策略篇:殘差項的均值回歸——實證部分

寫在前面這一篇是基於上篇文章提出的方法的實證部分:Wu Kevin:策略篇——殘差項的均值回歸?zhuanlan.zhihu.com之前承諾的對於上篇的實證現在才兌現,主要原因是我前期一直忙於秋招,無瑕顧及更新了。目前總算是定下來了,慶幸的是我還在量化這條路上,只不過今後的研究會更加偏向宏觀層面,以後的分享也是偏宏觀一些的量化研究,這篇研究也算是我原創性的job market ...
Read more

技術分析與量化研究的對話(一)

波特:我覺得技術分析這個話題太大,有人說K線圖從18世紀就有了。這個體系里既包含精華又有糟粕。實際上,Andrew ...
Read more

TDA 金融(三):TDA 加持的崩盤預警模型

記得看鋼鐵俠電影里,印象深刻的一幕是 Stark 的盔甲不僅可以防身和飛行(ok 還有射飛彈),在必要的時候也可以強制穿到敵人身上然後自爆,實現進攻的功能。在 TDA 金融(二) 里我介紹了如何加入 TDA 特徵來強化 ETF 投資模型的效果。最近有時間用同樣的思路,換在了「防守」的場景里,也有不少驚喜,在這裡簡單分享一下。在 A 股的世界了,貌似大家的興趣都在某某基金經理賺了幾倍,AuM翻了多少翻的雞血故事上,談到風險,最多也就聽聞一些止損和「割肉出場」等等壯士斷臂的慘烈;採取積極的風險管理方案,嵌入風險管理環節的投資決策機制,在我之前有幸接觸的大大小小買方,都是被看作「紙上談兵」的話題。而另一邊,是國際上的投資機構玩爛了的多因子風險模型和由現代組合投資理論 MPT(Modern Portfolio Theory)衍生出來的投資風險管理框架,嚴重的後驗性除外還極不穩定,卻硬生生在 Barra ...
Read more

量化||趨勢

一、量化投資是更專業的投資投資本身,現在已經變成了一個專業的事情。因為不管什麼事情,只要做的人多了,就會向專業的方向發展,而投資無疑就是這麼一件事。當一件事情變得更專業,它必然變得更為深入和複雜,這時它就越來越遠離大眾人群。這不是說這件事變得和大眾越來越沒有關係,而是指沒有專業訓練的人會越來越難以親自做這件事。做事的專業性,主要體現在深度和廣度上邊。而在深度和廣度二者中,深度是第一位的,沒有深度,就談不上廣度。只有先精於一事,方可涉及其他。投資也是一樣。投資的品種有很多,股票、債券、期貨、期權、貨幣、外匯、基金等等,還有更多的組合和衍生品。如果不精於每一個,便無法廣泛投資於所有。而精通其中任意一個,都是何等的難事!量化是專業性最典型的特徵,因為量化代表著準確和精確。愛迪生說「天才是1%的靈感加上99%的汗水」,為什麼不說是「一點點靈感加上大量的汗水」呢?這就是為了顯得更為專業。我們去菜市場買肉,現在不 ...
Read more

米筐量化業績歸因和風險管理系統RQBeta 2.0登場 | 只有想不到,沒有做不到

RQBeta 2.0提供給了用戶非常方便的組合管理功能,在這裡,用戶可以對組合的交易或持倉信息(分別對應交割單和持倉文件)進行上傳、查看、管理及刪除等操作,操作非常簡單,還為用戶提供了上傳文件模板。 組合管理界面 02 績效分析 2.1 股票績效分析有利於資管機構創新並打造更合理的投資方案,增強在行業內的競爭力。它有助於投資者更好地理解自身投資流程的優勢和不足,並更有效地與客戶溝通,了解產品跑贏或跑輸大市的原因。 股票績效分析 - 績效概覽用戶可查看投資組合的交易和持倉分別帶來的收益貢獻。對於包含T+0日內交易的策略,可分別評估日內交易和底層持倉分別帶來的收益貢獻。 股票績效分析 - 收益分解基於米筐的39個風險因子,對策略的收益來源進行了詳細評估。 股票績效分析 - 因子歸因2.2 債券RQBeta ...
Read more

為何回測和實盤效果不一致?

實盤與回測效果不一致的問題其實是量化交易中的普遍問題。 在京東量化平台的使用過程中,經常會碰到這樣的問題:在策略研究中編寫的策略回測時運行的效果很好,而當添加到實盤模擬、策略榜或者智投時運行效果卻不是很好,究竟是什麼原因呢? 在解決這個問題之前,我們需要先了解自己的策略(假設平台的數據沒有問題): 策略是高頻還是低頻? 是基本面技術面抑或是基於統計思想? 策略的收益主要是來自哪些方面(能夠獲取阿爾法的特殊市場因子?)? 策略的開倉、平倉、止損的條件設置以及編程的邏輯等等。 在充分了解策略的基礎之上可以對當前市場環境下策略的大致表現做一個預估,如果與實際的表現相差較大,可以嘗試通過以下幾個方面來尋找原因: 1) ...
Read more

乾貨分享 | 20份量化求職優秀簡歷模板

我們集合了大量國內知名券商、私募等合作機構的崗位需求,特此推出「人才庫計劃」,專註於量化交易行業的職位內推。為聚寬的合作夥伴們推薦優秀人才,也為平台的15萬活躍寬客與高校畢業生等提供更多優質的量化職位選擇。同時,我們還將持續更新量化就業最新動態。不定期分享量化求職相關乾貨,推送優質的實習和全職工作需求等。 歡迎關注「聚寬量化內推」 自數學奇才西蒙斯帶領團隊與市場博弈,在華爾街揚名後,便揭開了「量化交易」的序幕。隨著大數據和人工智慧技術的發展,量化投資迎來新的機遇。中國的量化行業正蓬勃發展,其衍生品交易規模在不斷擴大。這無疑是為優秀的量化人才們帶來大量的發展機會,但競爭同時也愈發激烈。臨近年底,正是求職高峰期。要從眾多實力超群的競爭者中脫穎而出獲得面試機會,甚至掌握面試的主動權,最終拿下心儀的工作。簡歷,是一份最好的武裝。那麼如何才能製作出一份量化相關的優秀簡歷,充分地展現個人優勢,並獲得任用機會呢 ...
Read more

橋水的【風險平價】與【全天候策略】探究

在全天候策略出現以前,一般的資產配置,在於配置資金,簡單粗暴的直接將資金按一定比例分配到各類資產上,如常見的60/40 股債組合(將60% 的組合資金投資到股票上,40%的組合資金投資到債券中)。若僅看凈值曲線,對比純股組合,60/40組合在犧牲了些許收益的情況下,平滑了資金曲線,且降低了組合的波動率(衡量組合風險的一個維度), 但是這樣的組合方式並沒有成功的降低了組合的風險。然而從回撤的角度,當純股組合出回撤時,60/40組合同時出現了回撤,只是回撤的幅度稍小了一下,並沒有很有效的降低回撤風險。 傳統的資產配置,在於配置資金(dollar allocation)。例如有名的 ...
Read more

量化之策略可行性分析

量化之策略可行性分析 前言 策略建模之入場與出場 買入點的選擇 出場點的選擇 舉例 假設檢驗 (for 循環回測) 漲幅限制實現 觸發點的設置 代碼實現 總結 量化之策略可行性分析 前言 在上篇中,筆者介紹了網友分享的一個選股思路,即 "五根 K 線",並基於該思路進行建模, 給出了一個還算可以的選股實現。但是,讀者們如果自己去選股也會發現,每天動輒幾十支, 甚至最近大盤行情還可以的時候,有上百支股票被選入股票池,對於我們去對選出來的股票 進行分析,總結,還是很難,好比以前是大海撈針,現在則是大湖撈針,雖然標的變小,但 是還是很難,因此,本篇中,筆者試圖帶著讀者們,用代碼,去試著 「大湖撈針」 一下,看 看效果如何,如果效果還行,那麼就在下一篇中,筆者去帶著大家,用事件驅動的回測模式 ...
Read more

怎樣通過持倉稍微看懂量化對沖策略

哈利:兄弟救我!怎麼才能通過持倉看懂量化對沖類私募到底在幹嘛?波特:你先說說你的困難在哪? 哈利:簡直太多了!大部分持倉分析工具都沒法把期貨直接換成成份股分析,好不容易自己把期貨拆解了,導入Barra一看,發現因子暴露就沒發現幾個穩定的,基本都隨日期波動得很厲害。收益分解的大部分也是沒法被因子解釋的。看來看去感覺一團糊塗啊!波特:這太正常了,我們都把Barra當風險因子來用,基本沒人用他們當alpha來開發策略啊。哈利:。。。波特:還有一點,Barra基本都是基本面相關的,私募大部分做價量,想通過Barra捕捉私募的alpha很困難。哈利:吐血ing波特:然後Barra的建模方法有其特殊性,如果我不是按Barra那種多因子回歸的方法來做alpha,你通過因子係數加和可能什麼都看不出來的。哈利: 你TM到底在說啥波特:我打個比方啊,假設全市場所有股票的橫截面收益率實際是Size的三次方,然後你的回歸 ...
Read more
1 2 9 Next