本研究討論如何構一個市場中性策略，消除市場趨勢的變動而賺取與市場無關之 個別公司報酬來穩定獲利，我們利用時間序列模型，包括單根檢定，共整合理論，
时间序列动量：回归分析和交易策略. 我们从不同时间周期开始研究时间序列对期货收益的预测能力。 >>> 回归分析：预测价格持续和反转. 我们用滞后 h 月的标的收益对标的 S 在 t 月的超额收益 rst 做回归，上述收益均用预估波动率进行调整。公式如下：
VNPY中，大多策略都是基于bar分钟级别；国内tick是一秒两笔，频率不算太高。这里尝试做了一个Tick基本准高频交易策略，只是为了实现思路。可以回测，不要直接用。。回测时候记得把回测模式改为TICK_MODE, 数据库改为TICK_DB_NAME，还有setStartDate时候initdays设为0，不需要回读历史天数，只需要当天数据 动量交易策略认为股票或者其他资产的价格在一段时间内的趋势能够延续，通过成功捕获价格趋势的延续来获取收益。通俗点来讲就是认为涨得好股票还会接着涨，跌成屎的股票还会继续跌，所谓的追涨杀跌。 0 603032.sha 1 002806.sza 2 600903.sha 3 300542.sza 4 002813.sza 5 002848.sza 6 603690.sha 7 603016.sha 8 300618.sza 9 300561.sza 10 002907.sza 11 002836.sza 12 601882.sha 13 300526.sza 14 300520.sza 15 300663.sza 16 300556.sza 17 300647.sza 18 002805.sza 19 300514.sza 20 300531.sza 21 603322.sha 22 300545.sza 23 300698.sza 24 300578.sza 25 300573.sza 26 002846.sza 27 300612.sza 28 300730.sza 来源：量化先行者. 动量策略可以分为截面动量和时间序列动量两类，截面动量关注标的间的相对表现并买入历史强者，而时间序列动量通过证券 表1表示时间序列动量策略不同回顾期和持有期的收益风险指标。由表1可以看到，当回顾期为5个交易日、持有期为20个交易日时，此时时间序列动量策略的年化波动率、夏普比率、最大回撤及Calmar比率均为最优，年化收益率也保持在较高的水平上。
时间序列动量或反转交易策略-近些年来,国内外的学者对于资本市场中的动量效应或反转效应现象进行了大量且广泛的研究。目前,关于动量或反转效应的研究,大部分都主要集中于横截面动量或反转效应,、即研究资产的横截面的差异性 通过动态时间规整计算两个序列的距离。 在这里要引入在GitHub的一位牛人，谷歌的数据科学家 Mark Regan 写的包 K Nearest Neighbors & Dynamic Time Warping. When it comes to building a classification algorithm, analysts have a broad range of open source options to choose from. 在构造时间序列动量策略的过程中，我们进行如下的设定：当某种期货合约过去X个月的超额收益为正时，则该期货具有向上的趋势；反之，当该期货合约在过去X个月的超额收益为负时，则该期货合约具有向下 … 股票的交易策略众多，考虑到在基于机器学习的股票价格时间序列的应用中交易策略主要用途之一是消 除预测误差带来的影响，所以在此合适的交易策略应该是能够放松原来的预测问题使其对预测精度的要求减 小。 这种交易的策略中，典型的就是应用 Darvas [5 时间序列动量：回归分析和交易策略. 我们从不同时间周期开始研究时间序列对期货收益的预测能力。 >>> 回归分析：预测价格持续和反转. 我们用滞后 h 月的标的收益对标的 S 在 t 月的超额收益 rst 做回归，上述收益均用预估波动率进行调整。公式如下：
下面开始讲座，讲座开始会让大家建立一些概念，比如说拿一个量化交易策略让你 数学分析，线性代数、数理统计、时间序列，主要用大一、大二、大三的知识。
算法交易，也称为自动交易，黑盒交易，是利用电子平台，输入涉及算法的交易指令，以执行预先设定好的交易策略。算法中包含许多变量，包括时间，价格，交易量，或者在许多情况下，由“机器人”发起指令，而无需人工干预。 主要包括三大核心模块：1.Python数据科学必备工具包实战；2.金融数据分析处理与分析实例；3.量化交易平台策略分析实战。 整体风格通俗易懂，零基础即可入门，适合准备转行就业与进阶提升的同学们。
VNPY中，大多策略都是基于bar分钟级别；国内tick是一秒两笔，频率不算太高。这里尝试做了一个Tick基本准高频交易策略，只是为了实现思路。可以回测，不要直接用。。回测时候记得把回测模式改为TICK_MODE, 数据库改为TICK_DB_NAME，还有setStartDate时候initdays设为0，不需要回读历史天数，只需要当天数据
0 603032.sha 1 002806.sza 2 600903.sha 3 300542.sza 4 002813.sza 5 002848.sza 6 603690.sha 7 603016.sha 8 300618.sza 9 300561.sza 10 002907.sza 11 002836.sza 12 601882.sha 13 300526.sza 14 300520.sza 15 300663.sza 16 300556.sza 17 300647.sza 18 002805.sza 19 300514.sza 20 300531.sza 21 603322.sha 22 300545.sza 23 300698.sza 24 300578.sza 25 300573.sza 26 002846.sza 27 300612.sza 28 300730.sza
2019年12月18日 时间尺度及并行多目标时间序列进行预测。使用强化学习、控制理论及优化技术 ，对资产管理工作流及相关资产管理产品、交易策略进行优化。
基于时间序列动量策略的研究. 基于时间序列动量效应，用不同类别金融资产构建的组合具有可观的超额收益，此策略收益不能用传统资产定价理论的风险因子所解释，并且在极端市场行情下表现尤其优异。
2020年2月19日 基于时间序列的协整关系的配对交易本帖主要介绍了协整的基础知识，如何对两个 时间序列进行协整关系检验，并实现了一个简单的配对交易策略
2016年7月11日 统计套利之配对交易是一种基于数学分析交易策略，其盈利模式是通过两只证券的 差价（spread）来获取,两者的股价走势虽然在中途会有所偏离， 2018年11月30日 是金融时间序列数据，本章主要介绍Python的Pandas库对金融时间序列 本讲 介绍这方面的Python实现，包括基本交易、交易策略与回测等。
来源：量化先行者. 动量策略可以分为截面动量和时间序列动量两类，截面动量关注标的间的相对表现并买入历史强者，而时间序列动量通过证券 0 603032.sha 1 002806.sza 2 600903.sha 3 300542.sza 4 002813.sza 5 002848.sza 6 603690.sha 7 603016.sha 8 300618.sza 9 300561.sza 10 002907.sza 11 002836.sza 12 601882.sha 13 300526.sza 14 300520.sza 15 300663.sza 16 300556.sza 17 300647.sza 18 002805.sza 19 300514.sza 20 300531.sza 21 603322.sha 22 300545.sza 23 300698.sza 24 300578.sza 25 300573.sza 26 002846.sza 27 300612.sza 28 300730.sza 本文探讨运用经验分解模式（emd）预测时间序列的理论和实际应用。 它提议以 mql 实现此方法，并出示了测试指标和智能交易 基于时间序列动量策略的研究. 基于时间序列动量效应，用不同类别金融资产构建的组合具有可观的超额收益，此策略收益不能用传统资产定价理论的风险因子所解释，并且在极端市场行情下表现尤其优异。 基于时间序列动量策略的研究_元立方金服_新浪博客,元立方金服, 本文选取期货交易所52个交易活跃的期货主力合约作为研究对象，时间跨度为2002 虽然时间序列动量在金融领域是一个被广泛研究的现象，但一般的策略都需要明确定义趋势估计量和头寸规模。在本文中，我们引入了 深度动量网络 （Deep Momentum Networks）， 一种基于深度学习的交易信号与时间序列动量策略中使用的波动率缩放框架相结合的方法 神经网络算法交易：波动预测与定制损失函数. 编辑部翻译：mchoi 【系列1】用于算法交易的神经网络基于多变量时间序列（点击标题阅读） 本次推文中我们会考虑回归预测问题，为它设计和检验一个新的损失函数，