惯性的早起刷微博,晚睡时再一遍微博,没事写写心情,有事时写写经历,不知不觉中享受“监视”别人生活和“分享”自我生活的乐趣中.网上支付,手机支付方式的普及顺应人心,出去身上可以不带现金,一个手机就够,商户们也都习惯了支付宝,也不用嫌麻烦去找钱,可能再过几年生活中就不会再出现现金了.同时,一种叫做“量化自我”的潮流正在涌动,它更能得到大部分人特别是年轻人的青睐. 可能大部分

再说绩效考核绝对量化之误

前言:顺应人心人性,激发员工活力激情,才能做好管理. 企图只依靠数字就想把企业员工管好的任何尝试都失败了,很多人百思不得其解:也有一些人仍然执迷不悟,仍然相信靠统计学可以管理好员工.不可否认,数字数据在管理上是非常重要的,管理当然也离不开统计学,但是如果违背了心理学原理则势必一事无成!因为管理学本身就是从心理学衍生而来. 绩效考核必须以量化为主,但是如果凡事都一味的量化,不能量化就不考核,就一定会顾此失彼,难免走入死胡同. 绝对量化考核无法解决以下问题:做得多错得多,错得多就会被扣得多,相反,不