1、高收益量化策略,實盤結(jié)果,實盤結(jié)果,傳統(tǒng)的趨勢交易模型,優(yōu)點： （1）確定性高 （2）準確時可以獲得高利潤 缺點： （1）只能吃到魚身 （2）沖擊成本巨大 （3）勝率低 傳統(tǒng)趨勢是一個低勝率策略,拐點擇時模型,試圖在最低點做多，最高點做空 特點： （1）難度大 （2）收益高 （3）沖擊成本低 拐點擇時是一個高勝率的策略,拐點擇時策略,（1）Hurst指數(shù) （2）SVM模型 （3）小波分析,拐點模型1：Hurst指數(shù),分形市場理論預(yù)示著股市具有分形結(jié)構(gòu)，而這種結(jié)構(gòu)恰能解釋收益率分布呈現(xiàn)的尖峰胖尾特性。 根據(jù)分形理論，定義Hurst指數(shù)來判斷趨勢的拐點，將Hurst指數(shù)和大盤指數(shù)對比就可以發(fā)現(xiàn)，股

2、市大盤走勢具有長期記憶性，這成為hurst指數(shù)擇時的基本出發(fā)點。,HURST指數(shù)分形市場,分形布朗運動用來描繪股票分形市場，它是對布朗運動模型的推廣，其數(shù)學(xué)模型如下： B(t)H為隨機過程，若B(t)H滿足： 則稱BH (t)為分形布朗運動，其中，0H1；BH (0)為常數(shù)；B (S)為布朗運動。 可以看到， （1）當(dāng)H=1/2時，B(t)H為布朗運動，即隨機游走模型； （2）當(dāng)1/2 H 1時，未來增量與過去增量正相關(guān)，隨機過程具有持久性； （3）而當(dāng)0 H1/2時，未來增量與過去增量負相關(guān)，隨機過程具有反持久性。,HURST指數(shù)R/S方法,具體HURST指數(shù)計算方法見第十四章：分形理論 H

3、urst 指數(shù)和相應(yīng)的時間序列分為3 種類型： （1）當(dāng)H = 0.5時，時間序列是隨機游走的。序列中不同時間的值是隨機的和不相關(guān)的，即現(xiàn)在不會影響將來。 （2）當(dāng)0 H 0.5 時，這是一種反持久性的時間序列，常被稱為均值回復(fù)。如果一個序列在前一時期是向上走的，那么它在下一個時期多半是向下走的反之亦然。 （3）當(dāng)0.5 H 1 時，表明序列具有持續(xù)性，存在長期記憶性的特征。即前一個時期序列是向上（下）走的，那下一個時期將多半繼續(xù)是向上（下）走的。,HURST指數(shù)策略模型,用Hurst 指數(shù)并不能精確告訴我們具體哪一天市場開始反轉(zhuǎn)，但大致位置和市場的反轉(zhuǎn)時間驚人的吻合，所以完全可以把移動Hur

4、st 指數(shù)的低位（小于0.55）當(dāng)做市場醞釀反轉(zhuǎn)的一個重要參照指標。,圖 上證指數(shù)與對應(yīng)Hurst指數(shù)關(guān)系,Hurst指數(shù)確實是一個判斷大盤拐點的有效模型,拐點模型2：SVM,支持向量機目前主要用來解決分類問題（如模式識別、判別分析）和回歸問題 金融市場本質(zhì)上可以定義為一種分類問題。一類是漲，一類是跌。而預(yù)測股市未來的價格是指典型的回歸問題，因此有理由相信支持向量機可以對股市進行預(yù)測。 SVM獨特的機制和效果，對非線性預(yù)測有非常好的效果，因此利用SVM技術(shù)來建立擇時模型，可以有效地避免傳統(tǒng)回歸模型的精度和擴展性問題。,SVM策略模型,利用SVM技術(shù)對股票價格進行預(yù)測的主要過程包括訓(xùn)練數(shù)據(jù)準備、

5、訓(xùn)練參數(shù)輸入、學(xué)習(xí)樣本輸入、模型訓(xùn)練學(xué)習(xí)、評估訓(xùn)練結(jié)果、訓(xùn)練參數(shù)優(yōu)化等一系列循環(huán)的過程,SVM一個策略,該策略中，SVM模型的輸入為過去3周表中所示的指標， 輸出為未來一周是漲還是跌，移動滑窗為每日移動。,如果預(yù)測分類為1，則在市場行情低于T日收盤價時買入， 如果漲幅超過2%則賣出，否則到T+5日平倉。反之，做空也可以,SVM模型,歷史數(shù)據(jù)回溯的結(jié)果,SVM模型用于短線拐點擇時策略，收益率相當(dāng)?shù)钠椒€(wěn)持續(xù),拐點模型3：噪聲指數(shù),在正常的平穩(wěn)市場，噪聲指數(shù)應(yīng)該是均衡的，但是當(dāng)有知情交易者存在的時候，則會出現(xiàn)噪聲指數(shù)的異常放大。對噪聲指數(shù)進行跟蹤，則可以判斷大盤的拐點 小波分析理論的一個重要特色是可

6、以進行多分辨率分析。信號可通過多層分解為反映高頻信息的細節(jié)部分和反映低頻信息的概貌部分，通過這種多分辨率分解，信號和噪聲通常會有不同的表現(xiàn)，從而達到信噪分離的目的。,小波分析,小波分解示意圖，CA為低頻數(shù)據(jù)，CD為高頻數(shù)據(jù),小波分析,濾波后的情況,小波分析,（1）選擇小波Daubechies小波系（db4）并確定分解層次為4層，得到4層高半頻和4層低半頻序列。 （2）閾值處理選擇sqtwolog閾值估計準則。 （3）最后根據(jù)小波分解的第4層低頻系數(shù)和經(jīng)過量化處理后的14層高頻系數(shù)進行小波重構(gòu)。 （4）原始數(shù)據(jù)減去重構(gòu)小波即為噪聲數(shù)據(jù)。 （5）設(shè)定閾值，當(dāng)噪聲指數(shù)超過某個閾值時，則判定大盤到達拐點 小波分析是一個很好的分離噪聲信號的工具,綜合模型,每天盤中對行情進行運算，當(dāng)三個模型同時發(fā)出拐點信號時，則認為該信號有效 根據(jù)歷史數(shù)據(jù)檢驗，綜合模型的準確率大致在65%左右。 多個模型同時分析，可以有效的提高準確率,交易品種：牛熊證,優(yōu)點： （1）高杠桿 （2）確定止損，沖擊成本為0 （3）市場容量巨大：每天成交量超過60億 選擇好的交易品種，比策略本身更重要,模型策略,（1）利用拐點模型進行大盤拐點判斷 （2）利用牛熊證進行相應(yīng)的操作 （3）每次倉位不超過5% （4）