博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
读书笔记_量化交易如何建立自己的算法交易01
阅读量:4293 次
发布时间:2019-05-27

本文共 892 字,大约阅读时间需要 2 分钟。

这本书除了翻译的问题(翻译的不是很好,可能和太老有关系),内容和之前的也都有重叠,在一些干货内容上,比如策略评估,改进等和之前读过的书都很类似。也有可能是新书借鉴了老书,导致干货相似。

 

第1章 量化交易初探

很多现成的策略. 都经不起严格的回亮。 和学术研究成杲一样, 来自交易员论坛的策略, 要么只在有限时间 内有效 , 要么只对特定种类股票有效, 要么只在忽略交易成本条件下有效,窍门是对基础策略进行变形。

获取与分享交易理念的最好途径之一 , 是建立自己的交易博客。 把自已发现的交易 “秘密“ 通过 博客与他人分享, 你会从读者那里获得更多的回赔。

第2章 寻找切实可行的策略

2. I 甄别适合自己的策略

工作时间,编程水平,交易资本,目标
只要你能获得足够高的杠杆", 奻大化长期资本增长可以通过展大化夏普比率(下节会给出定义)的策略实现
2.2 识别貌似可行的策略以及陷阱
策略与基准相比如何,收益持续性如何?
挫跌多深、多久(就是回撤)
交易成本如何影响策峈
数据行无存活偏差?
策略的业绩如何随时间变化而变化?
策略是否存在数据迁就偏差(就是过拟合):策略的规则越多,涉及的参数越多, 就越有可能心遇数据迁就偏差。
策峈是被机构资金管理人忽略吗?(是否大机构有优势,比如套利等,很多大型专业机构会涉及到,牵涉到竞争)

第3章 回测

3. l 常用的回测平台

excel,matlab,ts
3.2查找与使用历史数据库
量价,拆股,股息,存活者偏差
3.3业绩度量,评估,夏普比率,最大回撤
3.4避免常见的回测陷阱
前视偏差
数据迁就偏差(过拟合,典型的统计)
样本含量
样本外测试
无参数交易模型,无参数交易模型的优势在于减少多参数输入棋型的过度优化风险(数据迁就偏差),因此,回测业绩应与未未交易的实际业扑史加吻合,(注意 , 参数优化并不一定是挑选某个回测业绩最好的参数集,更应该是基于不同测试集平均来做交易决定, )
敏感性分析,(参数缓慢变化不会带来收益跃变)
3. 5 交易成本
佣金、 流动性成本、机会成本、 市场冲击及滑价等交易成本
3.6 策略改进

转载地址:http://lryws.baihongyu.com/

你可能感兴趣的文章
类型擦除
查看>>
QML动画按钮实现
查看>>
带授权的友元访问限制
查看>>
模板中void类型强转
查看>>
angular-froala-wysiwyg编辑器插件3.0版本中工具栏toolbarButtons选项不起作用
查看>>
nz-select选项无法默认显示
查看>>
Angular页面调用APP函数方法
查看>>
logstash配置pipelines.yml后报错
查看>>
opencv环境配置
查看>>
C++读写二进制文件
查看>>
2015-7-7 小记
查看>>
meshlab编译问题小结
查看>>
CMake Error:Failed to find "glu32" in "" with CMAKE_CXX_LIBRARY_ARCHITECTURE "".
查看>>
异或的妙用
查看>>
libsvm3.2.1 - SVM多分类简单实现
查看>>
函数返回数组指针
查看>>
c++ time.h clock()程序计时
查看>>
C++ 二维数组sort排序
查看>>
函数中定义类
查看>>
回归分析
查看>>