《金融理论与量化交易》由会员分享，可在线阅读，更多相关《金融理论与量化交易（21页珍藏版）》请在金锄头文库上搜索。
1、1 金融理论与量化交易金融理论与量化交易 恒泰期货有限公司 张鼎 2014年4月 程序化与量化 程序化交易：系统交易方法，来源于正确的交易理念， 利用计算机实现；主要利用价格数据，从交易出发获取 利润。 量化交易：分析海量数据，利用统计、回归及其它理论 寻找规律，一般而言必须使用计算机；利用一切数据， 从数据出发获取利润。 共同点：找规律，可回测，可重复。 不同点：量化规律往往很难找到相匹配的实际背景，难 于理解和使用。 一些可以用于金融市场交易的理 论方法 目录： 统计与概率分布； 回归分析； 智能搜索算法； 数据挖掘； 复杂网络理论； 分形理论； 行为金融学； 统计与概率分布 厚尾分布与正
2、态分布 金融时间序列一般都是厚尾分布，反应到盘面上就是说 单个交易日出现大涨大跌的概率比正态分布要大； 日内交易，通过合理的资金管理和风险控制获取厚尾收 益。 条件概率：事件A在另外一个事件B已经发生条件下的发 生概率。 如果认为开盘一段时间行情走势奠定当天走势的基调的 话，可以根据日内开盘一段时间走势判断之后的行情走 势，利用条件概率给日内走势进行分类。 程序化交易中的回测报告以及交易系统的评价都是统计 分析。 系统失效可以理解为样本外失效。 交易次数过少可以理解为样本太少，不具有统计规律。 一般认为较小时间周期的价格波动更加倾向于随机游走 ，且数据量足够大，一些高频交易利用极短周期k线寻
3、找价格运行的统计规律获取利润。 统计套利。 回归分析 回归分析是确定两种或两种以上变量间相互依赖的定量 关系的一种统计分析方法。 大量应用于基本面分析，宏观数据预测等领域。 智能搜索算法 神经网络算法 输入价格数据，在样本内进行大量训练，得到预测方法 ，进而预测未来行情。 程序化交易中的参数优化就是枚举式的搜索算法，寻找 最优参数。 智能搜索算法是在处理海量数据时提高搜索性能的计算 机算法。 如果以参数作为输入变量，可以得到最优的参数；如果 以交易方法模块作为输入变量可以得到最优的交易方法 。 策略生成器：假设只利用行情的价格数据作为交易的依 据，这也是大部分程序化交易的方式。那么任何技术指
4、标都是利用价格数据计算得到的，也就是说，所有的交 易条件可以简化为价格数据的线性组合。如果存在有效 的策略，那么这个策略必然在由大量线性组合形成的策 略集中，也就可以通过搜索算法得到。这个过程很像参 数优化。 再把思路扩展一下，直接利用成熟的交易模块进行组合 ，可以更简便的得到好的交易策略。 遗传算法 模拟退火算法 蚁群算法等等 数据挖掘 数据挖掘一般是指从大量的数据中通过算法搜索隐藏于 其中信息的过程。在其它领域中应用广泛且非常成熟。 大数据处理，淘宝等等。 通过建立股票数据库，涵盖大量基本面信息及行情数据 ，通过数据挖掘技术可以得到一些量化选股的投资组合 ，已有较为广泛的应用。 应该可以理
5、解为也是一种统计分析，同上，在仅仅处理 价格数据时也有应用的前景。 舆情分析也可以理解为一种数据挖掘。 复杂网络理论 复杂网络理论主要通过网络的形式模拟复杂性系统，抽 象网络中的对象作为节点，对象间的某种关系作为网络 的边，进而通过分析网络的整体或部分的统计特性得到 复杂系统的性质。 在股票市场中，将股票作为网络的结点，将股票的价格 波动相关性作为网络的边。 通过对网络的统计特性的计算，可以得到相关的预测数 据。 简言之，股票市场在见顶和见底时往往有如下的现象， 就是当大盘见顶时，个股往往出现分化，由大部分股票 都在上涨转变为互有涨跌，一些之前的强势股停止上涨 ，这可以通过大量的计算得到较为客
6、观的数据体现，从 而达到预测大盘走势的目的。大盘见底的情况类似。 分形理论 一些交易者把一些k线形态的内容，比如头肩顶、w底等 等叫做分形。 这里所说的分形理论不是这个概念。 空间上的分形理论，雪花、海岸线、k线。 不同级别k线策略的对冲。 时间上的分形理论：Hurst指数，长记忆性的时间周期 有的交易者利用计算的Hurst指数预测盘面的拐点。 国外的学者曾经计算了国外股市的长记忆性时间周期， 基本在四年左右，与选举时间基本吻合；国内也有学者 做过相关的研究，可以在大周期下作为交易的参考。 行为金融学 行为金融学既离我们很远，又离我们很近。 技术分析中的阻力位、支撑位等等就是通过对交易者行 为
7、的解释而得到的。 应该说行为金融学的兴起为程序化交易或者叫系统交易 方法找到了一个坚实的理论基础。如果交易市场是个零 和游戏的话，那么系统交易方法的盈利应该说可以理解 为战胜人性的盈利。 国内有学者建立模拟实验室，仿真交易者行为，分析交 易者群体行为，进而分析盘面，寻找规律。 也有交易者认为如果把所有交易系统比作一个生态系统 的话，那么现在亏损的策略会被较少的人应用，从而奠 定了这个策略未来盈利的空间。 难点在于行为及心理很难量化，优势在于有较为坚实的 实际背景解释。 羊群效应，倾向于保留亏损的头寸等等。 应该这些方法在本质上都是在寻找规律，但是同程序化 交易一样，如果能够找到这些数字游戏背后的经济含义 或者交易者行为，也就是有充分的交易理念和交易逻辑 来作为支撑，那么才是令交易者有信心坚持使用的交易 方式。 谢谢大家！ 欢迎交流！ 开拓者产品路演
