《量化交易核心策略开发：从建模到实战》读书笔记

这本书的作者是上海吸引子公司科学家团队成员，是位物理学方面的学者，李涵。前8章主要讲了策略开发流程、数据处理、风险控制等。后7章讲了7个策略的原理、代码和实践结果。我看不懂，简单记录一下，一点一点啃吧。

 

1，基于在线资产组合选择的交易策略。基于武汉大学李冰教授的论文《Moving Average Reversion Strategyfor On-Line Portfolio Selection》（基于移动平均回归策略的在线投资组合选择）。

实践结果是和指数走势一样，只是收益略微高一点。淘汰掉

 

2，基于模式识别的择时策略。策略原型来自于Ahmet Duran和Michael J.Bommarito 2011年发表于数量经济杂志中的一篇论文《A profitable trading and risk management strategy despitetransaction cost》（一种可盈利的交易和风险管理策略，即使考虑交易成本）。尽管过往的许多学界的研究表明，他们发现的异象（Abnormal）无法在考虑交易成本的市场中获利，但本文所提出的算法交易策略是一个明确的反例。它通过使用每日股息调整后的收盘价，根据历史样本给出的模式匹配信号，针对市场投资组合与无风险资产进行买/卖/持有决策。

实践结论，震荡失效。淘汰掉

 

3，基于隐源模型的策略。本章内容基于MIT教授DevavratShah的论文《Bayesian regression andBitcoin》（贝叶斯回归与比特币）。在论文中，两位作者提出并探究了贝叶斯回归的方法及其预测比特币价格变化的功效。贝叶斯回归是利用历史数据来进行贝叶斯推断的一种方法。他们将贝叶斯回归用于所谓的“隐源模型”（Latent SourceModel，或称为潜在源模型）。他们建立了比特币走势变化的判断理论并用市场数据验证了该方法的有效性。在论文中，作者利用它来预测比特币的价格。基于这种价格预测方法，他们设计了一种简单的交易比特币策略，该策略在不到60天的时间内几乎可以使资金翻倍。

实践结论，三天利润率只有1.1%，但预测价格方向的成功率约为80%，必须得加上做空，利润率才能提高。有借鉴意义。

 

4，基于随机最优控制的套利交易。本章内容基于论文《Optimal Pairs Trading：A Stochastic Control Approach》（最优配对交易：一种随机控制方法）。本文的作者也是将随机最优控制理论引入配对交易的第一人，在数量金融史上有着重要的地位。配对交易的投资策略是，它基于互相间的走势相近的股票对，当两者间的价差偏离均值时，我们认为它们的关系会回归长期均值，根据策略进行交易，以便从这一回归行为中获利。标准的例子是同一行业中的一对高度相关的股票。配对交易策略仅仅依赖于证券对之间的相对关系，而不是市场的整体走势，它是一种市场中性的策略。

实践结论，如果两个标的符合均值回复的假设，这个模型还行。大奖章基金用的就是套利方法，但我看这个模型收益很一般，以后研究套利再看吧。暂时待定。

 

5，基于模糊理论的趋势交易。自从1965年美国加州大学的Zadeh教授创建模糊集理论和1974年英国的Mmndani教授成功地将模糊控制应用到蒸汽机控制以来，模糊逻辑系统在系统的建模和控制上都得到了广泛的应用。模糊逻辑系统成功应用的根源在于，模糊逻辑系统能够很好地利用专家知识，而且模糊逻辑本身提供了专家构造语言信息并将其转化为控制策略或系统特征模型的一种系统的推理方法，因而能够解决许多复杂而无法建立精确数学模型的系统的控制问题和许多难以用数学方法建模的复杂系统的建模问题。相对于经典控制而言，模糊控制系统有其自身特点：在设计系统时不需要建立被控对象的数学模型，只要求掌握现场操作人员或有关专家的经验、知识或操作数据。系统的鲁棒性强（系统健壮性），尤其适合非线性、时变、时滞系统的控制。模糊模型可以用一组语言条件语句表达系统的动态特性，因此，模糊模型具有良好的人机交互能力，便于人机智能的结合。控制效果好、所需设备简单、经济效益显著。

实践结论，牛逼。

 

6，基于分层隐马尔可夫模型的高频交易。作为HMM的自然延伸，分层隐马尔可夫模型（HHMM）已被用于金融市场来解决价格预测问题。在论文中，Tayal使用Zig-Zag聚合的预处理技术研究了HHMM预测股价变化的潜力。该模型使用第二个隐藏层捕获趋势和反转的状态。同时，由此隐藏层产生可观察的资产收益。这种方法的显著特点之一是：它是异步模型，不需要等时间间隔的数据。此外，这种方法可以识别上升趋势和下降趋势的权重变化。

完全看不懂。

 

7，基于连续贝叶斯分类器的价格预测。本章内容基于Villa的论文《A Continuous Time Bayesian Network Classifier forIntraday FX Prediction》（一种用于日内外汇预测的连续时间贝叶斯网络分类器）。Pearl（1985）发明的贝叶斯网络是一种概率图模型，它允许人们高维度描述系统状态并管理高维度联合概率分布。贝叶斯网络被专门设计用于随机变量具有相当大的维度或难以计算联合概率分布的情况。贝叶斯网络使用有向无环图模拟变量之间的依赖关系，但它们不模拟时间上的依赖关系，参见Jensen和Nielsen（2007）。由Dean和Kanazawa（1989）引入的动态贝叶斯网络（DBN）将贝叶斯网络扩展到动态系统。

实践结论，准确率78%，可以。

 

最后决定，先啃5，再啃价格预测胜率高的3、7，然后是6、4，至于1、2我就不看了。

微信读书；