logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

量化选股模型—风格轮动

市场上的投资者是有偏好的,有时候会偏好价值股,有时候偏好成长股,有时候偏好大盘股,有时候偏好小盘股。由于投资者的这种不同的交易行为,形成了市场风格,因此在投资中,利用市场风格的变化,进行轮动投资会比一直持有的效果好很多。基本概念投资风格是针对股票市场而言的,是指投资于某类具有共同收益特征或共同价格行为的股票,即某类投资风格很受欢迎,并且在某一个时间段内具有持续性和连续性(譬如,价值投资和成长型投.

全面解读量化中性策略

相信很多投资者在购买投资产品时,常常会听到一些投资专用词语,例如下文将介绍的“量化中性策略”,这些词语对于投资小白们来说,仅听名称就让人一头雾水,具体什么是量化投资,以及常见的策略如何操作就显得更加神秘了。下面,我们一起走进“量化中性策略”。一、什么是量化中性策略?量化中性策略我们可以把它拆分成“量化”和“中性”两个词来理解。首先看“中性”,也就是市场中性策略当我们买入一只股票,其价格走势由两方面

线性因子模型(Liner Factor Model)助你预测收益率

收益率预测模型中常用到线性因子模型,其是通过线性等式的关系,将有限个数的因子与资产的收益率或者价值联系在一起。本文通过因子线性模型介绍了著名的夏普单指数模型与多因子模型,并介绍了常用的因子种类。线性因子模型的提出单因子模型,通俗的说,假如某件事情的发生仅用一个因子便可解释,这样建立的模型就可以称作单因子模型。比如说,今天下雨,很可能是因为水汽的积累太多了,那么是否下雨只受到空气中水分含量这个因子的

"对冲"、"量化"、"算法交易",你真的懂吗?

说到对冲基金,很多人就会联想到“量化对冲”、“程序化交易”等相关词汇。那么这些概念之间到底有怎样的关联呢?是不是对冲基金一定要采取对冲或量化投资呢?PART1.并非所有对冲基金都采取对冲手段如果顾名思义的话,对冲基金给人印象是运用对冲工具对冲风险的基金。但是,实际上并非所有对冲基金一定都采取对冲手段。对冲基金相对于传统的公募基金而言,主要是在基金结构方面的区别。一般来说,对冲...

统计套利:理论、算法和策略(三)卡尔曼滤波方法

摘要:本报告主要介绍卡尔曼滤波器的基本概念和其在时间序列和金融交易中的应用,同时也总结了它在R中实现的相关程序包。1 概念介绍    由R.E. Kalman在1960年提出的卡尔曼滤波器(Kalman filter)最早是用来解决工程学中的系统控制问题。随时间变化的系统被假设为线性的从一个状态(system state)转变到下一个状态,每一个状态都可以被一系列的系统参数描述。在系统状态转变过程

机器学习算法集锦:从贝叶斯到深度学习及各自优缺点

在我们日常生活中所用到的推荐系统、智能图片美化应用和聊天机器人等应用中,各种各样的机器学习和数据处理算法正尽职尽责地发挥着自己的功效。本文筛选并简单介绍了一些最常见算法类别,还为每一个类别列出了一些实际的算法并简单介绍了它们的优缺点。1. 正则化算法(Regularization Algorithms)它是另一种方法(通常是回归方法)的拓展,这种方法会基于模型复杂性对其进行惩罚,它喜欢...

量化选股模型—多因子模型

多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准,满足这些因子的股票则被买入,不满足的则卖出。基本概念举一个简单的例子:如果有一批人参加马拉松,想要知道哪些人会跑到平均成绩之上,那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员,获得超越平均成绩的可能性较大。多因子模型的原理与此类似,我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区...

Fama-French三因子模型

今天我们来介绍Fama-French三因子模型。什么是Fama-French三因子?Fama French三因子模型是对CAPM模型的一个扩展。CAPM模型认为:(1)证券资产的预期收益和它的市场Beta之间存在一个正向的线性关系,Beta越大,资产的预期收益越大;(2)市场Beta足以解释证券资产的预期收益。Eugene Fama和Kenneth French,两位来自芝加哥大学的教...

#量化交易
量化投资之股票统计套利:基于BP神经网络

理论介绍1、基础策略-统计套利统计套利是根据对历史数据的统计来指导投资,是一种基于模型的中短期投资策略,使用量化分析方法挖掘投资机会。使用配对交易(统计套利方法之一)是利用标的对相对价差获取收益,在市场相对稳定情况,标价差理论上也是稳定的,可以对冲大部分市场趋势变动的风险。统计套利一般步骤:首先通过相关系数和平稳检验,选出股池可能具有稳定价格关系的投资对;其次,通过EG协整回归确定有稳定价格关系的

机器学习用于金融市场预测面临的挑战

金融市场已经成为最早的采用机器学习(ML)的应用领域之一。20世纪80年代以来,人们一直在使用ML以发现市场上的规律。尽管ML在预测市场结果方面取得了诸多进展,但最近的深度学习并没有对金融市场的预测有显著提升。虽然深度学习和其他ML技术终于使Alexa,Google Assistant和Google Photos成为可能,但在股票市场上似乎没有取得多大进展。许多研究者将机器学习应用于现实世界的金融

    共 117 条
  • 1
  • 2
  • 3
  • 12
  • 请选择