博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
读书笔记_中国期货市场量化交易(李尉)01
阅读量:4295 次
发布时间:2019-05-27

本文共 901 字,大约阅读时间需要 3 分钟。

读书笔记,李尉的作品,看豆瓣还行就买来看看

第一章 期货基本策略概要

国内平台:开发,回测,模拟,实盘均在一个平台实现较为方便,并且费用较低。

连续合约:跳空问题
指数合约:无法直接交易
淘宝策略:低手续费,无滑点,使用了连续合约的跳空优势
采用日内策略可避免调控影响,本质是风险管理,不过也牺牲了利润,至少手续费和滑点是不可避免的。
国内股指期货策略:较好的5日1次开仓机会,收益/回撤:1-2之间。

CTA日线为主,当日收盘前下单。

相对于传统的灵感或规则的策略开发,基于统计or机器学习相对死板,但好处在于容易批量化。
商品高频:买卖价差为主要成本,手续费次要。
MAR:年化收益/最大回测,
趋势策略胜率40-50%,盈亏比2-3之间,夏普1-2相对不错的。

高频:被动成交的返佣,另外暗池也提供了优势

人工下单优势:多信息源,多种类信息,比如文字机器就无法很好的快速处理
作者目前主要中低频:5日分钟线为主。
价差合约需要留意:
时间戳是否一致
可能存在负数,负数无对数

高频市场中性策略:配置类策略,一种思路是技术指标头尾多空。

基本面:线性回归的预测
算法交易:VWAP

第二章 数据处理

分笔数据信息:时间,最新价,持仓,新增持仓,成交量,成交额,买一价/量,卖一价/量

数据获取途径:CTP下载,万德,国泰安,淘宝
存储:csv文件,二进制文件
5分钟k线:

过滤噪声  提高速度  频率适中

提速:Rcpp(c++实现),多核心支持

异常数据:夜盘,涨跌停,盘口信息

第三章 预测因子

R语言的TTR库中有大约64个技术因子,可以进行建模尝试

评估:

自身与未来收益相关性:合约数(空间角度),均值/方差(时间角度)  同指标对不同周期的未来收益效果不同  特征不重要,(这一点我不大同意,机器学习中特征是最为重要的,这里不重要可能是所有特征都基本无效,所以基于此特征的导出特征也价值有限)

M顶等形态:模式识别?机器学习,效果不佳

因变量:

上涨,不变,下跌  对数收益  点数收益(期货) 小波过滤去噪

高频因子:挂单量,成交量,成交价,价格变化,(补充,成交量变化也可考虑吧)

转载地址:http://neyws.baihongyu.com/

你可能感兴趣的文章
Laravel中的$loop
查看>>
CentOS7 重置root密码
查看>>
Centos安装Python3
查看>>
cmder的安装与配置
查看>>
PHP批量插入
查看>>
laravel连接sql server 2008
查看>>
Laravel 操作redis的各种数据类型
查看>>
Laravel框架学习笔记之任务调度(定时任务)
查看>>
laravel 定时任务秒级执行
查看>>
浅析 Laravel 官方文档推荐的 Nginx 配置
查看>>
Swagger在Laravel项目中的使用
查看>>
Laravel 的生命周期
查看>>
CentOS Docker 安装
查看>>
Nginx
查看>>
Navicat远程连接云主机数据库
查看>>
Nginx配置文件nginx.conf中文详解(总结)
查看>>
Mysql出现Table 'performance_schema.session_status' doesn't exist
查看>>
MySQL innert join、left join、right join等理解
查看>>
vivado模块封装ip/edf
查看>>
sdc时序约束
查看>>