量化交易（精选6篇）
量化交易 篇1
一、研究综述
1. 研究目的
利用商品期货数据, 建立一个可实现盈利的模型, 并通过量化, 使得模型可通过程序来实现, 即能够实现自动交易。本文研究各种可行性方法来使模型具有较强适用性, 同时进一步推广, 使得模型可以用于各种投资产品, 包括股票和期货等, 最终能得到一个盈利多适用性强、抗风险能力强的金融模型。
2. 研究意义
近年来, 世界大宗商品价格波动幅度很大, 给我国期货市场带来了巨大的市场风险, 我国商品期货市场中也发生了一系列影响重大的风险事件, 这些风险事件的发生的原因主要有两个, 一方面是因为期货市场本身是一个利用小资金做大买卖的风险市场, 呈现处天然的高风险性, 期货市场“杠杆效应”十分明显, 即高风险与高收益并存。另一方面源于我国期货市场制度建设尚不完善, 盲目发展的势头与大户操纵等恶劣行为所致。这类事件的出现极大的挫伤了投资者的信心, 但这也使得我国市场存在不少的套利机。
本模型的意义在于建立起一个适应中国当前商品期货发展状况的模型, 使投资者可以大大避免投资过程中存在的非系统性风险, 从而获得利润。而且, 通过模型可避免投资者情绪影响盈利的情况, 使得投资人的行为更理性, 从而在其中获得更多利润。同时, 中国大部分投资人对于期货的了解并不深, 他们对于投资市场机会的把握能力较差, 一个比较合适的金融模型可以弥补他们专业知识上的欠缺, 从而使得投资人获利机会增加。
二、重要指标
1. MACD
(1) 简介及计算方法
MACD又称指数平滑移动平均线, 由快速移动平均线与慢速移动平均线作差求得。MACD在应用上应先行计算出快速 (一般选12日) 移动平均值与慢速 (一般选26日) 移动平均值。以这两个数值作为测量两者 (快速与慢速线) 间的"差离值"依据。即差离值 (DIF) , 用12日EMA数值减去26日EMA数值。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。至于行情开始回转, 正或负差离值要缩小到怎样的程度, 才真正是行情反转的信号。MACD的反转信号界定为"差离值"的9日移动平均值 (9日EMA) 。在MACD的指数平滑移动平均线计算公式中, 都分别加T+1交易日的份量权值, 以现在流行的参数12和26为例, 其公式如下:
12日EMA的计算:EMA12=昨日EMA12 X 11/13+今日收盘价X 2/13
26日EMA的计算:EMA26=昨日EMA26 X 25/27+今日收盘价X 2/27
差离值 (DIF) 的计算:DIF=EMA12-EMA26
根据离差值计算其9日的EMA, 即离差平均值, 是所求的MACD值。
九日DIF平均值 (DEA) =最近9日的DIF之和/9
(2) 判别方法
当MACD由负转正, 表示买入信号;当MACD由正转负, 表示卖出信号。MACD变化幅度较大时, 表示市场存在大趋势转变。
(3) 指标存在的问题
①MACD属于中长线指标, 因而买入、卖出信号点与最低价、最高价间的价差比较大。当行情变化幅度过小时, 按照MACD指示买入后随即又卖出, 期间利润空间较少, 同时手续费的成本也较高。
②由于MACD的移动速度较慢, 当遇到短时间内的较大涨幅时, MACD无法作出及时的反应。而在进行行情比较时需要考虑时间差, 因此一旦出现行情有较大幅度的波动, MACD不能立刻产生信号。
2. KDJ
(1) 简介及计算方法
KDJ指标又称随机指标, 以特定周期内的最高价、最低价、最后一个计算周期的收盘价及这三者之间的比例关系为基础, 计算最后一个计算周期的未成熟随机值RSV, 同时根据平滑移动平均线的方法来计算K、D与J的数值, 并生成图像来判断股票走势。K、D、J的数值计算过程中首先计算周期的RSV值, 再计算K、D、J值。以日K、D、J数值的计算为例, 其计算公式为:
(n日)
公式中, 为第n日收盘价;为n日内最低价;为n日内最高价。
当日K值=2/3×前一日K值+1/3×当日
当日D值=2/3×前一日D值+1/3×当日K值
当日J值=3×当日K值-2×当日D值
(2) 判别方法
①K与D值永远介于0到100之间。D大于70时, 行情呈现超买现象。D小于30时, 行情呈现超卖现象。
②K大于D时, 显示趋势是向上涨, 因此K线突破D线时, 为买进信号。当D值大于K值时, 趋势下跌, K线跌破D线时为卖出信号。
③KD指标不仅能反映出市场的超买超卖程度, 还能通过交叉突破发出买卖信号。
(3) 指标存在的问题
3. RSI
(1) 简介及计算方法
相对强弱指数是基于一定时期内上涨、下跌幅度之和的比率而产生的一种技术曲线, 与市场在该段时期内是否景气有密切关系, 其计算公式如下:
RSI=n日收盘价涨数平均值÷ (n日收盘价涨数平均值+n日收盘价跌数平均值) ×100
(2) 判别方法
①股市经历一轮下跌后, RSI从高位跌至30以下, 若由低位向上突破60, 则表明多头力量重占上锋;
②股市经历一轮上涨后, RSI从低位涨至80以上, 若由高位向下跌破40, 则表明空头力量重占上锋;
③盘整时RSI值在40~60之间, 若市场走强, RSI值高于80;反之, 市场不景气时, RSI值低于20。
(3) 指标存在的问题
①发生单边行情时, RSI在高位或低位时出现钝化, 导致过早的卖出或买入;
②RSI的买入、卖出信号无明显规则, 当处于高位时, 仅能说明行情很有可能反转, 但无法明确其时点;
③超买、超卖容易导致RSI钝化, 进而容易发出错误的操作信号。
4. OBV
(1) 简介及计算方法
OBV通过统计成交量变动的趋势来推测股价趋势, 以某日为基期, 逐日累计每日上市股票总成交量。
(2) 判别方法
①当股价上升而OBV下降时, 是卖出的信号;
②股价下降时而OBV线上升, 表示股价可能将止跌回升;
③OBV缓慢上升, 而股价也同时上涨, 为买入信号;
④OBV急速上升, 应在高位卖出;
⑤OBV缓慢下降而股价也同时下跌时, 应卖出或持币观望;
⑥OBV急速下跌, 应持币观望;
⑦OBV的值由正转负时, 是卖出信号, 反之为买入信号。
(3) 指标存在的问题
①OBV指标基于国外成熟市场上的经验总结, 而在中国不一定能完全适应。
②涨跌停板的限制会导致OBV失真。
5. BIAS
(1) 简介及计算方法
乖离率主要用来预警金价的暴涨和暴跌引发的行情逆转, 即当金价在上方远离移动平均线时, 就可以卖出;当金价在下方远离移动平均线时, 就可以买进。其计算公式如下:
BIAS= (收盘价-收盘价的N日简单平均) /收盘价的N日简单平均×100
(2) 判别方法
①BIAS指标表示收盘价与移动平均线之间的差距。当股价的正乖离扩大到一定极限时, 表示短期获利越大, 则获利回吐的可能性越高;当股价的负乖离扩大到一定极限时, 则空头回补的可能性越高
②乖离率包含正、负值, 若股价比平均线高, 判定为正值;若股价比平均线低, 则判定为负值;若股价等于平均线, 则值为零。若乖离率为正, 其值越大, 短期超买则越大, 从而增大见顶的机率;若乖离率为负, 其值越大, 短期超卖的可能性越越大, 进而增大了见底的机率。
③在多头行情中, 会出现许多高价, 过早卖出会错失一段行情, 可于先前高价的正乖离率点卖出;在空头市场时, 亦会使负乖离率加大, 可于先前低价的负乖离点买进。
(3) 指标存在的问题
买卖信号过于频繁, 波动频繁, 稳定性差。
三、模型建立与求解
1. 构建五个指标的指标线
模型的目的是盈利, 即低买高卖, 因此关键是判断价位高低的时机判断, 本文将量化出可以判断高低价的公式, 通过技术分析并选出上述5个指标建立信号灯来判断价位的高低, 使得模型更有推广性。
结合大连a9888.csv数据, 得到了收盘价和所有的指标, 作图如下:
由上图可得, 收盘价的波动较频繁, 而每个指标的波动也很频繁。因此需结合收盘价进行分析, 得到较好的结果。
2. 运用信号灯进行操作判断
通过上述5个指标得到5对信号灯, 其中有5个买入信号灯和5个卖出信号灯, 根据所给的信号灯, 我们得到信号指标判断最终的结果, 通过上述所给信号指标, 通过MATLAB进行实现, 得到最终的结果如下图所示:
由上图可得, 交易较为频繁, 由于模型适用于短期交易, 可估算5-20天的高低价位, 直接导致交易次数的增多。其次, 通过收益曲线的分析可得收益率维持在较高水平, 而且大致上是一条上升的曲线, 证明了模型的可盈利性。同时, 最大回撤率总体小于23%, 而大部分是小于10%, 说明模型带来了较小的投资风险。
四、结果分析和模型检验
1. 上期zn888数据测试结果
上文已运用模型对大连a9888.csv数据进行分析并得到满意的结果, 为了检验模型的通用性, 本文运用上期zn888.csv数据和郑州TA888.csv数据对模型进行检验。上期zn888.csv数据检验结果如下图所示:
2. 郑州TA888数据测试结果
显然, 模型可保证较高的收益率, 唯一的不足就是最大回撤会比较大, 即风险相对较大, 而郑州TA888.csv数据检验结果如下图所示:
从上图可得, 通过模型运算得到的结果具有较高的收益率, 风险较小, 因此模型具有较强的实用性和推广性。
摘要：本文围绕商品期货交易的问题建立盈利的量化交易模型, 通过对主要的技术指标进行分析, 并设计指标算法的实现, 最后利用MATLAB实现了对问题的求解。
关键词：量化,技术指标,信号指示灯
参考文献
[1]邓留保, 李柏年, 杨桂元.Matlab与金融模型分析[M].合肥:合肥工业大学出版社, 2007.
[2]顾京.中国股指期货市场功能实证研究与优化对策[D].上海:华东师范大学, 2013.
[3]郭苗苗.中国股指期货市场与股票市场周期互动关系的谱分析[D].上海:华东师范大学, 2012.
[4]李斌.股指期货交易基础[M].北京:中国宇航出版社, 2007.
揭开“量化交易”的神秘面纱 篇2
量化交易到底是什么？
说到量化交易，虽不陌生，但仍懵懂。到底什么是量化交易呢？
量化交易区别于定性投资（过去的投资方法）的鲜明特征，就是充分利用各种各样的数理模型。它是借助现代统计学和数学的方法，利用计算机技术，从庞大的历史数据中海选能带来超额收益的多种“大概率”事件，然后制定策略，并用数量模型验证及固化这些规律和策略，继而再严格执行这些已固化的策略来指导投资，以求获得可持续的、稳定且高于平均的超额回报。
对于量化交易中模型与人到底是什么关系？比如中医与西医的诊疗方法，中医是望、稳、问、切，最后判断出的结果，很大程度上基于中医的经验，定性程度上大一些；而西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。
以此形容的话，可以说定性投资像中医，更多地凭主观臆断和个人经验判断病在哪里；量化交易像西医，依靠数量模型判断，而这些模型对于使用量化交易的投资者的作用就像CT机对于医生的作用。在每一天的投资运作之前，一般都会先用模型对整个市场进行一次全面的检查和扫描，然后根据检查和扫描结果做出投资决策。
量化交易靠概率取胜
和传统投资方式相比，量化交易的视角更广，它借助计算机高效、准确地处理海量信息，更广泛地寻找和验证投资机会，消除投资组合配置的局限性，并依靠计算机配置投资组合，克服人性弱点，使投资决策更科学、更理性。
具体来说，这个新兴的投资方法，与我们那些传统的看指标判断、听消息判断、简单看财务报表判断等定性投资方法相比较，主要有以下几大优势：
量化交易有着严格的纪律性。比如，如果有人问你，某年某月某一天，你为什么购买某支股票的话，你就可以打开量化交易系统，系统会显示出当时被选择的这只股票与其他股票在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价会非常全面，比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。
它系统性较完备，具体表现为“三多”，包括多层次、多角度、多数据。因为人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理有优势，他可以深刻分析这100家公司。但当有成千上万只股票时，量化交易就可以充分发挥它强大的信息处理优势，捕捉更多、拓展更大的投资机会。
另外，定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票，而量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。
量化交易靠概率取胜。这表现为两个方面，首先量化投资不断地从历史中挖掘，有望在未来重复的历史规律，并且加以利用。其次它在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。
量化投资者也有噩梦
事实上，量化交易的方法在海外已有30多年的发展历史，素以投资业绩稳定，抗风险能力强著称，目前已经成为海外基金管理投资市场的重要方法。
而与海外成熟市场相比，量化交易以基本面分析为驱动，以全市场、多维度的视角广度扫描投资机会，在中國市场的应用将更显其优势。
不过，在谈及这么多利好之后，还是要“泼一次冷水”。不要以为不停闪烁的超级电脑自动进行着高速交易，荧幕上滚动着通过高速网络提前获取的最新市场消息，加上通过杠杆放大的头寸，账户的盈利不断上跳，这一切的一切就预示着“可以躺着赚钱的时代”来临了，现实并没有这么美好。
相对来说，量化交易目前还处在初级发展阶段，比如基本面投资者只需简单的基于预测特定事件，比如超过或差于预期的财报做交易即可。而量化交易者则需要搞清楚具体消息对股价的平均影响程度，这就不是一件容易的事了，因为你的研究对象时刻还在变化着。
不仅如此，研究出一套只基于公司财报的交易系统不难，比如基于超出预期的营收或股息来买入。但是供给面的情况、消费者层面的情绪纳入交易模型中，也比较麻烦。
同时，股票、基本面、新闻消息之间的关系也是不停变化着的。记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。对于基本面投资者来说，这是掘金的好时候，但对于量化投资者来说却是噩梦，因为大多数模型此时都会显示做多“优质股”做空“垃圾股”，后果则可想而知。
另外，量化交易员的精力也是有限的。计算机的消息格式往往不规范，语法也千奇百怪，他们也无法让计算机程序挑选出有效信息并运用于自动交易中。一天只有24个小时，他们也会经常碰到因一个分析无法推进而其他分析也陷入停顿的状况。因此，要在浩如烟海的金融数据中“寻宝”，没那么简单。
而且，量化交易在发展了20多个年头后依然非常流行，这也就意味着同行内的竞争亦十分激烈。同时越来越快的电脑与网络，越来越复杂的算法和数据库，也将致使入行门槛不断提高。
由此可见，“量化交易”这个新兴产物，以其特有的优越性撼动市场与投资者的同时，也存在着迫不得已的隐忧，未来将如何与之“相处”，还需理性、谨慎！
量化投资在期货交易中的应用 篇3
关键词：期货,量化投资,交易
期货量化投资在国外期货市场已经有30多年的历史。同时因为其投资绩效稳定, 得到了越来越多国内投资者的认可、市场规模和市场份额不断扩大。量化投资在国外期货市场占比已达到70%以上, 在国内的期货市场的比例据统计已经上升到30%左右。相比较国际期货市场的现状, 我国期货市场量化投资领域还有很大的发展空间。
量化投资, 一方面是和主观交易相对应, 是指将投资者的交易理念或者是通过统计的方式挖掘出可以盈利的交易理念, 使用量化交易软件规定的语言编写成软件可以识别的交易模型。将交易模型挂载到量化交易软件, 由软件自动执行交易模型的交易方法。另一方面, 量化投资是和手动交易相对应的自动化交易方式, 包括半自动交易方式和全自动交易方式两种。半自动交易方式是指, 当期货合约价格达到满足交易模型的条件时, 交易软件自动弹出提示, 由投资者决定是否确认向期货交易所报送交易指令。全自动交易方式是指, 当期货合约价格达到满足交易模型的条件时, 交易软件会按照交易模型中的约定, 自动将委托报送到期货交易所。
量化投资因其结合了传统的投资理念和先进的计算机技术, 天然具备很多主观交易难以企及的优势。在交易前, 可以通过交易模型回测的功能评估模型的收益与风险, 可以通过参数优化的功能找出最优的参数值并可随着市场的变化去修改。模型加载到量化投资软件后, 软件会自动按照模型中的约定去监控交易机会, 当交易机会出现时, 软件会自动向期货交易所报单或向用户提示交易机会, 从而克服人性贪婪与恐惧的弱点, 进行相对理智的交易。同时, 因为是由计算机去监控信号并完成交易报单, 行情判断、交易速度快, 可以避免手动交易下错单的情况发生。应用在期货套利交易的领域, 因为包括跨市场套利、跨品种套利以及跨期套利都需要去实时监控不同品种间的价差并进行下单操作, 传统手工下单模式因人的精力及大脑处理信号数量的限制, 做此类交易会非常困难, 但使用计算机自动交易会很容易的突破这些障碍。近年来, 因为量化交易这种交易方式大比例的应用在全球各家期货市场, 因而致使传统交易方式中可盈利的交易机会转瞬即逝, 这也是投资者需要改变传统交易方式, 采用量化投资这种方式的原因之一。在投资者在进行期货投资后, 必然会对其的交易理念进行总结, 传统的主观投资者会将投资中需要改进的地方存在其记忆中, 尽量在今后的交易中避免, 但长时间后会逐渐遗忘。而使用量化投资方式, 只需将需要改进的理念维护到交易模型中, 从而彻底避免同样错误交易的发生。但因为历史不会简单的重演、无法回避的小概率事件、交易的不确定性等原因, 量化投资也有劣势。而量化投资的劣势相对于其优势来说是微乎其微的。投资者不要迷信存在永远稳定赚钱的策略, 策略也需要与时俱进、不断创新和改造。对于投资者而言, 更重要的是提高自身选择和使用策略的能力。
当前我国市场上已有很多种量化投资软件, 包括国外的软件产品, 如:Multicharts、Yestrader、Open Quant、Magic Quant等。以及国内的软件产品, 如:大连商品交易所全资子公司, 大连飞创信息技术有限公司开发的X-Quant飞创策略交易平台、郑州易盛信息技术有限公司开发的易盛程序化交易系统、上海金之塔信息技术有限公司开发的金字塔决策交易系统、深圳开拓者科技有限公司开发的交易开拓者程序化交易软件等等。上述国内外各款软件的功能界面虽然不尽相同, 软件商从市场竞争的角度也会通过不断挖掘期货投资者的需求, 优化软件功能, 提升软件与用户的亲和度。但是量化投资软件功能提升的核心在于模型编写的方便性与模型执行效率的高效性两方面。只有交易模型编写方便、可实现功能丰富、行情判断及交易指令执行速度快的产品才会真正赢得市场。
开发量化交易模型是量化投资过程中最重要的步骤之一。下面以一个简单的双均线交易模型为例, 为读者介绍一下量化交易模型的开发过程。均线是期货交易者最常用到的交易指标之一, 均线也称移动平均线 (Moving Average, 简称MA) , 它是将某一周期的收盘价之和再除以该周期数得出平均值, 将所有平均值连成线即为移动平均线。比如日线的5周期均线 (MA5) 是指5日内的收盘价之和除以5, 然后再将得出的平均值连成线、日线的10周期均线 (MA10) 是指10日内的收盘价之和除以10, 然后再将得出的平均值连成线。一般认为, 当短周期均线上穿长周期均线时, 代表短期内的上涨动能较强, 未来一段时间内上涨的概率较大。此时, 应该做买入开仓操作。如果之前持有空头头寸, 那么应该将空头头寸平仓, 再做买入开仓操作。反之一般认为, 当短周期均线下穿长周期均线时, 代表短期内的下跌动能较强, 未来一段时间内下跌的概率较大。此时, 应该做卖出开仓操作。如果之前持有多头头寸, 应该将多头头寸平仓, 再做卖出开仓操作。编写这个模型, 首先需将两条均线的周期设置为两个参数N1、N2, 默认参数N1为短周期、N2为长周期。参数是变量, 我们在开发量化交易模型时, 会关心模型中的某一个或几个变量的变化对模型的盈利产生的影响, 那么就可以将它们设置成参数。模型实现的功能是, 当系统判断出N1周期均线上穿N2周期均线时, 那么在这根K线结束后做买入开仓操作, 当系统判断出N1周期均线下穿N2周期均线时, 那么在这根K线结束后做卖出开仓操作。如果模型在执行开仓指令前, 账户持有与当前拟开仓方向的反向持仓时, 需先将持有的反向持仓平仓后, 再做开仓操作。我们按照软件规定的语言写好量化交易模型后, 可以利用量化交易软件的模型回测及参数优化功能对该模型进行回测和参数优化。模型回测和参数优化功能, 是指将模型加载到某一个或某几个期货合约上, 通过逐一计算模型加载所有交易参数的组合在历史行情中的盈亏情况, 进而选出令期货交易者满意的参数组合用于期货交易。由于期货合约会出现到期交割及主力合约换月的情况, 这里为了简单起见, 我们采用指数合约进行回测。期货指数合约反映的是某一期货品种价格的整体情况。期货指数合约的数值是将该期货品种所有上市的期货合约, 按照当日的成交量计算出来的加权平均价。将该双均线模型加载到上海期货交易所的螺纹钢期货指数日K线图中, 选择2014年1月1日至2015年6月15日这段时间, 默认N1参数值为2、N2参数值为8, 使用50%的资金做交易。通过回测得知, 初始资金设为500000元, 最终权益为551790元。保证金比例设为8%, 测试天数为530天, 测试周期数为354天, 信号个数48, 指令总数49。权益最大回撤比51.76%, 盈利率10.36%。年化单利收益率7.13%, 年化复利收益率7.02, 胜率39.58%, 净利润为51790元。平均持仓手数81手、最大持仓手数122手。模型回测报告中还显示出标准离差、标准离差率、夏普比率等数值供期货交易者参考。接下来我们可以做模型的参数优化操作, 来找出最优的参数组合, 也就是说找出使用哪两个周期均线可以得到最大的利润, 同时可以通过查看回测报告中的其他参考值来确认这个组合的盈利是否稳定, 进而选出我们认为最优的参数组合。其中我们设定参数N1选择的参数优化范围是[1, 5], 参数N2选择的参数优化范围是[6, 10]。通过量化交易软件回测得知, 使用参数组合为 (2, 7) 即2周期均线和7周期均线这两根均线的组合盈利最高, 总盈利率为16.15%, 胜率为42.59%。参数组合为 (4, 9) , 即4周期均线和9周期均线的组合亏损最严重, 总盈利率为-69.24%。
伴随着我国信息技术的发展及期货交易方式的创新, 传统的主观交易方式已不能完全满足期货投资者的需求, 越来越多的投资者开始尝试量化投资这种新的投资方式。我们相信, 通过期货交易所的技术创新, 量化投资软件提供商及广大投资者的共同努力, 我国的期货量化投资领域会日趋成熟, 也会推动我国期货市场更好、更快发展。
参考文献
[1]纳兰.打开量化投资的黑箱[M].北京:机械工业出版社, 2012:19-21.
量化交易 篇4
2013.09.16
“师傅，除了‘均值回复’以外，还有其他靠谱的交易策略吗？”小林问道。
“有啊，另外一个经典的交易策略就是趋势追踪、即俗称的顺势而为。”老李答道，“比如在上涨趋势没有改变时，你当然要一路做多、持多。那么你在设计交易策略时，就只给电脑设置逢低开多单的指令，而不要设开空单的指令。”
“采用趋势追踪的交易策略，有什么需要注意的地方吗？”
“有两点。首先，是对回撤幅度的预判及相应的处置对策。价格走势总是一波三折，从来都不会笔直地涨起来或跌下去，有时候趋势途中的回撤还很大。因此，采用趋势追踪的策略时，仓位设置就不能过高。”
“多少合适呢？”
“开始的时候有三成到四成仓位足矣，如果方向对了浮盈较多，可以适当补一些仓，但最好也不要超过六成的仓位。安全第一。”
“第二个要点是啥？”小林追问道。
“其次，是一旦你发现先前的趋势不能再延续了，比如在破了关键的几个位置之后，程序要能立刻止盈或止损出来。”
“趋势单平仓出来后，能马上反手吗？”
“当然不能了，你之前做趋势追踪的程序会终止啊，除非你有特别的设置。但是平仓之后，你应该先观察一段时间，然后决定再次入场的方向，该空就空、该多就多。”
“合着还得人盯着啊，电脑难倒自己不会判断吗？”大虎有些不懂。
“这里有个误区，你们一定要注意——虽然量化交易也叫程序化交易，但决不能完全依靠电脑做全自动交易。你不能一早把电脑打开、启动交易策略，然后就不管了，让电脑整天自己运行。电脑不具备高智能的行情判断能力，投资者还是要盯盘的。”
看到徒弟们有些疑惑，“教授”补充说：“这跟你用洗衣机洗衣服还真不是一回事。用洗衣机，你只要把洗涤时间、洗涤方式、水温、脱水时间等设置好之后就可以干别的事去了，而在量化交易中，甩手大爷你可是做不得啊。”
倩倩也想起了看到的一篇报道，说：“对啊，上次光大证券的‘乌龙指’事件中，量化交易程序出了问题不停开仓停不下来，最后是靠拔电源才终止了交易的。”众人哄堂大笑。
（作者为成功航线投资者教育培训机构校长）
量化交易 篇5
关键词：量化交易平台,量化投资,策略模型,自动化
当今, 金融行业发展迅速, 为了规避金融投资的巨大风险, 量化投资的概念逐渐进入大家的视野。量化投资即借助数学、物理学、几何学、心理学甚至仿生学的知识, 通过建立可执行的模型, 进行估值、择时及选择, 从而获取稳定的收益回报的投资方式。
谈到量化投资, 就离不开计算机量化交易平台, 正是得益于计算机量化交易平台, 才能够实现自动化程序量化投资。当前, 国内金融市场的量化交易大概占到市场交易量的20%, 每年都在增加, 特别是这两年增长迅速。从国外的情况来看, 70%的金融市场交易量由程序化交易完成, 而国内才刚刚起步, 通过计算机程序来做量化交易, 与人工相比成本很小, 而且出现操作误差的机会也很小, 因此国内程序化量化投资平台的发展空间还很大。
从简单的概念上讲, 计算机量化交易平台是系统交易思维的物化。系统交易思维是一种理念, 它体现为在行情判断分析中对价格运动的总体性的观察和时间上的连续性观察, 表现为在决策特征中对交易对象、交易资本和交易投资者的这三大要素的全面体现。计算机量化交易平台作为“器”, 应该具有如下基本特征。
1 计算机量化交易平台基本特征
1.1 计算机量化交易平台必须反映交易对象、交易资本和交易者的特征
计算机交易平台必须反映交易对象的价格运动特征, 其中包括价格运动的趋势和价位, 前者, 为交易决策提供交易的战略方向, 后者, 提供交易的战术出入点, 因此, 交易系统必须具有一个的行情判断子系统, 而这个子系统至少要具有趋势判断模块和价位判断模块两个基本的组成部分。
1.2 计算机量化交易平台必须能够适应实时的需要
交易系统必须能够实时监控交易的全过程, 能够独立自动完成价格信息的采集、整理、存储、分析决策及交易指令的下达, 并且, 这个指令必须包括交易日期时间、客户代码、交易对象名称、代码、交易方向、交易目的、交易数量、交易价格等全部指令要素。交易系统在执行上述任务的时候, 必须达到替代并超越人工方式的标准, 跨越人力的生理心理局限, 满足人类设计使用交易系统的目标。从上述功能标准考虑, 交易系统若欲达到这一标准, 则必须是一个以价格信息网络和指令传输网络为通道、以计算机为载体的智能程序系统。
终上所述, 计算机量化交易平台是指能根据用户指定交易品种和数量, 通过后台交易策略模型进行计算后, 在合适的时机自动进行程序化交易的平台。计算机量化交易平台交易模型流程如下:研究员通过模型研究后建立交易模型, 然后通过模型转化生成策略程序, 交易员和投资者指定交易品种和交易数量, 策略程序后台结合实时行情, 咨询数据和历史高频数据自动计算, 得到下单胜率, 如果胜率高则自动进行智能交易, 最后实现自动化交易。
2 目前的计算机量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面, 分为中低端和高端量化交易平台
2.1 高端计算机量化交易平台, 如国泰安量化投资平台, 飞创STP等
高端交易平台通常采用的技术架构是使用服务器执行策略的架构, 行情使用转发路径最少的极速、深度行情, 交易通道采用专用、直连的交易通道进行交易。行情和交易的延时都要求尽可能最低。
该类型平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。随着国内金融市场创新的提速, 机构投资者对高端交易平台的需求和潜在需求呈快速上升趋势。
2.2 中低端量化交易平台, 如文华赢智程序化交易平台, 金字塔决策交易系统等
中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件, 采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器, 投资者在本地运行的策略触发后, 通过经纪公司的普通交易席位进行交易。由于技术架构的限制, 行情、交易有一定的延时。
该类型平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略, 是目前市场上个人投资者应用最多的一类大众化的量化交易平台。
3 计算机交易平台在量化投资种的变化
3.1 交易的主体将发生变化
部分人工交易将被计算机发单交易所取代。
3.2 人和计算机在交易中的角色将发生变化
人在市场上冲锋陷阵, 变为由计算机代替, 而人更多的则是运筹帷幄。
3.3 对交易参与者的素质和要求将发生变化
要求参与者具备更多的理性思考和掌握更复杂的交易手段和交易工具, 同时也意味着市场将出现李维斯式的人物和公司, 从量化交易型公司转型为专业量化交易平台提供商。
3.4 交易工具和手段将发生变化
量化的本质并非人脑与人脑的竞争, 或者说不是策略与策略的比对, 而是工具的竞争和科技的竞争。而新交易工具的出现将会使新的、以前无法实现的交易手段变为可能。同时基于新的交易工具, 量化交易员们还将创造出更多的应用。
3.5 交易人群的结构将发生变化
大量非金融专业而具有数学、物理、生物、统计等学科背景的人涌入市场, 并给市场带来新的特性。
3.6 市场行情将发生变化
行情将在特定情况下来得更加猛烈, 幅度也会比之前加大。但是采取传统统计套利的策略将走向自己初衷的反面, 让平稳时期的市场波动变得更小, 以致无利可图。
从本文的上述内容可以得知, 未来计算机交易平台将在金融投资中逐渐占据主导地位, 并且发挥巨大作用。通过计算机交易平台的使用, 投资者和投资机构将事半功倍, 通过选用合适的投资策略和投资模型, 并通过自动化程序交易, 获取比以前传统交易方式更大更稳健的投资收益。
参考文献
[1]前海金融要素平台蓝图课题组.前海金融要素平台蓝图[M].北京:中国财政经济出版社, 2013.
[2]郎六琪.证券与计算机交易系统[M].长春:吉林大学出版社, 2012.
[3]丁鹏著.量化投资:策略与技术[M].北京电子工业出版社, 2012.
量化交易 篇6
股票市场是不见硝烟的战场, 几乎所有涉足这个市场的人都曾憧憬过一夜暴富的美景, 或者做过按几何级数实现利润增长的痴梦, 期望在金融市场经过一段时间锤炼, 获得像投机大师乔治·索罗斯那样的传奇战绩与天文数字财富。然而, 市场是无情的, 在心智比拼之后绝大多数入市交易者都是频频亏损, 甚至是血本无归。造成交易者亏损的原因是多方面的, 其中一个重要原因就是未构建起适合自己的一套模式化交易系统, 并对这个系统进行理论探讨, 以及操作次数胜负率和资金额度盈亏比测算, 即稳定收益的数理统计分析。
稳定收益的数理统计分析的目的是通过运用概率论和统计学知识来评价自己的模式化交易方法, 以便在长期交易过程中实现系统的正期望值。例如, 多次随机重复地向空中抛掷一枚硬币, 共抛N次, 根据大数定律 (1) 可知, 正反面向上的概率各为50%, 所以正面和反面的次数各为N/2。假设正面是期望面, 每次正面得6分, 负面丢4分。这是一个期望值为正的简单游戏, 因为6*N/2-4*N/2=N分, 因此多次重复抛掷硬币的得分是随抛掷次数而成正相关累积的。
二、实施模式化交易的目的
一套成熟的交易系统不仅要解决交易理论的选择问题, 更重要的是要将这个理论量化, 确定一个进场点、两个出场点, 而在证券投资领域, 股票交易标的众多, 面对波动行情, 交易者碰到的最大敌人往往不是股票市场而是他们自己。诚如墨菲定律所指出的那样:“你怕跌, 它偏偏跌给你看;你盼涨, 它偏不涨;你忍不住卖了, 它也开始涨了。” (2) 在交易生涯中, 绝大多数人都迈不过贪婪与恐惧这两道坎。
1. 人性弱点分析。
现代行为金融学研究认为, 投资者并不像传统理论模型中预测的那样具有完全理性, 许多投资者具有过度自信和后悔厌恶等情绪 (3) , 决策时受到无关信息的影响, 是有限理性的 (4) , 投资者情绪和认知偏差的存在使得投资无法做到理性预期、风险回避和预期效益最大化。此外, 投资者还会受到外部环境的严重影响, 特别是中小投资者, 在决策过程中不可避免地面临更大的投资风险以及更高的亏损概率。因此, 个人交易者都是有限理性, 有限自制的, 只有一小部分能够做到对交易纪律的严格遵守。当然, 不否认在专业投资领域有一批非常优秀的交易者, 比如沃伦·巴菲特, 但那只是一小部分人, 而他们同样要面临情绪高低起伏、心理困扰等问题。上世纪初至30年代末华尔街的顶尖股票作手杰西·利维摩尔从辉煌到黯淡的过程说明, 凭借人的有限自制难以在长期的交易实践中保持稳定性 (5) 。
2. 克服人性弱点。
然而, 通过引进模式化交易系统, 交易者的策略执行能力将得到根本提高, 不受或者少受外界纷繁复杂的信息干扰, 反而将有限的精力集中于投资策略的选择上面。模式化的交易决策过程比依赖大脑支配的人为决定更加理性化, 人们依据交易系统发出的信号进行操作, 而不是纯粹依靠受情绪影响的经验主义。如果一套交易系统是正期望值的, 那么长期依照系统的信号进行交易, 就可以发挥交易系统胜率高的统计学优势, 提高交易策略的执行力。
三、模式化交易系统建立的基本步骤
模式化交易的分类方式有很多, 最常用的是依据其投资策略、风险承受能力和交易原理来区分, 如左侧走势预测型、右侧趋势追逐型、形态识别型和反趋势交易型。尽管模式化交易分类很多, 构建模式化交易策略的方法也多种多样, 但一般包括交易策略选择、开发平台选择、交易模型设计、历史数据测算和实盘模拟复核, 以及在实战中不断优化和调整等多个方面, 如图1所示。
1. 交易策略选择。
交易模型设计的第一步就是选定交易策略。交易策略的选定要充分考虑交易者自身的脾气禀性、本金大小、风险喜好程度、投资时间精力等因素, 如上班族一般以长线交易为主, 专业人士以短线交易为主。然后根据交易策略选择相应的股票种类, 选择股票种类时需要考察其流动性、活跃度和交易量。
2. 开发平台选择。
交易策略确定之后需要选择股票行情浏览和交易软件。该软件服务器提供的数据必须稳定可靠不丢线、快速畅通不滞顿;软件基本或默认界面清爽, 具有自定义界面保存和导出导入功能;能进行客户化功能二次开发, 行情和交易等各类函数齐全, 或具有自定义函数功能;系统开放性好, 代码方便移植;售后服务良好, 能提供技术支持。上述几方面是实现交易模式设计和构建应用的基础。
3. 交易模型设计。
交易模型的设计主要包括资金管理、风险管理、指标公式、自动预警/选股和股票交易五个模块构建工作。其中资金管理模块是指优化使用资金, 利用等价鞅理论和金字塔加仓策略以保证系统的正期望值;风险管理模块是指每次交易前衡量利弊, 研判盈利可能性与亏损可能性的比率, 以及最大盈利额度与最大亏损额度的比例等评价指标;自动预警/选股模块是指从沪深两市A股能够自动筛选出符合交易策略、满足交易参数和交易条件的股票, 并预警提示买入操作, 降低人工选股的劳动强度;指标公式模块是指K线盘面能够从K线组合形态、走势趋势、压力支撑等角度, 对自动预警/选股模块选中的股票进行标注, 以帮助交易者更好地解读和理解个股;股票交易模块是指从提高交易者执行力角度, 进行全自动或半自动交易, 当半自动交易时, 需要交易指令进行一次人工复核。
4. 历史数据测评。
模型设计完成之后, 需要利用历史数据对交易模型的可行性进行测评, 即对模型进行统计检验盈利能力。在测评时, 必须首先设定交易标的自动筛选、历史数据时长、交易频度等因素, 而后方可统计各种检验指标结果来评价模型可行性。具体指标包括:交易最大盈亏比率, 最大连续盈亏损次数比率、最大资金盈利比率、最大本金损失比率、盈亏损次数比率、平均盈亏金额比率等。当获得测评结果后, 可根据投资策略和风险偏好度等因素对模型的设计进行调整, 对参数进行优化。模型进行调整之后, 需要再次重复历史测算, 如果仍然不理想, 则需进一步调整。此外, 需要注意的是, 历史数据测评需要将交易成本考虑在内, 尤其是短线高频交易, 交易成本将会蚀掉一定比例的盈利。
5. 实盘模拟交易。
在模型通过历史数据测评之后, 仍然不能直接投入使用, 还需要进行实盘跟踪的检验, 以考察模型效果的稳定性和交易通道的可行性, 降低真实交易中的试错成本。历史数据测算和实盘模拟交易有很大不同。在历史数据测算中, 所有的买入或者卖出指令都是按可成交来计算的, 而在实盘模拟交易时, 有可能会出现各种各样的问题影响成交, 如下单时突然出现滑点问题导致成交失败。很多问题在进行历史数据测算的时候可能被忽略, 只有在实盘模拟交易的时候才能暴露。如果在实盘模拟交易中出现上述的问题, 需要返回到模型的设计步骤进行调整, 如果问题比较严重, 甚至可能需要推翻模型, 重新设计。调整模型之后, 再次重复1至4节的步骤, 直到实现预期盈利效果。
四、追涨停模型实例分析
涨跌停板的推出是防止新兴证券市场过度投机的产物, 本意是防止市场过度波动。但是, 涨跌停制度实际起了两个作用:一是在股票本身在突发重大利好消息等情况下, 具有突然上涨10%以上冲击力时, 被迫在10%处停住, 第二天由于本身上涨要求, 还要继续上涨, 这是一个明显的投资机会;二是涨跌停板对买卖股票的双方产生明显的心理影响。股票涨停后, 对本来想卖股票的人来说, 他会提高心理预期, 改在更高的位置卖出, 而对想买的人来说, 由于买不到, 也会加强看好股票的决心, 不惜在更高的位置追高买进。因此, 涨跌停板的助涨助跌作用非常大, 当一只股票即将涨停时, 如果能够及时判断出今天一天涨停将被牢牢封死前马上追进, 那么第二天出现的高点将会带来非常好的获利机会 (6) 。
1. 涨停心理与未来走势分析。
虽然涨停板可以提高多头和空头的交易价格心理预期, 但是由于在涨停后存在一定获利空间, 同样会形成获利盘回吐和套牢盘沽压, 存在追高被套风险。因此在设计追涨停模型时应从以下几个方面进行考虑, 以便提高交易获利的成功率:
(1) 大盘配合。一般情况下, 大盘破位下跌对主力的拉高决心影响很大, 公众交易者追涨盘的心理也会相应减弱, 主力在没有接盘的情况下, 经常出现第二天无奈出货的现象, 所以在大盘破位下跌时最好不要追涨停, 而在大盘处于波段上涨时, 交易价格心理预期普遍偏高, 总体机会多, 可以胆大追涨停。大盘处在盘整时期, 趋势不明, 这时候主要以板块活跃度、个股形态、涨停时间早晚、分时图表现为主要依据。
(2) 形态支持。盘整后突破涨停的股票是最好的, 但要求拉到涨停后的位置离强阻力区域不能太近, 要给第二天的高开留下一定空间, 一般情况下由于普遍的心理预期是突破后上涨空间打开, 第二天的获利幅度会大一些;而对于超跌后以涨停方式开始反弹的股票, 由于反弹性质决定, 高度不能预计太大, 要保守一些;而连续上攻后涨停的股票, 由于在低位买进的可能随时抛出, 形成抛压, 所以除非是在大牛市, 否则追涨停的时候一定要小心。对于主力仓位比较重的股票, 主力由于出货需要, 常常是在涨停后继续拉高出货, 才能降低仓位, 所以反而相对安全些, 当然具体情况要求大盘走势不能太差。
(3) 率先涨停。在一天交易中第一个封涨停的最好, 涨停时间最好限制在10点以前。因为短线跟风盘十分注意当天出现的机会, 前几个涨停最容易吸引短线盘的目光, 并且在开盘不久就能涨停, 本身也说明主力是有计划进行拉高, 不会受大盘当天涨跌的太大影响。如果这时该股票的技术形态也不错, 在众人的集体上推下, 涨停往往能封得很快, 而且买单可以堆积很多, 上午收盘前成交量就可以萎缩得很小;在下午开盘时就不会受到什么冲击, 封死涨停的可能性就非常大, 第二天获利也就有了保障。其它时间段涨停的股票相对差一些, 尤其是尾市涨停。之所以比较差一些, 一是这些股票可能是跟风上涨的股票, 本身主力可能并没有事先的拉高计划, 只是受盘面影响, 临时决定拉高, 属于跟风涨停;二是由于涨停时间比较晚, 收盘前存在盘中高价抛盘的风险;三是尾市做盘存在主力第二天高点出货的可能, 同时在上午买进的散户获利很大, 第二天也会积极出货。
2. 建模设计与胜算率验证。
经过上文分析, 追涨停模型的基本条件应该是大盘走势配合、盘整形态突破、早盘涨停等条件的组合。然而, 追涨停操作的买入与卖出, 在时空上具有多种组合。鉴于历史交易数据的使用限制, 为测算方便, 以“涨停价买入, 次日或其后交易日非涨停开盘时卖出”的买卖条件进行示例分析。下面是股票行情软件自动预警提示买入公式源码:
{基本模型自动预警买入公式源码}
涨幅:= (CLOSE-REF (CLOSE, 1) /REF (CLOSE, 1) *100;
将封涨停:=涨幅>9.7AND涨幅<=9.92;{转瞬即逝的买入机会}
追板预警:将封涨停;
{基本模型交易验证系统源码}
涨停:=CLOSE/REF (CLOSE, 1) >=1.0992;
追板预警:=涨停;
ENTERLONG:追板预警;{多头买入}
EXITLONG:NOT (OPEN/REF (CLOSE, 1) >=1.0992) ;{多头卖出}
{优化模型一:补充条件}
强势跳空高开:=LOW/REF (HHV (HIGH, 3) , 1) >1.02;
{优化模型二:补充条件}
强势跳空高开:=LOW/REF (HHV (HIGH, 3) , 1) >1.03;
{优化模型三:补充条件}
强势跳空高开:=LOW/REF (HHV (HIGH, 3) , 1) >1.04;
由于股票行情软件条件选股、探索最佳指标、交易系统功能的应用限制, 为方便统计, 本文以2012年4月18日至2012年5月17日的沪深A股所有个股数据作为测试依据, 该段时间内上证指数完成一个同幅度上涨和下跌过程。
表1和图2是实测数据结果 (扣除手续费) , 从中可以看出, 随着模型条件的不断强化, 尽管交易次数及频度不断减低, 但是胜算率却同步得到提高, 这完全符合利用模型化交易提高正确交易标的的命中率、降低操作工作强度、减小利润波动, 稳定收益的目的。这里仅是模式化交易的一个简单案例, 交易者可根据涨停心理及走势分析, 进一步增设自动选股预警条件, 并进行每次交易盈亏额度、加权总盈亏比等指标计算。
3. 风险管控。
追涨停时及时锁定利润出局是非常必要的, 即使后面涨得更多, 也不要后悔。否则, 将因为过于贪心而丧失很多可以及时出局的机会以至被套。尤其在当时大盘很弱的情况下, 及时抛出其实是标准的回避风险的行为, 是正确的, 切忌不可恋战。因为, 场外设计和修正交易模式, 计划你的交易;场内严格遵照执行, 交易你的计划, 注重风险管控是通过模式化交易获利的必要条件。
五、结束语
截至2012年5月中旬, 沪深两市A股有2300余只, 选择交易标的和复盘难度极大, 没有任何一个交易者能够了解和掌握所有股票的基本面和技术走势。另一方面, 随着中国金融市场的国际化, 多种投资机构并存, 使得金融市场的外在表现形式更加复杂。上述变化致使公众交易者处于越来越不利的地位, 加之各种市场信息的干扰, 以及难以超越恐惧、贪婪的心理挑战等各种问题, 使得投资风险更加不确定, 仅凭着自己在以往交易环境下积累的经验和手工操作选股交易的方式, 将不再适应市场发展变化。因此, 对于股票市场来说, 引进模式化交易的意义是十分重大的, 它不仅带来了稳定盈利的思路, 更能在风险控制、资金管理等方面提供帮助, 保证交易者在股票市场长期立足于不败之地。
摘要：模式化交易系统是当今国际投行角逐较量的必备工具, 在国际上已有近40年的发展历史。随着我国金融市场的不断演化和成熟, 已逐步进入专业化、职业化阶段, 已有越来越多的模式化系统用于实战交易。文章针对上述发展情形, 介绍了建立模式化交易系统的一般过程, 并在剖析追涨停交易策略的基础上对其模型进行了稳定收益的数理统计分析。最后, 结合国内金融市场的现状和发展前景, 指出普通公众交易者应用模式化交易是未来在股市中获利的必要条件。
关键词：股票,模式化交易,概率,数理统计,量化测评
参考文献
[1]盛骤, 谢式千, 潘承毅.概率论与数理统计[M].北京:高等教育出版社, 1989.131-140.
[2]百度百科.墨菲定理[EB/OL].http://baike.baidu.com/view/200009.htm, 2012-02-02.
[3]饶育蕾, 刘达锋.行为金融学[M].上海:上海财经大学出版社, 2003.97-118.
[4]叶谦.对投资有限理性的再思考[J].商业研究, 2004 (, 17) :11-15.
[5]约翰·波伊克.至高无上[M].荣军译.上海:上海财经大学出版社, 2009:1-25.