股票量化择时策略

《股票量化择时策略》由会员分享，可在线阅读，更多相关《股票量化择时策略（9页珍藏版）》请在金锄头文库上搜索。

1、股票量化择时策略（上中下）解析 |量化择时策略（上）鲲鹏 668 2018-04-07 08:14:59 量化择时就是利用数量化的方 法，通过对各种宏观微观指标的量化分析，试图找到影响大 盘走势的关键信息，并且对未来走势进行预测。 择时策略基本框架： 最基本的择时策略指的是只判断买卖，不涉及仓位优化的择 时策略。由于不考虑风险，则是策略完全通过优化收益来形 成相应的买卖决策。由于在国内股票市场中，只允许做多，所以策略多为帮助选 择股票进行买入，或者将已有仓位进行卖出的判断。趋势择时 趋势择时的基本思想来自于技术分析，技术分析认为趋势存 在延续性，因此只要找到趋势方向，跟随操作即可。趋势择 时的

2、主要指标有 MA. .MACD 和 DMA 等。拿双均线策略举 例，在交易决策的时点需要根据已知数计算 短期均线 和长 期均线 两个值 ，当短期均线高于长时， 判断交易决策刻 当 短期均线高于长时，判断交易决策刻的趋势为上涨，按照会 延续 的趋势为上涨，按照会延续的思想，认为后市会继续 上涨，因此看多。而当短期均线低于长时判断交易 继续上涨，因此看多。而当短期均线低于长时判断交易继续上涨，因此看多。而当短期均线低于长时判断交易 继续上涨，因 此看多。而当短期均线低于长时判断交易决策时刻 的趋势 为下跌，认为后市继续下跌，因此看空。MACD ：称为指数平滑移动平均线，由快的指数移动平均线 （EM

3、A12 ）减去慢的指数移动平均线（ EMA26 ）得到快线 DIF （差离值）。因此，在持续的涨势中， 12日 EMA 在 26 日 EMA 之上。其间的正差离值（ +DIF ）会愈来愈大。反之 在跌势中，差离值可能变负（ -DIF ），也愈来愈大。 MACD 的反转信号界定为 “差离值”的 9日移动平均值（9日 EMA ）， 又叫 DEA 或 DEM 。用（DIF-DEA ） X 2即为MACD 柱状图。当 MACD 从负数转向正数，是买的信号。当 MACD 从正数 转向负数，是卖的信号。当 MACD 以大角度变化，表示快 的移动平均线和慢的移动平均线的差距非常迅速的拉开，代 表了一个市场大

4、趋势的转变。基本用法：1. MACD 金叉： DIFF 由下向上突破 D EA ，为买入信号。2. MACD 死叉： DIFF 由上向下突破 D EA ，为卖出信号。3. MACD 绿转红： MACD 值由负变正，市场由空头转为多 头。4. MACD 红转绿： MACD 值由正变负，市场由多头转为空 头 缺点：1. 由于MACD是一项中、长线指标，买进点、卖出点和最 低价、最高价之间的价差较大。当行情忽上忽下幅度太小或 盘整时，按照信号进场后随即又要出场，买卖之间可能没有 利润，也许还要赔点价差或手续费。2. 两天内涨跌幅度特别大时， MACD来不及反应，因为MACD 的移动相当缓和，比较行情

5、的移动有一定的时间差， 所以一旦行情迅速大幅涨跌， MACD 不会立即产生信号， 此 时， MACD 无法发生作用。市场情绪择时： 市场情绪择时就是利用投资者的热情程度来判断大势方向， 当情绪热烈， 积极入市时， 大盘可能会继续涨 :当投资者情绪 低迷、不断撤出市场的时候，大盘可能继续下跌。通过投资 者调查、封闭基金的折溢价水平和新增开户数等信息可以来 判断目前的市场情绪。从市场情绪波动的动态变化来考虑， 回落到长期水平以下的短期市场情绪，如果首次变得活跃， 超越中期水平，则意味着市场很有机会出现多头行情；而回 升到长期水平之上的短期市场情绪，一旦首次变得低迷，低于中期水平，则意味着市场很有可

6、能步入了空头行情。 资金择时： 有效资金模型和选股模型中的资金流模型类似，其是通过判 断推动大盘上涨或者下跌的有效资金来判断走势，因为在顶 部和底部时资金效果具有额外的推动力。从2014 年 7 月启动的行情时，两市融资余额为 4千亿，之后一路上涨，到 2015 年6月 17最巅峰时两市融资余额为 2.26万亿，接着证监会 开始核查场外配资，股灾来临，两融余额断崖式下跌。?解析 |股票量化择时策略(中)鲲鹏 668 2018-04-07 08:34:04牛熊线择时：牛熊线( BBCurve )是基于布朗运动的择时策略之一，择时 的思想就是将大盘的走势划分为两根线，一根为牛线，一根 为熊线。在牛

7、熊线之间时大盘不具备方性，如果突破牛线， 则可以认为是一波大的上涨趋势的到来 ;如果突破熊线， 则可 以认为是一波大的下跌跌趋势到来，应该回避系统性风险。Hurst 指数择时：Hurst 指数择时的理论基础同牛熊市择时一样，均为布朗运动，其理论基础是分数布朗运动。 Hurst 是以为英国的水文 学家，二十世纪初他在尼罗河参加水坝工程时，提出了重标 极差法。后来由 Peters 将该方法引入资本市场领域。 Hurst 指数是分形理论在趋势判断中的应用，分形市场理论 认为，资本市场是由大量具有不同投资期限的投资者组成 的，且信息对不同投资者的交易周期有着不同的影响。利用 Hurst 指数可以将市场

8、的转折点判断出来，从而实现择时。 据中信建设统计过去十年半时间内， Hurst 模型共发出 20 次 信号（7 次反转信号）期间共累计获得 33.72倍收益率，年 化收益 39.8%，最大回撤 -18.54% 。该模型的优点是不必假设所测度的时间序列的分布特征。 支持向量机 SVM 指标择时： 支持向量机 SVM 是一种分类技术，是基于数据的机器学习 引进的策略创新体系。 具有效率高、 推广性能好的优点， SVM 择时就是利用 SVM 技术进行大盘趋势的模式识别，将大盘 区分为几个明显的模式，从而找出其中的特征，然后利用历 史数据学习的模型来预测未来的趋势。目前主要应用于指 数。机器学习基本流

9、程： 从模型预测效果来看，对指数运行中期趋势有较好把握，在 考察期内有 66.52%整体准确率。 其中对单边上涨行情区间预 测率超过 70% 。SWARCH 择时模型：SWARCH 模型是一种利用宏观经济指标来判断大盘的策略， 该模型主要刻画了货币供应量 M2 和大盘走势之间的关系， 揭示我国证券市场指数变化与货币供应量之间的相关关系。 采用货币供应量为主要指标，构建 SWARCH 模型来判断该 指标与大盘走势之间的关系，从而期望找到判断未来趋势的 择时方法。整体上分析宏观经济周期与证券市场收益率关系的研究主 要集中于对其协整关系的检验，例如研究表明：美国和日本 的证券价格与国民生产总值的增长

10、率、长期和短期利率、通 货膨胀率等国民经济运行状况指标之间存在长期的均衡关 系。证券市场波动的解释最终要以宏观经济分析为基础，经济行 为水平的波动是证券收益率波动的关键决定因素，当经济处 于衰退期时，将引起股市收益率波动收缩。解析 | 量化择时策略（下）鲲鹏 668 2018-04-07 11:36:41异常指标择时：兴登堡凶兆兴登堡凶兆 （Hindenburg Omen） 是一种声称可预测美国股市 出现股灾的技术分析， 由数学家米耶卡 （ Jim Miekka ）于 1995 年发明。并以 1937 年坠毁的兴登堡号飞船命名。如果股市 在高位盘整时，股价创出一年新高与创出一年新低的个股均 达

11、到一个较高比例，同时反映市场广度的麦克莱恩摆荡指标 为负数时，显示市场可能正处于激烈分化之中，分化之后， 市场可能出现大幅回落。 “兴登堡”凶兆在 1985 年至 2007 年美国股市中共出现 27 次，其中有 15 次美国股市出现 15% 以上跌幅，并成功预测了 2008 是由信贷危机所引起的崩 盘。“兴登堡凶兆”具体指：1）当日创 52周（一年）新高的股票数与创 52 周（一年）新低的 股票数均大于所有股票数的 2.8%2）创 52 周（一年 ）新高的股票数小于创 52 周（一年）新低的 股票数的 2 倍3）市场十周均线向上，且当日的麦考连指标为负值 “兴登堡凶兆”的核心思想是上涨中的背离

12、，即市场是在上 涨中，但是市场的微观结构却显示市场中仍有相当一部分股 票在下跌，而且下跌的数量与上涨的数量基本持平，即条件 2，这时，上涨可以看作是“不安全”的上涨。趋势趋同指数：Trend_Convergence_Indicator = （ 处于上涨阶段的股票数 -处于 下跌阶段的股票数 ）/股票总数。 TCI 共出现 52 次卖出信号， 有 41 次上证指数出现 5% 以上下跌，成功率在 80%，下跌过 程会在未来 40 天完成。 有 21 次出现 10%以上下跌， 11 次出 现 15% 以上下跌。市场噪声指数：在学术上，噪声交易被定义为交易者在缺乏正确信息的情况 下密集的买卖行为。由于

13、这些交易缺乏信息或者信息偏误， 所以不会真正长期影响资产价格基础。由于投资者为了利益 最大化，知情交易者，尤其是大量资金交易者，会想方设法 避免在自己交易完成前影响市场趋势，而这一做法的结果恰 恰与噪声交易相似。于是有一部分投资人开始利用噪声而进 行指数择时。在指数反弹前，噪声交易都有多增加。交易信号：买入：市场上周下跌，近五日平均噪声规模比五日前的连续 五日平均噪声交易规模显著增大卖出：市场上周上涨，近五日平均噪声规模比五日前的连续 五日平均噪声交易规模显著增大 行业集中度： 在中国股市上升趋势稳定时，可以观察到各个行业之间上升 势态比较一致，而当上升趋势遇到阻力，即将进入动荡期或 者出现转

14、折的时候，行业的相关性往往能够提前出现分化。 比如常常有某些行业先于股指达到弱势，从而使得行业之间 相关性变得更散乱。如果能够捕捉到行业相关性的变化，就 能够预测到股指上升过程中即将来临的动荡或者见顶，从而 及时回避风险。若市场上有 n 个行业指数，分别取其交易日的对数收益率序 列，将这些序列两两配对计算它们之间的相关系数。这些相 关系数组成一个样本后，定义行业相关性集中度为该样本的 均值与标准差之比。当行业相关性集中度降到 4.0 水平时，可以视为上涨趋势中 的风险警报信号，表示行业分化严重，上涨很可能将遇到阻 力;当行业集中度回复到 5.0 水平时，可视为动荡期或者反转 期已过，行业分化程度减轻。 2003 年到 2008 年共 5 年间， 行业相关性集中度曲线共发出了 4 次信号，均对应到了上涨 趋势中的动荡或者反转，而在熊市中，该指数没有发出任何 信号，所以无法利用它来掌握熊市的情况。不难观察到，在 2007 年 5 月 30 日的所谓“ 530”大跌，行业相关性集中度曲 线没有发出信号。这次动荡主要是由政府大幅提高交易印花 税导致的，并不是市场自身运动变化的结果。行业相关性集 中度没有大幅下降也完全可以理解，因为行业相关性集中度 完全由市场收盘价计算而得，并不能预测重大政策调整。