分类
外汇策略相关问答

從量化的角度做外匯交易

言娅粼:量化角度看黄金外汇交易

投行的代表有MorganStanly、高盛、BNP、法兴银行等等,自营交易商的代表是Citadel,KCG等等;Citadel城堡基金分成两个部门,一个是自营、做市部门Citadel Security,一个是资产管理部门 CitadelAssetManagement,这两个部门是完全不同的:外汇做市的部门是Citadel Security,Citadel Asset Management会采用一些宏观量化、CTA的策略来进行外汇交易。

谈谈什么量化交易

牛哥量化交易 2022-04-20 11:15:從量化的角度做外匯交易 42 208

量化交易在国外金融市场已经有几十年的发展历史,到现在已经形成了非常成熟的交易体系在外汇市场应用的非常广泛,而量化交易在国内还是近几年才慢慢的传入大家的耳中,

你如果是一个金融投资者的话,不管是投资股市还是期货或者外汇,相信你都或多或少的听过量化交易这个词(Quantitative transaction)。小编就简单明了的给大家说说到底什么是量化交易!

加微信.jpg

什么是量化交易

量化交易简单的说就是自动交易,它是通过编写软件程序,实时监测市场交易情况,并且设定一些条件,一旦当市场交易情况满足这些条件时就自动执行一些操作,比如买入、卖出等。

利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。这样就完美的解决了如何在交易中克服人性

量化交易可以是一套程序,只需要把程序植入到交易软件中,就可以在你在不做任何人工干预的情况下进行自动买入或者卖出的操作,它也可以是一个APP,通过APP获得交易软件的操作权限进行自动的买入或者卖出操作

38635fab0cf81d3e746c2fe1a55cc7f.png

量化交易的特点

1、纪律性。根据模型的运行结果进行决策,而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点,也可以克服认知偏差,且可跟踪。

2、系统性。具体表现为“三多”。一是多层次,包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型;二是多角度,定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;三是多数据,即对海量数据的处理。

3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会,从而发现估值洼地,并通过买入低估资产、卖出高估资产而获利。

4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用;二是依靠组合资产取胜,而不是单个资产取胜。

3c9e19daa193c5cbde2bdc3a0a39fe5.jpg

如今大多数的朋友都是有过多闲钱,却没有过多时间,量化交易的出现就完美的解决了这个问题,在你休息或者工作的时候,让你的闲钱给你带来一笔稳定长期的被动收入。同时也解决了一些朋友,想要投资却不懂投资的困扰,全民投资的时代已经到来,量化交易势必会是未来金融投资的趋势。

BackTrader量化交易案例图解

BackTrader量化交易案例图解

第1章 BackTrader简介
1.1 BackTrader量化软件的特点
1.2 进入神奇的Python世界
1.3 TOP极宽量化工具函数库
1.4 量化回测“四步曲” 從量化的角度做外匯交易
1.5 案例:完整的量化版“Hello”從量化的角度做外匯交易 程序
第2章 数据预处理
2.1 数据格式
2.2 Lines内部数据格式
2.從量化的角度做外匯交易 3 数据目录
2.4 指数代码文件
2.5 数据预处理函数
2.6 案例:数据预处理
第3章 策略编程
3.1 SQN指数&策略评估参数
3.2 量化金融指标
3.3 交易数据更新
3.4 策略编程模板
3.5 案例:策略编程
第4章 Buy买入策略
4.1 Buy买入函数
4.2 案例:设置Buy买入价格
4.3 next策略执行函数
4.4 Buy买入策略编程
第5章 Sell卖出策略
5.1 Position仓位检查
5.2 Smart Staking智能动态仓位管理
5.3 Sell卖出函数
5.4 案例:Sell卖出策略
5.5 买卖点图表
5.6 notify_order订单状态检查函数 從量化的角度做外匯交易
5.7 双边交易策略
5.8 bar量化节点数据包变量
第6章 Broker数字经纪人
6.1 Broker数字经纪人概述
6.2 交易佣金(Commission)
6.3 案例:添加Broker经纪人
6.4 Broker常用参数
6.5 案例:Sizer交易数额
6.6 Sizer交易数额模块库架构图
第7章 MA均线策略编程
7.1 MA均线策略和指标简介
7.2 案例:MA均线策略编程
第8章 plot绘制金融图
8.1 金融分析曲线
8.2 案例:绘制不同风格K线图
8.3 多曲线金融指标
8.4 Observers观测子模块
8.5 plot绘图函数的常用参数
8.6 案例:买卖点符号和色彩风格
8.7 案例:vol成交量参数
8.8 案例:多图拼接模式
8.9 案例:绘制HA平均K线图
8.10 K线图绘制
8.11 案例:绘制多指标金融图
第9章 回测结果分析 從量化的角度做外匯交易
9.1 常用量化分析指标
9.2 案例:回测数据基本分析
9.3 Analyzer分析类
9.4 Analyzer分析模块架构图
9.5 從量化的角度做外匯交易 SQN指数
9.6 案例:回测数据扩展指标分析
9.7 案例:底层数据分析
第10章 PyFolio专业量化分析图
10.1 常用量化模块库
10.2 轻量级量化分析模块
10.3 PyFolio简介
10.4 案例:PyFolio量化分析
10.5 解读专业量化分析图 從量化的角度做外匯交易
第11章 Trade交易操作
11.1 量化回测分析流程
11.2 Cerebro类模块
11.3 案例:Trade交易
11.4 实盘交易及其隐性规则
11.5 Stake交易数额和Trade交易执行价格
第12章 买卖点分析
12.1 案例:买卖点设置
12.2 优化输出信息 從量化的角度做外匯交易
12.3 案例:手动版策略参数优化
第13章 sign信号交易模式
13.1 Indicator指标模块库架构图
13.2 案例:信号交易的基本操作
13.3 案例:信号模式买卖点分析
13.4 SignalStrategy信号策略类
第14章 参数寻优
14.1 参数寻优概述
14.2 演示案例:单参数自动寻优
14.3 BackTrader内置优化函数
14.4 演示案例:多参数自动寻优
第15章 模拟盘/实盘操作
15.1 模拟盘交易和实盘交易的区别
15.2 实盘数据和交易接口
15.3 数据共性
15.4 数据区别
15.5 案例:模拟盘的参数设置
· · · · · · (收起)

简介 | 什么是量化投资?常见的量化交易策略有哪些?

量化交易的历史大致可以分为三个阶段,第一阶段,1971~1977 年,1971 年世界第一支被动量化基金由巴克利国际投资管理公司发行。1977年,第一支主动量化基金由巴克利发行,总额 70 亿美元,是美国量化投资的开端。第二阶段,1977~1995 年,这一阶段计算机技术飞速发展,为量化投资的数据分析打下了很好的铺垫。第三阶段,1995 年至今,量化投资的成熟阶段,目前,全部投资中,量化投资的占比超过 50%,其中指数类投资全部采用定量技术,主动策略投资中,30% 左右使用定量技术。

量化交易特点

量化投资技术方法

常见的量化交易策略

在外汇交易系统中,枢轴点 (Pivot Points) 交易方法是一种经典的交易策略。Pivot Points 是一个非常单纯的阻力支撑体系,根据昨日的最高价、最低价和收盘价,计算出七个价位,包括一个枢轴点、三个阻力位和三个支撑位。阻力线和支撑线是技术分析中经常使用的工具之一,并且支撑线和压力线的作用是可以互相转化的。从交易的角度上来看,Pivot Point 好比是作战地图,给投资者指出了盘中应该关注的支撑和阻力价位,而至于具体的战术配合,Pivot Point 并没有具体地规定,完全取决于投资者自身的交易策略。投资者可以根据盘中价格和枢轴点、支撑位和阻力位的相关走势灵活地制定策略,甚至可以根据关键点位进行加减仓的头寸管理。

海龟交易法是著名的公开交易系统。首先进行市场和品种选择,选择关联度低、流动性好、容量大的市场和品种进行组合投资。其次决定头寸规模,采用基于波动性的头寸管理策略(止损同样是基于波动性)。海龟交易法建仓有两套规则,第一套建仓规则为以 20 日突破为基础的短线系统,第二套建仓规则是以 60 日突破为基础的长线系统,加仓规则是价格在上次买入价格的基础上往盈利的方向变化(系数在 0.5~1 之间),即可在增加 25% 仓位。海龟交易法同样具备两种止损规则,统一止损是任何一笔交易都不能出现账户规模 2% 以上的风险;双重止损是账户只承受 0.5%的账户风险,各单位头寸保持各自的止损点位不变。海龟交易法的卖出规则一旦出发都要退出。

凯利公式由 John Larry Kelly 于 1956 從量化的角度做外匯交易 年提出(Kelly 1956)。它指出在一个期望收益为正的重复性赌局或者重复性投资中,每一期应该下注的最优比例。藉由捕捉可以最大化结果对数期望值的资本比例 f 也就是得到长期增长率的最大化。那么在单纯的就有两种结果的简单赌局来讲,这里的两种结果指的是:输去所有注金,或者获得资金乘以特定赔率的彩金。

可以通过一般的陈述引导出下面的公式:f=(bp-q)/b(f*代表现有资金应进行下次投注的比例;b 代表投注可得的赔率;p 代表获胜率;q 代表落败率,也就是1-p)。凯利公式在量化投资中的应用是确定投资品的最佳杠杆比率,凯利公式的核心是在于控制风险。

在 40 年代,美国科学家 Wiener 和前苏联科学家 Kолмогоров 等人研究出最佳线性滤波理论,之后又被后人称之为维纳滤波理论。从理论的角度来看,维纳滤波存在着一个最大的缺陷:就是一定要应用到无限的过去数据,再实时处理上,并不适用。在 40 年代,为了打破这一缺陷,Kalman 将状态空间模型引入到滤波理论里,并引导出了一套递推估计算法,后期又被人称作卡尔曼滤波理论。它是以最小均方误差为估计的最佳准则,因此来找到一套递推估计的算法,它的根据就是:选用信号与噪声的状态空间模型,把前一时刻的估计值和现时刻的观测值利用起来,然后更新对状态变量的估计,从而求出和得到现时刻的估计值。它在实时处理和计算机运算方面都非常的适用。