
一個完整的量化模型包括哪些
近幾年,量化投資在國內(nèi)興起,但在很多人眼里,量化投資仿佛是一個非常神秘的新事物。而實際上,量化投資的無非就是寬客通過計算機語言,將交易策略布置到一個量化系統(tǒng)中,然后進行回測和實戰(zhàn)的過程。量化投資的本質(zhì)還是投資者的智慧,只是實現(xiàn)過程中運用到計算機這一工具。
寬客們到底是如何系統(tǒng)的構(gòu)建一個完整的量化模型的?可以肯定的是,寬客跟普通投資者一樣,也在觀察市場,產(chǎn)生一些普通投資者也會想到的想法,當(dāng)寬客產(chǎn)生一些想法時,他們會通過計算機去驗證他們的想法是否靠譜或者是能否帶來收益。而作為普通投資者,實現(xiàn)想法往往是困難的,如同普通投資者在投資或炒股過程中,發(fā)現(xiàn)在15分鐘K線圖,上升趨勢中股價跌破MA169后便會進入調(diào)整。普通投資者只是感覺,而寬客可以通過編寫程序然后在市場的歷史數(shù)據(jù)回測,驗證這個想法是否靠譜。
一個簡單的想法編寫成簡單的程序,這明顯不能稱作為量化模型,但這卻是任何一個量化模型的來源,即人的想法。完整的量化模型應(yīng)當(dāng)包括:策略模型、風(fēng)險模型、交易成本模型、投資組合構(gòu)建模型、執(zhí)行模型,如下圖:
策略模型:策略模型可以說是整個量化模型最核心的部分,決定了整個量化模型的盈利能力。策略模型五花八門,歸類劃分為:理論驅(qū)動型和數(shù)據(jù)驅(qū)動型。數(shù)據(jù)驅(qū)動型的策略通過對數(shù)據(jù)的分析而揭開市場的面紗,說白了就是靠數(shù)據(jù)解釋一切市場行為。理論驅(qū)動型策略通過理論去預(yù)測未來的市場行為,而其中的理論就是人們通過對市場的觀察,然后給出符合經(jīng)濟學(xué)原理的解釋。
理論驅(qū)動型的策略可以劃分為兩大類:基于價格數(shù)據(jù)的交易策略和基于基本面數(shù)據(jù)的交易策略。基于價格數(shù)據(jù)的交易策略有:趨勢跟隨型(動量策略)、均值回復(fù)策略、技術(shù)情緒策略。基于基本面數(shù)據(jù)的交易策略有:價值型、成長型、品質(zhì)型。如下圖:
1.趨勢跟隨型:標(biāo)志性策略就是雙均線策略,投資者認(rèn)為在一定時間內(nèi)市場通常是朝著同一方向變化的。說白了,就是看漲做漲。
2.均值回復(fù)型:標(biāo)志性策略就是統(tǒng)計套利策略,投資者認(rèn)為在一定時間內(nèi)市場并非朝著同一方向變化的。說白了,就是超漲了賣,超跌了買。
3.技術(shù)情緒型:標(biāo)志性策略就是情緒指標(biāo)策略,投資者認(rèn)為通過某些價格、成交量可以暗示對投資者對后續(xù)行情的情緒,隨后進行相應(yīng)操作。其中比較有意思是通過比較期權(quán)的認(rèn)購量和認(rèn)沽量,來判斷投資者對后續(xù)行情的情緒。
4.價值型:價值型策略的基本理念是:收益率越高,價格越低。通俗的講,買入被低估的證券,賣出被高估的證券。
5.成長型:成長型策略往往投資成長性公司,成長性公司是指較長一段時間內(nèi),具有持續(xù)挖掘未利用資源能力,不同程度地呈現(xiàn)整體擴張態(tài)勢,未來發(fā)展預(yù)期良好的企業(yè)。通俗的講,買入正在快速發(fā)展以及具有良好發(fā)展前景的公司股票。
6.品質(zhì)型:品質(zhì)型策略選擇公司的標(biāo)志就不一樣,有杠桿比率、收入來源的多樣性、管理水平、欺詐風(fēng)險等等。
上述策略模型在實施過程中必須考慮選股范圍、選股標(biāo)準(zhǔn)、投資期限、交易信號、倉位控制、止盈止損。一個策略模型應(yīng)當(dāng)包含的因素都不可少,不然會影響到整個策略模型,進而導(dǎo)致整個量化模型失敗。
風(fēng)險模型:風(fēng)險模型對于一個量化模型來說,是不可缺少的,它能提高量化模型盈利的質(zhì)量和穩(wěn)定性。風(fēng)險模型分為:內(nèi)部風(fēng)險和外部風(fēng)險。內(nèi)部風(fēng)險有:數(shù)據(jù)錯誤,個股風(fēng)險,市場風(fēng)險等等。外部風(fēng)險有:網(wǎng)絡(luò)風(fēng)險,技術(shù)風(fēng)險,物理風(fēng)險等。
1.數(shù)據(jù)錯誤:模型進行回測或者實盤交易的過程中,數(shù)據(jù)本身如果是錯誤的,那么交易最終的結(jié)果也是沒有意義的,如果是實盤交易,那么后果也是不堪設(shè)想的。
2.市場風(fēng)險:量化模型在實盤交易過程中,由于整個策略程序并不能完美的預(yù)測出未來市場的任何一個變化,當(dāng)寬客發(fā)現(xiàn)市場環(huán)境出現(xiàn)巨大變化,導(dǎo)致與量化策略所適應(yīng)的的環(huán)境不一致時,就需要進行量化策略的暫停。
3.個股風(fēng)險:與市場風(fēng)險對應(yīng)的是個股風(fēng)險,基于價格數(shù)據(jù)驅(qū)動的策略尤其需要堤防個股風(fēng)險,當(dāng)公司的基本面短時間內(nèi)發(fā)生巨大變化時,但技術(shù)層面并未及時更新,導(dǎo)致量化模型買入垃圾股票。
4.外部風(fēng)險:外部風(fēng)險指的是量化模型在實施過程中的現(xiàn)實風(fēng)險,比如計算機下單時,由于網(wǎng)絡(luò)中斷,計算機硬件損壞,打雷地震等,導(dǎo)致交易單并未傳送到交易所,從而產(chǎn)生損失。
設(shè)置風(fēng)險模型的意義就在于,當(dāng)量化模型遇到上述風(fēng)險時,寬客能夠及時采取措施,進行人工干預(yù)或者預(yù)備計算機啟動,盡可能的減少損失。
交易成本模型:策略模型在于盈利,風(fēng)險模型在于規(guī)避損失,交易成本模型則在于控制成本,使得整個量化模型的盈利最大化。交易成本模型的基本理念是:策略模型在運行過程中發(fā)生的成本較為精確的計算出來,從交易成本可以判斷出策略模型運行頻率。
交易成本一般有:傭金與費用、滑點、市場沖擊成本。通常計算交易成本的方法有:常值型交易成本,線性交易成本,分段型交易成本。在真實的交易環(huán)境中,由于市場沖擊成本的存在,每次交易的成本都是不一樣的,常值型和線性交易成本的缺陷非常明顯,而分段型交易成本在實際操作過程中略微復(fù)雜,因此精確的計算出交易成本本身就是一項技術(shù)活。
投資組合構(gòu)建模型:投資組合構(gòu)建模型在于構(gòu)建一個能創(chuàng)造最大盈利的投資組合。主要分為:基于規(guī)則的投資組合構(gòu)建模型和基于優(yōu)化的投資組合構(gòu)建模型。基于規(guī)則的投資組合構(gòu)建模型主要分三類:相等頭寸加權(quán),相等風(fēng)險加權(quán),信號驅(qū)動型加權(quán)。其中前兩類分別保證了投資組合的每個個股頭寸相等和所承擔(dān)的風(fēng)險相等。第三類根據(jù)信號強度來加權(quán),投資組合中個股與策略模型設(shè)定的條件越接近則賦予的權(quán)重越大,這是合理決定頭寸規(guī)模的最佳途徑。
執(zhí)行模型:執(zhí)行模型是實施量化模型的最后一個環(huán)節(jié),如果沒有執(zhí)行模型,那么整個量化模型并沒有存在的意義。執(zhí)行模型中訂單執(zhí)行算法是最關(guān)鍵的,其主要目的是,以盡可能低的價格,盡可能完整地完成想要交易的訂單。具體的執(zhí)行算法包括:采用何種訂單類型,采用進取訂單還是被動訂單,采用大訂單還是小訂單。對于資金量比較小的寬客,執(zhí)行模型往往是比較簡單的,一旦出現(xiàn)信號,其所需成交量的并不需要太大。而對于資金量較大的寬客來說,執(zhí)行模型是比較復(fù)雜的,需要根據(jù)實際情況來選擇合適的下單方式。
以上就是量化模型的整個系統(tǒng)框架,其中任何一個部分都發(fā)揮至關(guān)重要的作用,因此一個完整的能盈利的量化模型是非常有價值的
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11