Apr 24, 2020
除了 Pandas，还有如 NumPy 和 SciPy，它们提供了向量化、优化和线性代数的程序，可以在开发交易策略时使用。 此外，当开发预测策略时，Python 的机器学习库 Scikit-Learn 也能派上用场，因为它提供了创建回归和分类模型所需的一切。
一：介绍 线性回归在假设特证满足线性关系，根据给定的训练数据训练一个模型，并用此模型进行预测。先举个简单的例子；我们假设一个线性方程 Y=2x+1, x变量为商品的大小，y代表为销售量；当月份x =5时，我们就能根据线性模型预测出 y =11销量；对于上面的简单的例子来说，我们可以粗略把 y =2x+1 第18行的程序语句计算了要预测的交易日数，在第19行中构建了一个线性回归预测的对象，在第20行是调用fit方法训练特征值和目标值的线性关系，请注意这里的训练是针对训练集的，在第22行中，则是用特征值的测试集来预测目标值（即收盘价）。 不耐心的读者可以直接去看例子4.2，它表示一个线性的均值回归模型，用于交易所指数基金和其组成的一篮子股票；或者例子4.3和4,4，表示的是两个应用于股票的线性多空统计套利策略。 最极端的线性预测模型之一是所以的系数在不同量级都相等（但不一定）。 我们可以先把交易策略大体分成三类：1）股票策略 2）宏观策略 3）套利策略。其中，股票策略和宏观策略的收益主要来自投资目标的实际价值（absolute value）的变化，而套利策略的收益来自一对或一组投资目标的相对价值（relative value）的变化。 这也是争议巨大。首先不论线性回归还是线性分类，用在量化上都是一种大道至简的交易观。线性的优势也非常明显，解释性强，样本容错率高，不太会过拟合（特征维度过多的时候也是会过拟合的）。
本书中的策略大致可分为均值回归系统和动量系统两大类。书中不仅介绍了如何使用每种类别的交易策略，更解释了各种策略之所以有效的原因。本书始终以简单、线性的交易策略为重心，因为复杂的交易策略容易受到过度拟合及数据窥探的侵害。 课程内容从数据统计基本概念入手，抛开大多数人使用的传统技术指标体系（如macd，kdj 等），对市场交易数据进行深入分析，识别出其中的统计规律，发掘交易机会, 后期过渡到采用机器学习方式进行交易策略的研发，课程用到的机器学习方法有多项式线性回归 长线择时（沪深 300 指数） 实证结果良好. 当市场处于趋势行情时，我们将进行趋势交易。如果市场出现趋势，方向是很好判断的——我们将信号出现前时间子序列的收盘价数据做线性回归，当回归斜率大于零时，我们认为是上升趋势，做多指数；回归斜率小于零时，我们认为是下降趋势，做空指数。 把最新最全的非市场策略推荐给您,让您轻松找到相关应用信息,并提供非市场策略下载等功能。 本站致力于为用户提供更好的下载体验，如未能找到非市场策略相关内容，可进行网站注册，如有最新非市场策略相关资源信息会推送给您。 策略的思考. 对多只ETF进行配对交易，是很多实盘量化基金的交易策略； 策略的风险和问题： Spread不回归的风险，当市场结构发生重大改变时，用过去历史回归出来的Spread会发生不回归的重大风险； 中国市场做空受到限制，策略中有部分做空的收益是无法获得的； May 27, 2015 · a 跨期对冲理论分析 套利交易为交易同一品种不同期限合约的价差，通过抵消两个几乎完全相同合约的波动率来发现市场异常现象，再适时地予以矫正并且获利，需要一定的统计学验证，属于均值回归型策略。 课程内容从数据统计基本概念入手，抛开大多数人使用的传统技术指标体系（如macd，kdj 等），对市场交易数据进行深入分析，识别出其中的统计规律，发掘交易机会, 后期过渡到采用机器学习方式进行交易策略的研发，课程用到的机器学习方法有多项式线性回归
2019年1月27日 在第二篇《线性回归拟合股价沉浮》中笔者在专栏《股票交易策略开发：走势线性 回归选股策略》小节的基础上对线性回归方法的策略应用做
【量化】基于时变对冲比率的商品期货Pairs Trading策略 - · 本文的主体完成于15年12月前后，作为实习期间的工作之一，记录了自己从理工科学术到量化投资的一次经历。目前计划将期间所做有意思的内容逐一整理出来。感谢期间给予过帮助的张博士，大黄，峰哥，野哥，婷婷姐，翟哥，宜盛等朋友们。 量化投资-商品期货交易策略的数学模型摘要商品期货交易在当前中国的经济体系中占据着很重要的作用，投资者都希望从大量的期货交易中获取一定的利润，但是期货交易作为一种投机行为，交易者置身其中往往要承担很大的风险，本文研究了商品期货交易中的一些问题，给出了获取较大收益的
1.6 基于固定百分比幅度的转向交易 2:商品期货中长线量化交易策略出处. 商品 期货市场中长线量化策略中，比较经常被采用的策略模型，大致包括均线策略、 【机器学习】缠论中的线性回归, 参照莫邪的救赎的缠论理论对拐点和趋势的量化 分析
课程内容从数据统计基本概念入手，抛开大多数人使用的传统技术指标体系（如macd，kdj 等），对市场交易数据进行深入分析，识别出其中的统计规律，发掘交易机会, 后期过渡到采用机器学习方式进行交易策略的研发，课程用到的机器学习方法有多项式线性回归 2002年，他在位于纽约曼哈顿的巴鲁克学院开创了交易系统的研究生课程，这是量化交易领域的里程碑事件。 目录 · · · · · · 目录 前言 第1章 概述 / 1 1.1 技术分析的扩张效用 / 2 1.2 股票与期货的交易风格的收敛属性 / 3 1.3 基本面分析与技术面分析之辩 / 4 多因子策略理解起来并不复杂，实现起来却可以通过多种不同的渠道，从而带来不同的表现，本文基于经济学家在2005和2012发表的两篇论文，探究市值因子在我国二级市场中的表现。 与传统多元线性回归不同，本文采用了支持向量回归（Support Vector Regression）和
我们即将交易的是白噪声的均值回归属性，当价差波动的噪声过大时，两者价差会细微的偏离理性价差，我们要做的就是在此时放入套利对，等待价
这个策略，回归分析那些还是用策略里的时间段， 但是，回测时间段我想变成2016-01-01~2018-03-15，最后的代码改成这样，但是出错. 回测启动接口. m=M.trade.v3(instruments=list(instrument.values()),# 保证instrument是有字符串的股票代码组合成的列表（list） #start_date=start_date, 对挑出的线性相关性最强的两个品种进行一元线性回归，得到回 归方程。再根据统计诊断中的 cook 距离分析法 ，找出 cook 距离比 较大的“异常点” ，根据“异常点”与回归直线的关系确定套利策略， [7] [6] [5] [4] 并进行实证分析。 2019年9月24日 客国际投资（集团）有限公司苏文杰摘要：本文对线性回归模型进行了算法上的 优化和具体的数学计算，根据计算结果编写了改进后的线性回归 最广为人知的回归技术是线性回归，它假定预测因子和响应之间存在线性关系。 这样一个模型会导致 这可以形成一个简单的交易策略的基础。 在后一种情况( 推理) 2019年1月14日 本次场外篇笔者在专栏《22、股票交易策略开发：走势线性回归选股策略》的基础 上对线性回归方法的策略应用做进一步的扩展介绍，同时会涉及 2019年7月1日 在本文中，我们将编写一个日内交易策略。它将使用经典的 在这种场景中，我们 将通过滚动线性回归计算SPY和IWM之间的对冲比率。这将允许
2020年10月30日 当找到更好的组合时，自适应策略会快速更新搜索词集，从而带来更一致的 在每 个交易周t，如果最后一组特征训练的线性回归模型预测出从t+1
2019年7月11日 这些微观特征因子将通过线性回归或人工智能方法用于期货价格预测，是高频交易 的核心之一。我们还将以一类具体的高频交易策略来说明如何 2019年1月27日 在第二篇《线性回归拟合股价沉浮》中笔者在专栏《股票交易策略开发：走势线性 回归选股策略》小节的基础上对线性回归方法的策略应用做 2018年5月24日 基本量化交易策略学习与Python实现. 4.机器学习 基于贝叶斯的线性回归模型）. 6. Bayesian 卡曼滤波器在回归及配对交易方面的应用）. 2. 2013年5月16日 限定了一系列价格总动量或趋势时线性回归可以成为一种有效的工具. 它可适合于 所有的数据. 交易之外的领域, 包括风险管理和统计, 使用相同的 1.6 基于固定百分比幅度的转向交易 2:商品期货中长线量化交易策略出处. 商品 期货市场中长线量化策略中，比较经常被采用的策略模型，大致包括均线策略、 【机器学习】缠论中的线性回归, 参照莫邪的救赎的缠论理论对拐点和趋势的量化 分析
高频交易,高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的"服务器群组"(server farms)安置到了离交易所的 但它的模型指标算法依然还有大量的细粒度的重复计算，因此还存在着可优化的空间。文献[5]将线性回归分析法应用在程序化交易模型中，并对线性回归线指标模型的算法进行优化，做到了既在粗粒度上，又在细粒度上避免各种重复计算，大大减少了金融类软件 线性回归通道由一条中线并带有上下两条距离相同的平行线所组成。这些线可以被视为支撑和阻力。中间线是根据收盘价的线性回归计算的，但来源也可以设定为开盘价、最高价或最低价。通道的高度基于价格与中线的偏差。 MultiCharts微信群:扫码加入干货群,精选策略天天送 ! 期货论坛 - 版权/免责声明 1.本站发布量化资讯(包括函数、指标、策略)均属开放源码，用意在于让使用者学习程序化语法撰写，使用者可以任意修改语法內容并调整参数。 上述图表中的每个点表示每一个交易日，x坐标是沪深300的收益率，y坐标是浦发银行的收益率。 我们可以看到，拟合度最好的线条告诉我们，沪深300收益每增加1个百分点，浦发银行会增加0.42％。 由于线性回归作用于股票收盘价的整个周期，因此选择合适的时间段非常重要。比如以高鸿股份为例，以下是它从2018年1月1日至今的走势图（参照股票《16、股票交易数据可视化：技术分析常用指标绘制》实现）。 到目前为止，均值回归理论仍不能解决的或者说不能预测的是回归的时间间隔，即回归的周期呈 " 随机漫步 "。不同的股票市场，回归的周期会不一样，就是对同一个股票市场来说，每次回归的周期也不一样。 2、均值回归策略(选股) 每个调仓日进行。