关于短线情绪指标如何转换设定量化指令讨论
展开
情绪指标如何转换量化指令?价格走势包含一切信息。无论什么策略想要实现程序化交易,须要把策略专换为程序指令,程序感知不会到情绪,但可以抓取情绪诱发的价格变动。反身性理论价格变动又反作用于情绪。那么把情绪翻译成程序语言可理解的核心是数字,一切的数字变化都体可以解读为情绪信号。大盘情绪好坏转化为数字指令,指数本身就是一个情绪数字指令的量化程序。板块板指数,个股涨跌幅等。这里面无非看自身的量化策略,是否要自行编辑需要的个性指数。也就是策略需要看那些核心个股的表现会影响策略权重,但市场提供的指数数据,无法满足自身的策略需求。需要自行设计个性的指数数据,当然这个技术实现可能会提高了复杂度。大型量化开发是很烧钱烧设备的。但现实是残酷的,简单的量化程序就能稳定赚钱的,多数都是容量很小的量化。大型量化对容量的要求比较高,有容量的策略基本上大机构都有研究过量化的可行性。那么就A股的短线环境来说,多个短线量化品种同时运作,来满足容量的需求也许是游资量化需求发展的方向。随着人工智能的发展,未来人工智能做盘可能比人还厉害,今年以来量化已经开始有引领市场情绪的示范了。数据挖掘的速度又快又准,如果在叠加上小消息数据能力,借势催化打造标杆,游资不参与的量化会搞敢搞,因为除了监管量化不会受到自身情绪的干扰。响应速度更快,本身就弱的散户可能会更被动。目前市场的量化对市场已经有了一定的影响,好的坏的都有吧。存在即合理,如果监管层允许量化存在,那么不久的将来量化,会越来越多越。那么过滤量化又是一个游资面临的新问题。
主题股票:
主题概念:
声明:遵守相关法律法规,所发内容承担法律责任,倡导理性交流,远离非法证券活动,共建和谐交流环境!
@股天乐 兄 这个帖子能删除吗 如果可以删一下 谢谢
@股天乐 兄 这个帖子能删除吗 如果可以删一下 谢谢
@股天乐 兄 这个帖子能删除吗 如果可以删一下 谢谢
单纯的看大盘量化情绪,基本板块是一个维度,涨跌家数是一个维度,大票是一个维度,中军是一个维度,小票是一个维度。还可以更细化的个性定制,所以核心还是要看目的和功能,也就是看什么然后干什么。
这些都是市场提供量化数据,也够满足一般的量化模型需求调用,重要的是如何利用这些数据提高策略的各项精度。
量化模型的开发,要看很多前提条件,资金维度,资金体量,资金效率,期望收益,资金风偏等。市场维度,期货、外汇、股市、币圈等。制度维度,T0 T1 多 空等。综合诸多因素条件和目的去定向的研发量化策略模型。量化真的要上体量是一件很复杂的事情,风评的要求非常高,涉及的信息考量分析方面也很多,不断的回测数据做出决策,对服务器和模型的计算等数据量级要求对应资金,资金越大硬件和计算的级别越高。很多模型在A股风控这关就要多伦评估验证,都不一定能过。一般大型量化风控第一位,然后再考虑收益预期。
小模型风偏要求低,可以博弈盈亏比高的模型,但也要接受账户的波动率。比如遇到模型连续亏损的概率内的小概率时刻,风偏低的资金不一定接受的,所以盈亏同源高风高回,低风低回。
目前市场的小型量化多数都是用技术指标为决策依据,选择投资组合,很少利用情绪数据决策,计算全单损益批量买卖高频交易,交易滑点的计算,单笔头寸都不能太大,不然流动性都是个问题。
如目前市场上的打板量化,单笔量几百万几千万不能,不及预期喜欢开盘,卖考虑的是流动性的策略条件。等大票中军有流动性,但市场的可交易机会又不多,单边下跌不能做空也无法保障模型稳定性。强势股投资组合高抛低吸策略赚差价,容量 价差 频率 滑点方面表现都还不错,收益预期整体也可以。是个不错的研究方向,可以论证做概率统计分析制定策略,针对体量、风偏、收益预期做落地方案规划。
兄我也一直在研究量化,相对于个股来说大盘的周期如果用k线形态量能撑亚等指标不好判断,因为指标有延迟性个股可以用涨停当信号,而大盘不可能涨停,如果大盘大阳隔日就容易兑现。不知道兄如何量化大盘。
主要是看你的量化指标需求,如果你的模型对大盘的指数依赖很高,或是大盘是你一个重要的决策指标,可以多一些量化指数的策略。核心还是要思考模型依赖什么信息,反应什么变量,这个变量在决策权重占比多少。单纯的看
[展开]主要是看你的量化指标需求,如果你的模型对大盘的指数依赖很高,或是大盘是你一个重要的决策指标,可以多一些量化指数的策略。核心还是要思考模型依赖什么信息,反应什么变量,这个变量在决策权重占比多少。单纯的看
[展开]我现在策略是强更强看大做小看长做短。但是板块要服从大盘,k线的进退规律无法琢磨,尾盘买也没有高确定性。
国内量化策略经历了十年以上的发展,行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下,投资者对量化策略的关注度与日俱增。
当前全市场量化基金规模合计约4000 亿(不包含被动指数型产品)。其中:(1)私募类量化产品规模约2000亿,在证券类私募产品中占比7%;策略类型包括市场中性、指数增强、量化选股\多空、CTA策略、量化多策略、期权策略、套利类策略等。(2)公募量化基金规模1200亿(不含被动指数型产品),在权益类公募基金中占比约5%;策略类型以指数增强和量化选股为主。(3)基金专户和券商资管中的量化产品占比较低。
什么是量化投资
量化投资者认为市场并不是完全有效的,因此可以通过对数据的演算来预测资产未来的走势或偏离。投资经理将自己预测资产的想法编辑为代码,写成模型,放进计算机,通过计算机将大量市场数据放入模型进行不断的运算,并根据市场实际情况进行对比修正,最终依托机器和模型计算出的结果进行资产价格预测和买卖交易。量化投资者更看重“数据”的积累与分析,在人才团队与投研框架上也更加偏向于数理化思维与建模能力,最终的投资时机则交给了机器来选择和执行。
常见量化投资策略分类
量化策略类型的划分方式多样,目前市场主要的量化策略划分为以下类型,包括:市场中性策略、指数增强、量化选股、CTA、套利类策略、期权策略以及量化多策略等。
(1)量化股票市场中性策略
市场中性策略的基本思路是买入一篮子股票多头组合,同时持有空头工具(股指期货、融券、期权等)、以对冲Beta,获取Pure Alpha超额收益。国内市场上股票多头组合的构建框架一般基于多因子模型和统计套利模型两大类。目前而言,这两类模型的边界已经趋于融合。
从BGI、BARRA发展起来的多因子模型,是FF三因子模型在证券投资实务领域的应用;其将组合投资看成因子投资(价值、规模、行业、动量等),通过多因子模型把投资组合风险/收益拆解成一系列因子的暴露。
统计套利模型则主要基于对历史数据的统计分析、估计相关变量的概率分布,捕捉大概率的收益机会。由于该类收益仅是具备统计意义上的显著性,因而并非无风险套利。
市场中性策略规避了指数涨跌可能带来的风险,仅保留了量化模型带来的超额收益,收益的波动得到显著降低,业绩更加平稳。尽管主流模型框架基本相似,但是在一些核心因素设定上的差异,可能显著影响策略效果。例如:选股范围、因子赋权、风控阈值等。另外投研团队在数据清洗、组合管理、交易执行和风控系统等方面的精细度,也会造成产品收益上差异。
对于以期指对冲的市场中性产品,其产品收益来源可以粗略分成两个部分:阿尔法超额收益和期现基差收益(或损失)。在有效的模型下,阿尔法超额收益大概率为正。期限基差收益或损失,则是在过去几年影响中性策略所谓“好做”或者“难做”的重要因素。
2015年7月是重要的分界点。2015年7月之前,市场以正基差为常态1,即期指价格大于指数价格,基差收敛即可提供正收益贡献。而在2015年7月之后,市场以负基差为主,尤其在2015年下半年和2016年初,IC和IF的基差成本分别达到25%、40%,随着基差收敛对阿尔法策略造成亏损。2018年以来,相对2016、2017年而言,基差成本显著降低,但仍对组合收益产生负面影响。
(2)量化指数增强策略
构建股票组合底仓,跟踪对应指数,同时通过量化的投资方法,对组合进行灵活调整和交易,在获得挂钩指数收益的同时追求超越指数的额外收益。指数增强策略挂钩对应指数,收益来源叠加指数的涨跌幅和量化模型带来的超额收益,因此收益向上的弹性更大,但同时也要承受指数下跌带来的波动风险。
从公募基金的指数增强产品规模分布来看,指数增强产品仍以宽基指数为主。截至2018年三季度末,沪深300和中证500增强产品的规模合计占比达到47%,其次为上证50、占比22%。指数增强产品多数能获取稳定的Alpha收益,但产品之间正在分化。与所跟踪的指数相比,大部分指数增强产品都能取得一定的超额收益,这体现出了投资经理在市场基准之上有一定的主动选择能力。
从2013年至今的统计来看,指数增强产品取得的年化超额收益的均值为3.81%。但同时产品之间收益的差异性在逐步拉大,指数增强产品超额收益的标准差有逐渐扩大的趋势,市场上好的管理人和好的产品的竞争优势逐步确立。
私募基金和公募基金对比而言,二者各具优势。私募指数增强产品的优点在于不受公募持仓要求约束,增强的来源可以叠加T+0交易,超额收益来源更为多元。但收益总伴随着风险,私募指数增强产品缺少严格投资范围和跟踪误差限制,可能会出现策略漂移,常规的高水位法业绩报酬可能侵蚀产品的超额收益(尤其在基准指数较为强势的情况下),导致费后收益缺少竞争力。
(3)量化选股策略
类似于指数增强策略,量化选股策略不再跟踪特定的市场指数,而是以全市场的股票为交易样本,依托于量化的投资策略和模型,进行股票选择和交易。量化选股主要通过多因子、风格轮动和行业轮动的模型使策略在Beta上的暴露更为灵活,并通过因子暴露的灵活调整获取超越基准的Alpha收益。
量化选股不再挂钩指数,因此可投资股票范围更广、可获得超额收益的来源和交易机会更多,但与此同时也使组合可能面临更大的市场波动,更加依赖量化投资机构自身在风险暴露上的把控能力。2014年量化选股型基金显著跑赢主动股票型基金,而2017年以后表现略差于主动股票型基金,可以看出量化选股模型的风格因子整体偏向于小盘股暴露。
(4)量化CTA策略
CTA(Commodity Trading Advisors,商品交易顾问)策略,又称“管理期货”(Managed Futures),泛指以期货为主要交易标的的投资策略或资产管理产品。利用量化的投资方法,对期货市场的价格走势、波动幅度、周期变化等进行分析和预测,结合商品、股指、国债等更加多元化的期货资产构建多空组合,获取投资回报。量化CTA策略投资的资产类型丰富,期限结构灵活,与其他传统策略相关性低,因此在资产配置上能十分有效的分散投资风险,降低组合整体的波动,平滑收益。
CTA策略源自美国,也是海外对冲基金在中国内地最为成功的领域之一。由于A股做空渠道有限(只能对少部分股票进行融券等),而在期货领域做空较为方便,因此在内地海外对冲基金的CTA策略规模最大。
从分析方法上可分为系统化CTA和主观CTA,从交易策略上可分为趋势跟踪策略、反转策略和套利策略,交易频率上可分为日内高频、短周期、中周期、长周期策略;多数CTA策略以量化趋势跟踪为主;偏向中长趋势的策略,资金容量更大。
(5)量化套利策略
利用市场的不完全有效和信息不对称,通过量化的投资方法,在不同资产、不同期限、不同市场等维度进行组合构建,获取由于市场定价出现偏差到修复过程中的投资收益。量化套利策略关注市场的细微扰动,在偏离修复后迅速获利了结,具有确定性强、相关性低的特点,常搭配其他量化策略组合使用,起到很好的组合润滑剂作用。
(6) 量化多策略
结合各种单一量化投资策略不同的特点,按照不同的比例对单一策略进行组合,构建不同风险收益特征的混合策略。实现多元的收益来源。单一的量化投资策略由于策略特征,契合的市场环境也不尽相同,因此通过将相关性较低的策略进行组合,能够提高整体策略在不同市场环境下的稳定性,分散组合风险。
量化投资策略表现
量化基金今年表现抢眼,量化3月回暖,今年以来的市场呈现热点分散、热点轮动的形态。由于量化模型能够覆盖面更广、处理信息更及时、投资决策更理性,量化就体现出了超额收益。量化最大的优势在于利用模型和计算机技术,多维度寻找投资机会。量化就像雷达扫描一样,在全市场寻找投资机会,覆盖度更宽,往往不会特别重仓某些赛道。
3月以来,随着AI相关热点主题持续狂飙,公私募量化频频出现单周涨超10%的爆款产品。不过进入到4月第二周,伴随着AI题材的调整,爆款产品也消失得悄无声息。不过整体而言,量化产品的超额表现却在震荡市中迎来高光时刻,尤其是百亿量化私募产品,超九成获正收益,更是有超95%的产品跑赢沪深300、中证500等宽基指数。
基金的配置一般遵循从既定目标到配置组合再到调整组合并调整相关既定目标的过程。首先要明确策略配置的资金规模、投资期限、投资范围、收益和风险等一系列目标,再根据这一标准选择风格因子,即选Beta,从风格类型、行业和市场状态来决定配置的方向。
之后,从大方向的基础上进行具体产品的选择,获取市场的Alpha。最后,基于市场变化和配置目标变化,在对是否策略漂移和底层基金Alpha效果的判断基础上,对自身的配置目标和策略进行主动调整。
国内量化基金策略解读及发展现状国内量化策略经历了十年以上的发展,行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下,投资者对量化策略的关注度与日俱增。当前全市场量化基金规模合计约
[展开]国内量化基金策略解读及发展现状国内量化策略经历了十年以上的发展,行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下,投资者对量化策略的关注度与日俱增。当前全市场量化基金规模合计约
[展开]金融游戏也不会有公平可言,人类社会也没有公平可言,一切围绕着价值导向,这是自然法则
你所看到的都是让你看到的,短期的对你好是为了更远大的目的,普罗大众永远是用来利用的(收割)无论是金钱还是劳动力
屁股决定脑袋,底层思维要公平,顶层思维制造不公平。在哪层说那层的话,做为收割方爽翻了
强者 学量化,利用量化 打不过就加入也是一种顺势
对于散户而言,量化的优势在于资金,在于交易的一致性
量化但背后也是人制定的策略,可以把这部分的量化资金理解为新的游资生态
摸索他们的策略规律,可以定向的做针对策略
注意和游资的套路区分对待
任何一个生态环境都是适者生存
比如量化资金不是爱啦板块宽度吗,那么对热门板块提前布局等轮动的资金就喜欢量化拉宽度
市场生态都是有时效性的,每个玩法都会有阶段性高光时刻,也会有至暗时刻
每一个策略模型都是在市场的一环中生存发展不断进化
可以理解为当年的柯洁对战阿法狗,天赋再高的人极限100年功力,机器人相当于10000年,想提高功力加机器加计算数据量就行了,功力无上限。所以量化就是外挂,还只允许会员开,所谓监管就是不管反而加以肯定,
[展开]量化是不会消失的,量化是一种思维方式,借助科技技术实现策略目的,随着科技的进步量化会更发达金融游戏也不会有公平可言,人类社会也没有公平可言,一切围绕着价值导向,这是自然法则你所看到的都是让你看到的,短
[展开]但随着量化规模的扩大,很多标的都存在量化资金。目前市场上做题材概念的量化资金越来越多,毕竟超额收益很诱人。游资资金再缩量更加凸显了量化资金的占比,主要还是20厘米游资都不会有太大的仓位参与。但散户爱参与更加刺激了量化的热情,源源不断的收割韭菜,偶尔还是收割一些游资。
游资的纪律也被量化资金利用,反身性特性不断循环,量化短期占了上风,短期只是市场短线资金还没有反应过来。这回都被玩明白了,下面也会有对策去应对量化的风格,此消彼长吧!市场又没多少量,都是对手盘镰刀互砍看谁更无情。周五不是就有反馈了,一个是周四的医药没人接,另一个是不去拉R盘,这部分量化后面也会被针对的砸盘,他们进那个票,那个就没人接力,被短线资金抛弃的资金都没好结果。
老师,你这么一解释是不是更说明量化主要是靠做空赚钱呢?近期市场越弱量化交易的副作用越大。我是89年的阿姨,高中文化理解力差跟你们年轻人不好比,别见笑
A股靠做空赚钱还是比较难得,市面上的量化基金很多种风格。这种玩题材热点概念的只是一部分,量化基金大部分都是贝塔的底层逻辑,通过T0策略在赚一些差价,再结合个股表现做标的调整。但随着量化规模的扩大,很多
[展开]兄和闻师事分析最中肯的
有共鸣
量化但背后也是人制定的策略,可以把这部分的量化资金理解为新的游资生态
量化是不会消失的,量化是一种思维方式,借助科技技术实现策略目的,随着科技的进步量化会更发达金融游戏也不会有公平可言,人类社会也没有公平可言,一切围绕着价值导向,这是自然法则你所看到的都是让你看到的,短
[展开]