Python 算法交易实验89 QTV200日常推进-模式思考

说明

过去几天大A的表现还是比较戏剧化的。

让我想到了:

  • 1 价稳量缩模式。之前很长一段时间都是这种状态,最终还是大爆发了,这个可取。
  • 2 周期模式。假设价格是一个周期为T(T可变)的正弦波,所以最终还是回到了几个月前的位置,周期大约90天。我也把之前的一些失误单,平掉了。看起来也是有一定道理的。
  • 3 牛短熊长模式。可以参考2014年的模式,目前感觉还是在开始阶段,接下来应该会迅速攀升到最高点,估计尖峰周期会在1-2个月。

内容

写这篇文章主要是梳理一下思路,找一找方向。

首先,上面的三个模式的关键点:

  • 1 价稳量缩。这种模式的价值在于其必然性,假设在判断进入这一模式时,就可以埋伏大笔资金,然后可以获得一大笔利润。这个模式的难点
    • 1 判断其进入模式的难度
    • 2 过程中价格可能会不断下滑,会有回撤
    • 3 爆发前的时间可能很长,比如这次,粗略可以认为是几个月
    • 总结起来:要投资这种模式,可能会承受长时间回撤;算法的择时很重要,选择的时机越好,受到的时间伤害就越小。
  • 2 周期模式。同样的,周期性也是必然存在的。如果周期T比较短,那么获利也就越高。
    • 1 周期T是变化的。不同的标的,基础周期不同,而且对环境的敏感度也不同,这就会导致周期是一直在变的。
    • 2 受趋势影响大。利用周期盈利和核心方法无外乎是随着周期低买高卖 ,但碰到下行趋势时,下一个波峰可能随趋势下滑,从而失去盈利机会。
    • 总结:要找到合适的周期比较难,T不能太大、波峰和波谷要有一定差值。也就是在稳态,且【相对活跃的稳态】下是比较合适的。有上升趋势加成会更好,但上升趋势一般不会太久,不是长久之计。
  • 3 牛短熊长模式。这个可能是传统意义上最重要的获利模式了
    • 1 短牛可以非常快的攀升价格,是挣"快钱"的机会。这里最大的风险是到达峰顶的突然下折,也就是俗称的"被套"。所以判断模式转换是最重要的。而且短牛通常不会是单波峰
    • 2 很多时候,也不是单峰,中间可能会经过几次反复,这又是一个投机机会,同样的,风险也是巨大的。

解析 VS 近似计算

首先明确一点,不会采用解析法。

解析法是指从道理、源头上捋出一条逻辑链,形成一组公式的做法。这种方法非常教科书,一切看起来都很完美和严密。

在实际情况中,有一小部分场景的确可以使用解析法来解决。但是去理解理论的过程本身就比较耗时,把理论用于实践又非常耗时,然后发现只有很小一部分可以用到。

而近似计算,某种程度则是依靠暴力,或者说有技巧的暴力。

简单来说,不去假设现在是啥分布,而是通过大量的实验、采样来逼近真相。真相本身会非常复杂,如果用解析法来描述估计需要无数的方程,有一些甚至人列不出来。

随着算力的暴增,这种方法是完全可行的。

解析法,其中一些特别简单的,可以作为标杆长期存在。但是大量的探索和调优,则会通过近似计算完成。

结论

  • 1 模式很重要,甚至比以前重要的多。
  • 2 可以顺着简单梳理出的三种模式进行探索和描述。
  • 3 明确后续走近似计算的路子。
相关推荐
E-iceblue6 分钟前
Excel 列转行/行列转换全指南:从 4 种常见解法到 Python 批量自动化
python·excel·python库·spire.xls
言乐612 分钟前
Python + NumPy 从零实现的 BP 神经网络(反向传播)脚本模型,包含前向传播、反向传播、训练和预测,并用 XOR 数据做示例
python·django·virtualenv·pygame·tornado
Ticnix1 小时前
多租户 RAG:让每个用户只检索到自己的知识库
后端·python·agent
ID34610744201 小时前
【课程设计】基于Spring Boot+Vue的游戏账号租赁系统的设计与实现-计算机毕设 附源码50345
javascript·vue.js·spring boot·python·node.js·php·课程设计
夏雪coding1 小时前
RAG 要不要上向量库:720 个 chunk 用 numpy 点积就够了
python·aigc·ai编程
Ticnix1 小时前
我删了 200 行 if-else,把决策逻辑全写进了 System Prompt
python·llm·agent
谢白羽1 小时前
在4×B300用SGLang部署DeepSeek-V4.1 Flash优化实录
笔记·python·llm·llama·sglang
Y3815326621 小时前
SERP 数据清洗实战:字段标准化、日期解析与去重键
开发语言·数据库·python·python数据库
苏苏susuus2 小时前
核密度估计(KDE)与高斯核(概念分享)
人工智能·python·ocr
宸津-代码粉碎机2 小时前
微服务线上踩坑复盘:接口超时、负载倾斜隐形问题根治方案(生产级配置)
java·大数据·人工智能·python·spring