taoCMS是基于php+sqlite/mysql的国内最小(100Kb左右)的功能完善、开源免费的CMS管理系统

择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法

2017-08-16

当市场中存在大量相互影响的玩家,又没有持续压倒性优势的主体时,市场将会出现复杂结构,这种结构的特点就是混沌带来的不确定性和吸引子(固有模式的重复)。股市就是个明显的右侧策略市场;右侧策略的关键是读懂市场,然而市场的心思很难猜。其实,也就是,交易纪律摆在第一位,做好止盈止损。 千帆竞发的网易博客 

★择时策略的自我修养 (2015-04-22 石磊) 
  石磊,平安证券固定收益部执行总经理    千帆竞发     
  今天主要是跟大家分享一下最近对于市场择时的感想和相关读书的体会。
  
  最近几年,投资界独尊价值投资理念,有强大的庸俗化格林厄姆、巴菲特的潮流,似乎只需要比较市场价格与心中价值的高低,不用考虑太多进出时点的因素,只要投资标的够好,金子总会发光。  
  人类社会市场机制的关键在于竞争性分配,就是说必须考虑你的竞争者,定价无绝对,因为分配机制是价高者得。所以,择时实际上就是猜竞争者的未来之心。对于二级市场投资而言,择时就更关键了,可以说是最关键的因素。如果在二级市场交易投资不择时,干脆转行去做PE/VC好了。其实一级市场同样需要择时,只不过没二级市场那么激烈罢了。  
  你在投资大师身上看不到的,也许是时代的局限。
  
那么如何择时呢?
  
  进入一个市场,首要的事情,第一是明白游戏规则,第二是了解市场上玩家的特点。如果这个市场有个无比强大的boss(大庄),那么,择时就是要猜它可能的动向。债市实际上就是这么一个存在大boss的市场,这个大boss自然就是央行。  
  这样的市场里,择时就需要左侧交易,也就是说在市场拐点还没出现时就要布局,你要领先大boss一步;否则,你的交易即使做对了方向也抢不到筹码,市场行情的进行几乎是一步到位的,因为所有人都盯着大boss,右侧后,大家的预期没有差异性,所以不会有人跟你做对手。好处是债市里的金融机构投资人,常常亲如兄弟,因为他赚的钱都是庄家给的,不用去赚交易对手的钱。
  
  在这样的市场里,左侧择时最重要的是找到收益与风险不对称之处,也就是说风险小,收益大的策略大家被有效市场理论洗脑很多次,都认为风险和收益是对称的,其实他们常常不对称。  
  在这样的市场里,做基本面和宏观研究才有实际的意义,因为大boss央行是看基本面的而作决策的。  
  左侧策略的重要性在债市里特别重要,比如今天降准了,再写什么分析评论几乎没什么意义,因为右侧的价值很低了,预测央妈何时降准降息才有意义。  
  
右侧策略在什么样的市场中最重要的?
  
  招聘的时候,我曾经出了一道笔试题,什么样的市场容易重复出现固定的模式?答案是:当市场中存在大量相互影响的玩家,又没有持续压倒性优势的主体时,市场将会出现复杂结构,这种结构的特点就是混沌带来的不确定性和吸引子(固有模式的重复)。这种市场经常出现的结果是“收益率分布尖峰肥尾、波动率具有长程记忆和簇聚特性,容易出现泡沫化,多重分形”等。原因是有大量呈现网络化分布的互相影响的交易主体,他们互相嫉妒、互相鼓励、互相模仿、互相厌恶,这就形成了复杂系统。说到这,大家都懂了,股市就是个明显的右侧策略市场。左侧策略,在这种市场里也有运用,但大部分都是盈率低,而盈亏比极高的策略才能应用。因为复杂系统的不确定性实在是太强了。
  
  右侧策略的关键是读懂市场尽管价格和成交量都清清楚楚的摆在所有人面前,没有分别,但不同人读出来的可能是完全不同的。这是复杂市场最有趣的地方,也是右侧交易还能够赚大钱的条件。因为,如果都像上面说的左侧系统大家预期完全一致,那么右侧就没有流动性了,预期的差异提高了右侧的流动性。我们常常在经历历史重大拐点后,才发现,哦!原来那时候就是顶部或者底部了,当我们就在拐点处附近时,常常“不识庐山真面目”,打个比方,如果你能读懂市场是在哭,还是在笑,是累了,还是能量满格,你熟悉市场的一颦一笑,你知道它张嘴就是要吃饭还是要说话,那么你就能对市场未来的表现有个大概估计。所以尽早读懂市场跟我们说了什么就已经足够了,直接的预测并不关键。然而市场的心思很难猜
  
  怎么读懂市场,先说第一个层次,所谓行为金融学或者叫金融心理学等等,大意是把市场比作一个人来看待,股市中有很多江湖高手把市场理解为人,市场的起伏理解为人心的起伏,这确实比只看基本面就摇旗呐喊的进了一步,但这还只是一种朴素的世界观。市场中很多体现人性的地方,但永远记住,市场不是一个人,而是一群互相影响的人。我们常常看到,主流的预期常常与市场运行的结果相反,不是一个神秘大玩家能窥探大家心思,把大家都玩转一遍,而是群体行为的结果与个体是非常不同的。行为金融学曾经把多重变量都加入预期项,部分提高了一般均衡模型的解释力,但这个方法是没有前途的,从根上没有认清楚“市场是不同的个体组成的这个特点”,从来没有什么一致预期,从来就没有理性人,从来没有什么完美、半完美信息。所以下午我说,有些研究虽然得了诺贝尔奖,但那个理论基本没有具备解释真实市场的前途。  
  在这个方向上还有一个方法论,就是博弈论,它抓住了不同主体互相影响的系统实质,但却遇到了无法逾越的困难,也就是三体以上博弈难有解析解。博弈论在两体问题上有很好的解释力,推荐大家去看看演化博弈方面的书,这主要是生物学者做出来的,他们设计了进化模型。进化模型是后面要讲到的agent-base model的基本框架。  
  
真正有前景能理解复杂市场的方法论在哪里呢?
  
  就我目前所能理解的局限而言,这个方向在方法论上就是复杂系统理论,目前的最前沿者是做物理学、气象学、生物学、数据科学方面的科学家,领军的研究机构是美国Santa Fe 研究所。今天我就不具体讲复杂系统理论的发展了,这部分很庞杂,有兴趣的朋友可以读读耗散系统理论,普利高津的书《探索复杂性》国内已有翻译。不过理论物理学者写的书,几乎是最难懂的,他们几乎用的是银河系以外的语言。生物学者写的科普书大家一看就懂了,推荐几本《隐秩序》、《混沌与秩序》。
  
  理论不谈,具体到读懂市场这个问题,有什么好的办法?读懂市场是什么意思?其实就是识别市场的模式。大家想想,我们过去的学习中接触到最多的模式识别类的课程是什么。我们早早就在模式识别了,就是历史学。市场的根本属性不是科学、更不是艺术,是历史性的,它不会重演,但总会惊人的相似。那些相当不严肃,粗制滥造,漏洞百出的流行的历史故事书,为什么那么多人爱读?他们都想在历史中寻求模式,然后应用在各种宫斗、宅斗中去。通过大量实践,找到模式,应用模式是人脑智能的天然能力。  
  技术分析也是一种朴素的模式识别方法,但里面鱼龙混杂。最简单常用的均线系统,完全是照顾人脑不习惯处理非线性信号设计的。这个简单实用的技术分析方法,基本上是过于主观的,因为市场是一个非线性系统,不会有特别靠谱的线性信号出来的。线性信号都是人的简化和人们彼此间的默契。不过,我看到了朴素的技术分析里,黄金分割和波浪理论是最具备对的潜力的方法,这两个方法都是非线性的。这两个方法都是模式识别的过程,比较悲剧的是,他们不宜标准化,仁者见仁,智者见智,需要很多直觉上说不清的东西。有经验的交易员值钱就值钱在”说不清“上了,就像,当教育普及以后,知识分子的地位就下降了,以前各位都是巫师级别的,仅次于国王,现在知识分子地位在哪?
  
  我目前接触到的数据技术中,最有潜力的是语音识别技术对市场信号的处理。主要原因是语音信号也是充满了噪音的时序序列,在时域和频域上的分析及模式识别算法都值得借鉴。打个比方,市场在开盘时向我们讲话,告诉我们它的喜怒哀乐,但是我们听不到,只能通过价格和成交量的波形来体会市场,怎么读取分析这种信号?我们先要找到一些标准的语音信号(普通话),知道这个信号的语义到底是什么,然后,你才能通过大量不标准样本与标准样本的比对学习,识别东北话、四川话、上海话、广东话。比如,大家都说”知不知道明天要涨停“这句话,有人发音是“几不几明天。。。。。要。。。。。。。涨。。。。。停。。。。。”,有人发音是”知不造明天要涨停”,从波形来看,你几乎看不出他们的相似之处,你也回归不出来他们的线性相关性,但这两段信号代表的就是同一个意思。用语音识别的算法可以通过样本学习,读懂市场告诉我们的意思。比如2015年1-2月,A股明显调整,我能通过这个算法得知市场还处于牛市的前期。目前该算法的模拟结果是,上证综指处于泡沫中前期,创业板指数处于泡沫鼎盛期(中期靠后)。  
  当你读懂了当下的市场后,对于右侧策略就很有把握了,当然这仍然是一种并非绝对的预测,就像你会比陌生人更加了解你朋友习惯性动作常常意味着什么,基于此,你会有很高的预测力,但偶尔仍会有不按习惯出牌的队友。
  
  左侧策略的分析当中,基本面更加重要;一旦市场进入泡沫状态,基本面就是次要的因素。这种基本面和技术面的纠结常常使得价值投资者落后于泡沫期的市场。目前A股处于泡沫期,处于一种典型的复杂系统吸引子状态。说到泡沫期的分析,不能不提在预测界大红大紫的LPPL模型。这是索奈特教授从地震岩层断裂的模型中提取出来的。这个模型也很简单,就是我们常常发现股价是幂律增长和周期性调整的,这个模型是通过把股价幂律趋势和周期性调整用不同的项表示,最后用算法来fit,可以预测泡沫的拐点。这个模型最大的成功案例是预测97金融危机。2007年A股顶和2009年A股顶都准确的预测出来了,但失败案例也不少。真实的市场没这么简单,外部的干扰因素也很多,所以这个模型有局限性。比如在1996-1999年的牛市中,亚洲金融危机的干扰,就让A股进行了1年的横盘盘整,没有完成标准的泡沫,这是混杂型的。这才是市场的有趣之处。
  
  有人会问了,技术面和基本面最终无法协调么?历史是基本的还是技术的?这是个很有趣的问题,涉及到复杂系统理论了,什么创造了复杂性,是适应性创造了复杂性,这个适应性就是指对外部约束条件的适应,所以,外部(基本面)最终很重要,因为一个复杂耗散系统必须有外部能量支持,如果外部能量消失了,市场是不会产生趋势的。  
  基本面有多重要?我们人类社会微观的看很多道德机制和社会准则,如果用大历史的角度看不是一成不变的,甚至是剧烈变化的,变化的主因就是适应外部环境。比如生物学中的观察,一个新的种群,个体数相对比较少的时候,外部资源丰富,就倾向于合作,群体适应度提升,对应人类社会,这就是一个社会繁荣,夜不闭户的时代;而个体数量超出环境负荷时,就会出现互相残杀,合作程度下降,对应于人类社会,就是礼崩乐坏的时代。用达尔文主义的角度再来审视我们芸芸众生所谓的道德观,有时候真的是很可怕,你会发现,小心翼翼遵从的社会道德,竟然是如此有目的性和直接,只不过这个适应度改善是群体感受到的。所以结论是,市场过程可能是充满技术性的,但长期的结果是尘归尘、土归土。
  
  如果大家想了解人工智能、模式识别,有很好的科普书《哥德尔、埃舍尔、巴赫 GEB》;如果想了解群体间协作和进化模型的可以看看生物社会学方面的书,最经典的就是《昆虫社会》。  
  此外,我们前面描述的市场收益率特性很大程度上还来源于交易主体呈网络分布的特点。这方面就需要有图论的基础,进而研究一下网络科学,这个连通的世界有很多我们平时观察到的世界不同的规律。推荐《网络科学引论》这本书。
  
  所以,大家看看,择时需要的自我修养有多麽艰深啊。这几乎就是一个综合性学科。如果大家不想看这么庞杂的内容,那么直接看《金融物理学》就好了,这是目前与市场结合度最紧密的关于复杂系统的实用学科。当然这又是我们物理学者写的天书。 
  以上种种,我也只是了解个皮毛,所以再不敢偷懒了,要重新做回学生。我相信复杂系统理论和信息技术能够改变我们的市场和投资
  
  
(以上内容来源于一次群内神聊)  
    
   

    

最近 美联储还有黄金吗?币铸金砖Coin Bars  牛市已过半山腰——还有多少牛股能上涨多少 
  

    

★高大上的量化择时方法&&简单的规避股灾方法  
      千帆竞发 
⊙ 高大上的量化择时方法都有哪些? 2015-10-23 策略炒股通 
  
  择时交易是指利用某种方法来判断大势的走势情况,如果判断上涨则买入持有,如果判断下跌则卖出清仓,如果判断震荡则高抛低吸,从而获得超越大盘的收益。量化择时就是使用数量化方法来找出影响大盘走势的信息,对未来大势进行判断。量化择时策略有以下几种:
  
  趋势跟踪择时,认为趋势存在延续性,只要找到趋势跟踪操作就可以跑赢大势。常用技术指标作为策略依据,比如MA、MACD、ADX、BOLL等等。趋势择时最为简单,最容易被投资者学习使用。
  
  市场情绪择时,是利用投资者情绪来判断大势走势,当市场情绪热烈时大盘容易继续上涨,当投资者悲观失望资金撤出市场时,市场容易继续下跌。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。
  
  有效资金择时,通过判断不同时点推动大盘运行的有效资金的多寡来判断大势走势,行情的转向往往需要有有效资金的推动来实现。
  
  牛熊线择时,认为股市大部分在进行随机的布朗运动,但在之外也有部分规律存在,通过牛熊两条线来过滤随机噪音,从而识别真实的趋势方向,获得超额收益。
  
  分形理论择时,认为资本市场存在大量不同投资期限的投资者对信息有着不同的反应,因此资产价格并不是随机游走的,而是具有趋势增强性的,当前价格走势与过去走势也不是独立的而是具有相关性的。通过HURST指数,可以判断目前走势偏离随机游走的程度,当HURST指数低于0.5时,之前的趋势对当前走势不再具有增强性,即可判断价格随时可能翻转。
  
  支持向量机(SVM)择时,认为股票市场中金融规律复杂、影响因素太多,大量的信息直接产生的关系往往是非线性的,传统数学模型还需要苛刻的假设,无法很好的进行描述。而SVM作为数学挖掘领域应用于模式识别的新技术,克服了传统统计模式识别的缺点,具备良好的机器识别能力。
  
  噪音择时策略,认为市场中大型的知情交易者提前掌握了了市场信息,但是他们在交易中会隐藏自己的交易意图,避免进出市场对价格产生影响。而这种掩饰交易意图的行为在不影响行情趋势的时候却引起了市场噪音的增大,通过发现市场噪音突然放大的时候,就可以跟随大型知情交易者来获取利润。  
  
  
⊙ 量化择时:规避股灾的有效方法? 2015-08-31 雪球今日话题 
  
  新韭菜:“如何在股市中赚钱?”股市砖家:“低买高卖,高抛低吸。”估计大部分股民都听过这个笑话。这个笑话里所说的“低买高卖,高抛低吸”也可以看成一个市场择时问题。一个简单的理想市场择时策略是牛市持有股票,熊市持有现金,存在这么牛逼的市场择时策略么?William Sharpe在1975年对这个问题进行了分析阐述[1],他当时的结论是,别做梦了。Sharpe甚至都不认为存在有效的市场择时策略。说起来这位Sharpe,可能他没有史上众多股神们名气那么大,但也是一位超级大牛。有的同学看名字可能就猜到了,没错,著名的夏普比率(Sharpe Ratio)就是他提出来的[2],他同时也是1990年诺贝尔经济学奖得主[3]。
  
  既然理想的市场择时很难获得,退而求其次,能否找到有效的市场择时策略呢?对于长线投资,市场择时的关键是对市场的基本面及趋势作出正确判断。雪球上也有很多精彩的文章对如何利用量化指标进行市场行情判断进行了讨论,@Dean_丁丁在“A股近10年历史PE回顾”中将A股平均PE作为判断股市泡沫的重要依据,@ETF拯救世界 在“哈迪斯之顶”将A股整体PE=60倍和整体PB=5.5倍看作市场出现极大泡沫的表征。
  
  对于相对短线的投资来说,利用各种技术指标来进行择时判断受到了更为广泛应用。股价移动平均线是目前股票市场上使用最简单,应用最广泛的技术分析方法之一。利用均线进行择时交易的方法众多,其中最为著名的是美国投资人Joseph E. Granville在20世纪中期提出的Granville均线八大法则[4][5]。简单来说就是,均线在当前价格之下,而且呈现上升趋势时是买进时机,反之,均线在当前价格之上,又呈下降趋势时则是卖出时机。均线择时另外一种常用的就是交叉择时,即如果一个短期均线从下向上穿越长期均线时,形成所谓金叉,也就是买入信号;而如果一个长期均线从上向下穿过短期均线时,形成所谓死叉,也就是卖出信号。
  
  移动平均MA(Moving average)的计算方法很多,最常用的是算数移动平均,其计算公式为:  
  其中,N为移动时间窗口大小,MAt为第t天的均线,Pt-i为第t-i天的收盘价或股指。利用短期均线和长期均线的交叉来进行择时的具体规则如下:
  其中,Signal=1表示买入,Signal=0表示卖出。
  
  我们的实验方法是将上证指数均线交叉择时作为择时策略,基准策略是买入并持有(”buy and hold”)所有沪深300股票,观察择时策略对基准策略的影响。需要优化的参数主要就是计算短期均线天数S和长期均线天数L。S的参数扫描区间是从2天到20天,间隔为2天,L的参数扫描区间是从20天到120天,间隔为5天,采用简单的遍历搜索,分别计算不同参数匹配下的择时交易情况。
  
  MA指标择时测试表现最好的20组参数结果
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  基准策略的总收益率为-4.88%,夏普比率为-0.19,最大回撤47.23%。由上面表格中的结果可以看到,MA交叉择时能够有效改善基准策略的整体表现。综合看来,短期均线天数为2,长线均线天数为30时,MA交叉择时效果相对较好。此时,基准策略的总收益率由-4.88%提高到140.31%,夏普比率由-0.19提高到0.97,最大回测由47.23%减小到17.19%。下面两张图分别是基准策略和应用MA交叉择时策略后的基准策略由2011年至今的回测结果。
  
  基准策略回测结果  
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  基准策略+MA交叉择时回测结果
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  
  由上面两张图可以看出,在2011-2013年熊市,应用择时策略后,基准策略的表现有明显提高。最近两次大跌,择时策略虽然没有能够完全规避,但是也躲过了一部分大幅下跌。当然择时策略的表现和参数选择有关系,不同的参数得到不同的择时策略。有的策略保守,大牛市时可能会损害基准策略的表现,但是避开大跌的概率会高一些;有的策略激进,牛市会大幅改善基准策略的表现,但是可能就会掉到大跌的坑里。
  
  下面让我们把基准策略换成其他策略,看看刚才得到的MA量化择时策略能否提高它们的表现。我在之前的文章“量化价值投资思考:PE vs ROE,谁才是长线持股的金标准?”中比较过两个策略,低市盈率PE+低市值 以及高ROE+低市值策略。这两个策略分别应用择时策略后的回测结果如下:
  
  低市盈率PE+低市值  
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  低市盈率PE+低市值+MA交叉择时  
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  高ROE+低市值  
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  高ROE+低市值+MA交叉择时  
  择时策略的自我修养——高大上的量化择时方法&&简单的规避股灾方法  
  
  由上面的回测结果可以看到,在应用MA量化择时后,这两个策略的收益率和最大回测都得到了较为明显的提高:低市盈率PE+低市值策略总收益率由280.69%提高到456.87%,夏普比率由0.9提高到1.97,最大回撤由47.4%减小到19.11%;高ROE+低市值总收益率由119.64%提高到330.26%,夏普比率由0.35提高到1.18,最大回撤由55.56%减小到28.07%。
  
  通过以上的几组实验,我们得到的结论是量化择时可以有效地提高策略的收益率,改善其最大回撤。选取合适的量化择时,可以有效规避市场的大幅下跌。其实能够作为择时信号的指标非常多,我们可以利用多个指标综合起来作为择时信号,得到更好择时策略;考虑不同的交易成本时,择时准确率和择时频率的影响也非常重要,我将在下一篇中继续对量化择时这些方面进行讨论。
  
  请各位大大指点!
  
  参考文献:
  [1] Sharpe, William F. "Likely gains from market timing. 34; Financial Analysts Journal 31.2 (1975): 60-69.

类别:未分组 | 阅读:229049 | 评论:0 | 标签:量化交易

想收藏或者和大家分享这篇好文章→

公告

taoCMS发布taoCMS 3.0.2(最后更新21年03月15日),请大家速速升级,欢迎大家试用和提出您宝贵的意见建议。

捐助与联系

☟请使用新浪微博联系我☟

☟在github上follow我☟

标签云