股票量化择时策略上中下

1、股票量化择时策略（上中下）解析|量化择时策略（上）鳏鹏668 2018-04-07 08:14:59量化择时就是利用数量化的方 法，通过对各种宏观微观指标的量化分析，试图找到影响大 盘走势的关键信息，并且对未来走势进行预测。择时策略基本框架：最基本的择时策略指的是只判断买卖，不涉及仓位优化的择 时策略。由于不考虑风险，则是策略完全通过优化收益来形 成相应的买卖决策。由于在国内股票市场中，只允许做多，所以策略多为帮助选 择股票进行买入，或者将已有仓位进行实生的判断。趋势择时趋势择时的基本思想来自于技术分析，技术分析认为趋势存 在延续性，因此只要找到趋势方向，跟随操作即可。趋势择 时的主要指标有

2、MA. .MACD 和DMA等。拿双均线策略举 例，在交易决策的时点需要根据已知数计算短期均线 和长期均线两个值，当短期均线高于长时，判断交易决策刻当 短期均线高于长时，判断交易决策刻的趋势为上涨，按照会 延续 的趋势为上涨，按照会延续的思想，认为后市会继续 上涨，因此看多。而当短期均线低于长时判断交易继续上涨，因此看多。而当短期均线低于长时判断交易继续上涨，因此看多。而当短期均线低于长时判断交易继续上涨，因此看多。而当短期均线低于长时判断交易决策时刻的趋势为下跌，认为后市继续下跌，因此看空。MACD :称为指数平滑移动平均线，由快的指数移动平均线 （EMA12 ）减去慢的指数移动平均线（EM

3、A26 ）得到快线DIF （差离值）。因此，在持续的涨势中，12日EMA在26日EMA之上。其间的正差离值（+DIF）会愈来愈大。反之 在跌势中，差离值可能变负（-DIF）,也愈来愈大。MACD 的反转信号界定为“差离值”的9日移动平均值（9日EMA ）, 又叫DEA或DEM。用（DIF-DEA ） X 2即为MACD 柱状图。当MACD从负数转向正数，是买的信号。当 MACD从正数 转向负数，是卖的信号。当 MACD以大角度变化，表示快 的移动平均线和慢的移动平均线的差距非常迅速的拉开，代 表了一个市场大趋势的转变。基本用法：1. MACD金叉：DIFF由下向上突破 DEA ,为买入信号。2

4、. MACD死叉：DIFF由上向下突破 DEA ,为卖由信号。3. MACD 绿转红：MACD 值由负变正，市场由空头转为多 头。4. MACD 红转绿：MACD 值由正变负，市场由多头转为空 头缺点：1 .由于MACD是一项中、长线指标，买进点、卖由点和最 低价、最高价之间的价差较大。当行情忽上忽下幅度太小或 盘整时，按照信号进场后随即又要由场，买卖之间可能没有 利润，也许还要赔点价差或手续费。2 .一两天内涨跌幅度特别大时，MACD来不及反应，因为MACD的移动相当缓和，比较行情的移动有一定的时间差， 所以一旦行情迅速大幅涨跌，MACD不会立即产生信号， 此时，MACD无法发生作用。市场情

5、绪择时：市场情绪择时就是利用投资者的热情程度来判断大势方向， 当情绪热烈，积极入市时，大盘可能会继续涨：当投资者情绪 低迷、不断撤由市场的时候，大盘可能继续下跌。通过投资 者调查、封闭基金的折溢价水平和新增开户数等信息可以来 判断目前的市场情绪。从市场情绪波动的动态变化来考虑， 回落到长期水平以下的短期市场情绪，如果首次变得活跃， 超越中期水平，则意味着市场很有机会由现多头行情；而回 升到长期水平之上的短期市场情绪，一旦首次变得低迷，低 于中期水平，则意味着市场很有可能步入了空头行情。资金择时：有效资金模型和选股模型中的资金流模型类似，具是通过判 断推动大盘上涨或者下跌的有效资金来判断走势，因

6、为在顶 部和底部时资金效果具有额外的推动力。从2014年7月启动的行情时，两市融资余额为4千亿，之后一路上涨，到2015 年6月17最巅峰时两市融资余额为 2.26万亿，接着证监会 开始核查场外配资，股灾来临，两融余额断崖式下跌。?解析|股票量化择时策略（中）鳏鹏 668 2018-04-07 08:34:04牛熊线择时：牛熊线（BBCurve ）是基于布朗运动的择时策略之一，择时 的思想就是将大盘的走势划分为两根线，一根为牛线，一根 为熊线。在牛熊线之间时大盘不具备方性，如果突破牛线， 则可以认为是一波大的上涨趋势的到来；如果突破熊线，则可以认为是一波大的下跌跌趋势到来，应该回避系统性风险。

7、Hurst指数择时：Hurst指数择时的理论基础同牛熊市择时一样，均为布朗运动，其理论基础是分数布朗运动。Hurst是以为英国的水文学家，二十世纪初他在尼罗河参加水坝工程时，提生了重标 极差法。后来由Peters将该方法引入资本市场领域。Hurst指数是分形理论在趋势判断中的应用，分形市场理论 认为，资本市场是由大量具有不同投资期限的投资者组成 的，且信息对不同投资者的交易周期有着不同的影响。利用 Hurst指数可以将市场的转折点判断由来，从而实现择时。据中信建设统计过去十年半时间内，Hurst模型共发生20次信号（7次反转信号）期间共累计获得33.72倍收益率，年化收益39.8%,最大回撤-

8、18.54% o该模型的优点是不必假设所测度的时间序列的分布特征。支持向量机SVM指标择时：支持向量机SVM是一种分类技术，是基于数据的机器学习 引进的策略创新体系。具有效率高、推广性能好的优点，SVM 择时就是利用SVM技术进行大盘趋势的模式识别，将大盘 区分为几个明显的模式，从而我由其中的特征，然后利用历 史数据学习的模型来预测未来的趋势。目前主要应用于指 数。机器学习基本流程：从模型预测效果来看，对指数运行中期趋势有较好把握，在考察期内有66.52%整体准确率。其中对单边上涨行情区间预 测率超过70% oSWARCH择时模型：SWARCH模型是一种利用宏观经济指标来判断大盘的策略，该模型

9、主要刻画了货币供应量 M2和大盘走势之间的关系， 揭示我国证券市场指数变化与货币供应量之间的相关关系。采用货币供应量为主要指标，构建SWARCH模型来判断该指标与大盘走势之间的关系，从而期望找到判断未来趋势的 择时方法。整体上分析宏观经济周期与证券市场收益率关系的研究主 要集中于对其协整关系的检验，例如研究表明：美国和日本 的证券价格与国民生产总值的增长率、长期和短期利率、通 货膨胀率等国民经济运行状况指标之间存在长期的均衡关 系。证券市场波动的解释最终要以宏观经济分析为基础，经济行 为水平的波动是证券收益率波动的关键决定因素，当经济处 于衰退期时，将引起股市收益率波动收缩。解析|量化择时策略

10、（下）鱼昆鹏 668 2018-04-07 11:36:41异常指标择时：兴登堡凶兆兴登堡凶兆（Hindenburg Omen）是一种声称可预测美国股市由现股灾的技术分析，由数学家米耶卡（Jim Miekka ）于1995年发明。并以1937年坠毁的兴登堡号飞船命名。如果股市 在高位盘整时，股价创由一年新高与创由一年新低的个股均 达到一个较高比例，同时反映市场广度的麦克莱恩摆荡指标 为负数时，显示市场可能正处于激烈分化之中，分化之后，市场可能由现大幅回落。“兴登堡”凶兆在 1985年至2007年美国股市中共由现 27次，其中有15次美国股市由现 15% 以上跌幅，并成功预测了2008是由信贷危

11、机所引起的崩盘。“兴登堡凶兆”具体指：1）当日创52周（一年）新高的股票数与创 52周（一年）新低的股票数均大于所有股票数的2.8%2）创52周（一年）新高的股票数小于创52周（一年）新低的股票数的2倍3）市场十周均线向上，且当日的麦考连指标为负值“兴登堡凶兆”的核心思想是上涨中的背离，即市场是在上涨中，但是市场的微观结构却显示市场中仍有相当一部分股 票在下跌，而且下跌的数量与上涨的数量基本持平，即条件2,这时，上涨可以看作是“不安全”的上涨。趋势趋同指数：Trend_Convergence_Indicator =（处于上涨阶段的股票数-处于 下跌阶段的股票数）/股票总数。TCI共由现52次卖

12、由信号， 有41次上证指数由现 5%以上下跌，成功率在 80%,下跌过 程会在未来40天完成。有21次由现10%以上下跌，11次由 现15%以上下跌。市场噪声指数：在学术上，噪声交易被定义为交易者在缺乏正确信息的情况 下密集的买卖行为。由于这些交易缺乏信息或者信息偏误， 所以不会真正长期影响资产价格基础。由于投资者为了利益 最大化，知情交易者，尤其是大量资金交易者，会想方设法 避免在自己交易完成前影响市场趋势，而这一做法的结果恰 恰与噪声交易相似。于是有一部分投资人开始利用噪声而进 行指数择时。在指数反弹前，噪声交易都有多增加。交易信号：买入：市场上周下跌，近五日平均噪声规模比五日前的连续五日

13、平均噪声交易规模显著增大卖由：市场上周上涨，近五日平均噪声规模比五日前的连续 五日平均噪声交易规模显著增大行业集中度：在中国股市上升趋势稳定时，可以观察到各个行业之间上升 势态比较一致，而当上升趋势遇到阻力，即将进入动荡期或 者由现转折的时候，行业的相关性往往能够提前由现分化。 比如常常有莫些行业先于股指达到弱势，从而使得行业之间 相关性变得更散乱。如果能够捕捉到行业相关性的变化，就 能够预测到股指上升过程中即将来临的动荡或者见顶，从而 及时回避风险。若市场上有n个行业指数，分别取其交易日的对数收益率序 列，将这些序列两两配对计算它们之间的相关系数。这些相 关系数组成一个样本后，定义行业相关性集中度为该样本的 均值与标准差之比。当行业相关性集中度降到 4.0水平时，可以视为上涨趋势中 的风险警报信号，表示行业分化严重，上涨很可能将遇到阻 力;当行业集中度回复到 5.0水平时，可视为动荡期或者反转 期已过，行业分化程度减轻。2003年到2008年共5年间,行业相关性集