量化交易日记 基础概念篇

联系方式 17710158550
NBEATS (Neural Basis Expansion Analysis for Time Series)、NHiTS (Neural Hierarchical Interpolation for Time Series Forecasting)、LSTNet (Long Short-Term Memory Network)、TCN (Temporal Convolutional Network)、Transformer、DeepAR (DeepAR Probability Prediction)、Informer 都是先进的深度学习模型,专门用于时间序列分析。下面我将简要介绍这些模型的特点:

  1. NBEATS: NBEATS 是一个纯粹基于回归的模型,它通过堆叠多个所谓的“块”来构建,每个块都试图模拟时间序列的一个组成部分。这种结构使得模型能够灵活地捕捉和预测时间序列中的各种模式。
  2. NHiTS: NHiTS 是一种基于层次结构的预测模型,它使用插值器来预测时间序列的未来值。该模型能够处理多尺度的时间序列数据,并能够有效地捕捉时间序列的长期和短期依赖关系。
  3. LSTNet: LSTNet 结合了循环神经网络(RNN)和卷积神经网络(CNN)的特点,用于处理时间序列数据。这种结构使得模型能够同时捕捉时间序列的长期依赖关系和局部模式。
  4. TCN: TCN 是一种基于卷积的模型,特别适用于处理序列数据。它通过使用扩张卷积来扩大感受野,从而能够捕捉长距离的时间依赖关系。
  5. Transformer: Transformer 是一种基于自注意力机制的模型,最初用于自然语言处理任务。它通过自注意力机制有效地捕捉序列数据中的长距离依赖关系,因此在时间序列预测中也表现出色。
  6. DeepAR: DeepAR 是一种基于概率的预测模型,它使用循环神经网络(RNN)来建模时间序列的分布。这种模型能够提供关于未来值的概率预测,而不是点估计,因此在处理不确定性和风险方面非常有用。
  7. Informer: Informer 是一种长序列预测模型,它通过使用自注意力机制和概率预测来有效地处理长序列数据。该模型在处理具有高噪声和复杂模式的时间序列数据时表现出色。

这些模型都各有特点,适用于不同类型和时间跨度的时序数据分析和预测任务。

量化交易是指使用数学模型来识别投资机会,并使用算法自动执行交易。一个完整的量化交易过程通常包括以下步骤:

  1. 数据获取:收集历史价格数据、交易量、财务报表、新闻、社交媒体情绪等可能影响资产价格的信息。
  2. 数据清洗:处理缺失值、异常值,确保数据的质量和完整性。
  3. 数据预处理:包括数据归一化(将数据缩放到一个固定的范围,如0到1之间),以及对数据进行转换、编码等操作,以便模型能够更好地处理。
  4. 特征工程:从原始数据中提取有用的特征,这些特征可能有助于模型的预测。
  5. 数据分割:将数据集分为训练集、验证集和测试集,以便在不同的数据集上训练和评估模型。
  6. 模型训练:使用训练数据集来训练选定的量化交易模型,如NBEATS、NHiTS、LSTNet、TCN、Transformer、DeepAR、Informer等。
  7. 自动调参:通过网格搜索、随机搜索或贝叶斯优化等方法自动找到最优的模型参数。
  8. 模型评估:使用MAE(平均绝对误差)、MSE(均方误差)等指标来评估模型的性能。
  9. 回测:在历史数据上模拟交易,以测试策略的表现。这一步骤包括确定交易信号、执行订单、计算盈亏等。
  10. 性能指标计算:计算最大盈利率、最大亏损率、平均获益率等指标来评估策略的风险和收益。
  11. 交易回测:在实际市场中模拟交易,以验证策略在实时条件下的表现。
  12. 风险控制:实施风险管理和资金管理规则,以控制潜在的损失。
  13. 实盘测试:在真实交易环境中运行策略,但通常以较小的资金量开始,以进一步验证策略的有效性。
  14. 优化和迭代:根据实盘测试的结果,对策略进行进一步的优化和调整。

量化交易是一个不断迭代和优化的过程,需要不断地评估和调整策略,以适应市场的变化。此外,量化交易策略的成功在很大程度上取决于数据的质量、模型的适用性以及交易执行的速度和效率。

您描述的量化交易决策实现是一个基于简单趋势预测和价格区间判断的策略。下面是一个简化的版本,说明如何实现这一策略:

  1. 数据获取:首先,您需要获取历史价格数据,包括每日的开盘价、最高价、最低价和收盘价。
  2. 趋势预测:使用某种模型(如移动平均线、MACD、RSI等技术指标,或更复杂的机器学习模型)来预测未来一天的股价趋势。如果预测结果显示未来有上涨趋势,则执行步骤3;如果有下跌趋势,则执行步骤4。
  3. 上涨趋势策略
    • 预估第二交易日的最低价。
    • 在第二交易日开盘时,以预估的最低价挂买单。
    • 在第二交易日结束时,判断实际最低价是否在预估的最低价和实际最高价之间。如果是,则判定为成交,并可能获得利润。
  4. 下跌趋势策略
    • 预估第二交易日的最高价。
    • 在第二交易日开盘时,以预估的最高价挂卖单。
    • 在第二交易日结束时,判断实际最高价是否在预估的最高价和实际最低价之间。如果是,则判定为成交,并可能获得利润。
  5. 风险评估和资金管理:在执行交易之前,需要设定止损点和利润目标,以管理潜在的风险。
  6. 回测:在实际投入资金之前,应该在历史数据上对策略进行回测,以验证其有效性。
  7. 实盘测试:在回测结果满意后,可以在实盘环境中以较小的资金量进行测试。
  8. 监控和调整:在实盘测试和实际交易过程中,需要不断监控策略的表现,并根据市场变化进行调整。

需要注意的是,这种简单的策略可能无法应对市场的复杂性和随机性。在实际应用中,量化交易策略通常更加复杂,并且会结合多种技术和基本面分析,以及风险管理和资金管理规则。此外,量化交易策略的开发和实施需要专业的知识和经验。

您提到的两种交易模式,即“炮仗打法”和“上涨周期多次买入并限制买入总量,下跌周期一次按照预估价格严格清仓”,反映了不同的交易策略和风险偏好。

  1. 炮仗打法
    • 这种打法的特点是每次预测到涨幅时都增加固定仓位,类似于逐步增加投注的策略。
    • 这种策略在市场持续上涨时可能会带来丰厚的回报,但如果市场突然反转,可能会导致较大的损失。
    • 这种策略需要严格的风险管理,包括设置止损点,以避免市场突然下跌时造成的重大损失。
  2. 上涨周期多次买入并限制买入总量,下跌周期一次清仓
    • 这种策略在上涨周期内多次买入,可能会通过分批建仓来降低成本并分散风险。
    • 通过限制买入总量,交易者可以控制整体风险敞口。
    • 在下跌周期时,一次性按照预估价格清仓,可能会减少因市场持续下跌而造成的损失。
    • 这种策略需要对市场周期有较为准确的判断,并且需要严格执行交易计划,避免情绪化交易。

无论哪种策略,都需要基于充分的市场分析和技术指标,以及良好的风险控制和资金管理。在实际操作中,量化交易者会使用各种技术指标、统计模型和机器学习算法来辅助决策,并且会不断回测和优化策略以适应市场的变化。此外,交易者还需要考虑到交易成本、滑点、市场冲击等因素,这些都会影响到策略的实际表现。

根据您提供的信息,您的量化策略使用两个关键表格来跟踪交易决策和结果:预估表格和回测表格。下面是对这些表格和字段的解释:
回测表格字段

  • base_case: 基础总价。
  • base_num: 基础数量,目前策略是一次买10000股 持仓最高10000股。
  • money: 投资总价。
  • index: 交易日坐标。
  • close: 收盘价,指股票在交易日结束时的价格。
  • total: 总计投资。
  • sum: 总计回报。
  • rate: 收益率,指投资收益与投资成本的比率。
    回测表格是可以进行可视化的 其中会采用 基础总价 投资总价 收盘价*10000 总计投资 总计回报来构建第一张回测表单
    在这里插入图片描述
    第二章回测表单 观察模型交易收益率
    在这里插入图片描述

每日预估表格的阶段和指标

  • 第一阶段
    • round_value: 预估最大收益率。
    • stock_name: 股票名称。
    • low_index: 最低指数出现在未来哪个交易日。
    • low_value: 最低值,指股票在观察期内的最低价格。
    • high_index: 最高值出现在未来哪个交易日。
    • high_value: 最高值,指股票在观察期内的最高价格。
    • stock_mapping_name: 股票映射名称,可能是指用于分析和识别股票的特定代码或名称。
  • 第二阶段
    • open_loss: 开盘损失
    • high_loss: 最高损失
    • low_loss: 最低损失
    • close_loss: 收盘损失
    • pre_close_loss: 前收盘损失
    • sum_loss: 总损失,可能是指所有损失的总和。
  • 第三阶段
    • max_rate: 最大收益率,指可能获得的最高收益率。
    • min_rate: 最小收益率,指可能获得的最小收益率。
    • avg_rate: 平均收益率,指所有收益率的平均值。
    • 其他字段与第二阶段相同,用于计算和跟踪损失。

这些表格和指标表明您的量化策略涉及对股票价格波动的详细分析,包括价格的高点和低点,以及可能的损失和收益。通过这些数据,您可以评估不同交易策略的表现,并进行优化以实现更好的风险调整后收益。
联系方式 17710158550

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/436711.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

TikTok(字节跳动)的新人工智能Boximator

AI 视频生成器最近占据了科技头条新闻,特别是在 OpenAI 宣布推出Sora之后,Sora 是他们的第一个视频模型,可以通过简单的文本提示生成令人惊叹的 AI 视频。 如今,制作 TikTok 的公司字节跳动也加入了这一行动。他们创建了Boximato…

FPGA AXI4总线操作教程

AXI(Advanced Extensible Interface)总线是一种高性能、低延迟的片上系统(SoC)接口标准,广泛应用于现代数字系统设计中。它允许不同的硬件组件以高效、可靠的方式进行数据传输和控制。本教程将介绍AXI总线的基本操作和…

卧室装修干货|榻榻米的4种类型及优缺点。福州中宅装饰,福州装修

卧室想要做榻榻米设计,不知道如何下手,这篇文章一定要看:常见榻榻米的类型有哪些?这些类型分别有哪些优缺点呢? 榻榻米是一种传统的日本床铺设计,近年来在现代室内设计中越来越受欢迎。它以低矮的床垫和简洁的线条为…

004-执行上下文事件循环

执行上下文&事件循环 1、执行上下文2、执行上下文类型3、执行上下文的生命周期4、示例说明5、事件循环机制6、宏任务7、微任务8、同步任务、宏任务、微任务9、代码执行顺序 - 示例 💡 Tips:用于说明 浏览器 对 JavaScript 执行顺序,涉及知…

Unity UGUI之Scrollbar基本了解

Unity的Scrollbar组件是用于在UI中创建滚动条的组件之一。滚动条通常与其他可滚动的UI元素(如滚动视图或列表)一起使用,以便用户可以在内容超出可见区域时滚动内容。 以下是Scrollbar的基本信息和用法: 1、创建 在Unity的Hierarchy视图中右…

Debian篇——系统安装在SD卡上如何调整系统分区大小

背景:我的SD卡是128G的,开发商安装好系统后,我发现SD的系统分区才8.9G空间(剩下的108G未分区),不够使用,于是需要调整系统分区的大小。 1.查看系统盘挂载情况 df -h 2.查看系统盘在哪个分区 …

解决java: 无法访问javax.servlet.ServletException

问题 在对历往项目工具类总结和归纳更新过程中,common模块在compile编译过程中遇到了“Error java: 无法访问javax.servlet.ServletException 找不到javax.servlet.ServletException的类文件”这个报错问题。 IDE使用的是idea2021。 解决方法 pom中增加如下依赖&…

十七、IO流

IO 目录 一、IO流的概述IO流的分类 二、基本流2.1字节流2.2 字节输出流写出数据的三种方式2.3 换行和续写2.4 字节输入流2.5 文件拷贝2.6 IO流中不同JDK版本捕获异常的方式2.7 字符集详解2.7.1 ASCII字符集2.7.2 GBK字符集2.7.3 Unicode字符集 2.8 为什么会有乱码2.9 Java中的编…

python之海龟绘图

海龟绘图(turtle)是一个Python内置的绘图库,也被称为“Turtle Graphics”或简称“Turtles”。它采用了一种有趣的绘图方式,模拟一只小海龟在屏幕上爬行,而小海龟爬行的路径就形成了绘制的图形。这种绘图方式最初源自20…

某资产管理系统打点过程中的免杀经历

上周,被扔过来单位内部的一个链接,让渗透一下,本以为三下五除二很快就能测完,没想到在对抗杀软时费了一番功夫,再加上杂七杂八的事儿,经过了一个星期才测完(# ̄~&#xff…

API(接口) | 软件组件之间信息交互的“桥梁”

Hi,大家好,我是半亩花海。本文主要从 API 的定义、包含、用途和其他方面来简单地介绍 API(接口) ——软件组件之间信息交互的“桥梁”。 目录 一、什么是 API? 二、 API 中所包含哪些? 补充 三、API 可…

SQL server内存问题排查方案

前言 由于昨晚线上服务器数据库突然访问数据缓慢,任务管理里面SQL server进程爆满等等,重大事故的排查拟写解决方案。 整体思路 查询数据库请求连接:排查连接池是否占满查询数据库请求量:排查数据是否存在反复查询查询数据库阻…

Mysql 学习(十五)redo 日志

redo 日志 什么是redo日志?在说这个之前我们先来想一个场景,在访问磁盘的页面之前,我们会先把页面缓存到Buffer Pool之后,才会访问。写页面的时候也会先将buffer pool中的页面修改之后,然后在某个时机才会刷新到磁盘中…

【Oracle Database】如何远程连接服务器、创建用户、从本地dmp导入表

C:\Users\test>imp test/123456ip/orcl:1521 fileE:\db.dmp tablestable1,table2Import: Release 11.2.0.3.0 - Production on 星期一 3月 4 12:59:09 2024Copyright (c) 1982, 2011, Oracle and/or its affiliates. All rights reserved.IMP-00058: 遇到 ORACLE 错误 1263…

vue3 vue-i18n 多语言

1. 安装 npm install vue-i18n -s 2. 引入main.js import { createI18n } from vue-i18n import messages from ./i18n/index const i18n createI18n({legacy: false,locale: Cookies.get(language) || en_us, // set localefallbackLocale: en_us, // set fallback local…

Spring面向切片编程AOP概念及相关术语(一)

个人名片: 🐼作者简介:一名大三在校生,喜欢AI编程🎋 🐻‍❄️个人主页🥇:落798. 🐼个人WeChat:hmmwx53 🕊️系列专栏:🖼️…

面试问答之Spring进阶

文章目录 🐒个人主页:信计2102罗铠威🏅JavaEE系列专栏📖前言:🎀说说你对Spring的认识与理解🐕Bean的分类🐕 BeanFactory 接口和ApplicationContex 接口 的区别🐕SpringBe…

Canvas笔记04:绘制九大基本图形的方法,重头戏是贝塞尔曲线

hello,我是贝格前端工场,最近在学习canvas,分享一些canvas的一些知识点笔记,本期分享canvas绘制图形的知识,欢迎老铁们一同学习,欢迎关注,如有前端项目可以私信贝格。 Canvas是HTML5中的一个绘…

ROS2学习(七) Foxy版本ros2替换中间件。

在ros2使用的过程中,一开始选用的foxy版本,后来发现,foxy版本的ros2有很多问题。一个是foxy版本已经停止维护了。另一个问题是这个版本有很多bug, 后续的版本在功能实现上做了很大的改动,甚至说进行了重写。修复的一些问题&#x…

【Flink网络传输】ShuffleMaster与ShuffleEnvironment创建细节与提供的能力

文章目录 一. Taskmanager之间传递数据细节二. ShuffleService的设计与实现三. 在JobMaster中创建ShuffleMaster四. 在TaskManager中创建ShuffleEnvironment五. 基于ShuffleEnvironment创建ResultPartition1. 在task启动时创建ResultPartition2. ResultPartition的创建与对数据…