首頁>Club>
是策略,是人還是計算機?
3
回覆列表
  • 1 # 失業青年文字多

    以一個最簡單事件驅動策略作為例子。高轉送,這個在A股市場裡非常常見,上市公司根據盈利情況的好壞,決定送好多股票給持股的股民,一般高標準為,持有10股送5股,或者持有10股送10股。一般這類訊息會提前放出。,我們來看看量化和非量化的兩位交易者會如何做:

    A普通交易者:看到訊息後,開始就會想,這家企業靠譜嗎,他是幹嘛的,高轉送能夠吸引多少人的關注,能夠刺激股價漲多高,大概會漲多久,我該現在買還是接近兌現日買,我是該什麼時候賣,這麼辦好糾結,要不賭一把。

    B量化交易者:哇,好事情,機會來了。交易計劃是兌現日前5個交易買入,兌現日後15個交易賣出,如果有意外,下跌3%止損,上漲8%止盈。就這麼幹,沒啥好糾結的,熟悉的套路。

    我們來思考一下,為何兩個交易者在面對同樣的資訊時反應會完全不同,根本原因就是資訊不對稱(公平原則下的資訊不對稱,內幕交易的請走開),交易者B較之交易者A來說,他們所知道的公開資訊是一致的,但同時交易者B還多知道了更多內容,其中包括透過大量的統計得出,兌現日前5個交易日買入持有風險最小,持有到兌現日後的15個交易日是最佳賣點。在這個過程中有極低機率股價會下跌3%,一旦跌過3%,這個行情就沒戲了。最佳賣點的最大盈利是8%,如果提前出現,就可以提前止盈。

    這就是基於科學的手段,透過公開資訊獲得的更多的資訊。換成是你,你會怎麼選?

  • 2 # 奇門遁甲研究

    我認為,策略 人 計算機都是關鍵因素,但量化模型的類別不同會對以上三個因素的倚重不同。

    大框架上量化交易分類神經網格和邏輯演算法兩大類。神經網格是程式透過對歷史資料學習後自行進行基因裂變,自主學習的一種,實現正收益模型,也有門檻,程式的自主學習也不是萬能,核心要點是,你塞進去的基礎模型是精品,它才會裂變出精品,你塞進去的是垃圾,它學習完還是垃圾,所以這裡可以看出,關鍵因素是策略。

    邏輯演算法這一類裡面又有很多派系,純趨勢波段類,對沖類,和數學演算法居多的高頻類等。類別很多,其中對沖類裡面有FPI無缺口對沖演算法也屬於高頻,高頻類有的基礎演算法也是以趨勢模型為起點,為了實現正收益模型,很多模型作者都是多型別彙總,以求量化系統的穩定。

    按類別說,神經網格只對資料精度有要求,計算機硬體不敏感,核心是裂變的基礎策略。邏輯演算法裡面 除了高頻模型對計算機和網路敏感,其它模型更多的倚附基礎是策略演算法,其實高頻這類策略演算法也是基礎重點,這樣幾乎所有的模型種類最關鍵的是策略,而人是策略的歸納製作者,也是量化程式後期維護的關鍵。所以量化交易盈利的關鍵因素是人。

    說的不太嚴謹,但願對你有幫助。

  • 3 # 聚優技術

    量化交易罪中的盈利模式是什麼?第一是他已經測算出了一個方法的成功率,這個成功率在50%或60以上,第二是執行,因為人呢,做股票的過程中它會有貪婪恐懼心理因素的變化,而這個軟體它是一個機器沒有這個感情,所以說這就是他成功的秘訣第一他找到了一定的方法,第二執行力。

  • 中秋節和大豐收的關聯?
  • 繽智這款車的內飾好不好?有幾種顏色可選?