七天打造一套量化交易系统:Day2-量化交易策略基本模型及要点

七天打造一套量化交易系统:Day2-量化交易策略基本模型及要点

前期回顾

专栏:七天打造一套量化交易系统

"高抛低吸,趋势跟踪,横盘突破..."这些常见的交易策略术语如何转化成行之有效的代码逻辑?它们背后代表的最基本的交易策略模型是什么?以及这些交易策略模型的要点是什么?如何进行选择?

一套量化系统的设计与实现,同时也代表了设计者对交易的理解,这条路上很多人走了不少的弯路。量化投资没有那么玄乎,通过对历史行情数据进行回测,一次次带入自己不同的想法(交易策略),希望找到一种方法,能够在单边行情中跟对方向赚取大额收益、在震荡行情中赚取小额价差收益,从而获取到超额收益。

归纳起来就是两种不同的模型:趋势型策略模型、均值回复型策略模型。

下面是选取一段时间,对全市场期货合约,进行双均线策略分析的部分回测结果。大家可以思考一下,双均线策略属于上面的哪一种模型?

以ag2307合约一个交易日的分钟k线为例,采用双均线策略,回测的结果如下图

双均线策略属于趋势型策略模型,我们希望能够抓住上图中,第一个黄色框的下降趋势,做空赚取大额收益。

趋势型策略模型

原理

在趋势面前,可以迟到,可以早退,但是不能缺席,抓住趋势 你就盈利。"追涨杀跌"就是说的趋势型策略。

收益分布

1、亏损的次数多(上图中16笔亏损),但都是小亏

2、盈利的次数少(上图中8笔盈利),但都是大赚

重点:什么因素能改进策略(截断亏损,让利润奔跑)

1、胜率不高,通常不到50%

2、赔率要大,盈亏比大于10:1不是梦

3、头寸管理和退出:资金的分配和退出的艺术,如何量化

4、不需要精准入场:精力不要放在入场点的精确性上

要点总结

1、头寸和退出:可以小亏,必须大赚,在平衡风险的同时,确定性的趋势要把头寸加足,并有相应的退出方式

2、风险:截断亏损,让利润奔跑,两者缺一不可,而截断风险是前提。指数滤波可以有助于规避系统性风险

3、分散化:永远不要把鸡蛋放到一个篮子,捕捉趋势必须在分散化的品种间选择,这既是风控,也确保了收益的多样性,你永远不知道那一片会下雨

均值回复型策略模型

均值回复型策略交易思想是:认为行情是在一定范围内来回震荡,希望通过频繁的交易赚取这个范围的价差,积少成多。

原理

天下大势,分久必合,合久必分。"高抛低吸"就是说的均值回复型策略。

收益分布

1、胜率高

2、每次盈利少

重点:避免大额亏损

均值回复型策略与趋势型策略是两个理念完全相反的策略,一旦遇到趋势型行情,如果不能及时止损退出将会产生巨大亏损

要点总结(千万别贪)

1、头寸和退出:小赚即可,但是要更小的亏损,以及退出

2、风险:波动率是一个好东西,对震荡区间的把握和对标的波动率变化的把握

3、分散化:永远不要把鸡蛋放到一个篮子

4、拼的是胜率:胜率要高

温馨提醒

实盘中这两种模型并不是简单的独自存在,切换周期,两种策略会纠缠不清。这个时候需要坚定地选择其中一种策略,或者找到更好的方式在两种策略之间来回切换。这就需要大量的历史数据进行回测实验,最终找到适合自己的策略。

相关推荐
benchmark_cc15 小时前
前复权数据每天可能变化,历史数据库应该覆盖还是保留原始价格?
大数据·python·pandas·量化交易·股票数据·quantdash
quantdash_cc1 天前
实时行情出现短暂异常时应该怎么处理?从数据校验到故障定位
开发语言·python·数据分析·量化交易·股票数据·quantdash
benchmark_cc2 天前
A股、港股、美股日K如何拼接?处理不同交易日造成的时间轴错位
大数据·python·pandas·量化交易·股票数据·quantdash
磐链科技2 天前
IM社交钱包开发成本是多少?影响项目报价、功能配置与开发周期的关键因素分析
区块链·智能合约
IvorySQL2 天前
PostgreSQL 日报| PostgreSQL JDBC 安全更新(10 月 10 日)
数据库·postgresql·区块链
2601_966949653 天前
多市场量化策略的数据接口应该如何设计:从数据层架构到策略接入
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
新新学长搞科研3 天前
【会议征稿】第三届数字经济与计算机科学国际学术会议(DECS 2026)
区块链·计算机科学·数字经济