美文网首页
机器学习与量化交易学习笔记(一)

机器学习与量化交易学习笔记(一)

作者: 小小孩儿的碎碎念 | 来源:发表于2020-02-05 21:32 被阅读0次
    • CAPM Model:

    Portfolio 资产组合
    资产分配:[a%, b%, c%]
    abs(a%)+abs(b%)+ abs(c%) = 100%

    • Market Portfolio:

    eg:SP500、沪深三百、Etc
    基于国家经济状态的一个指标
    该指标往上走,大概可以看出股票市值往上走,但不是全部,有的会比股指高,有的会比股指低

    • 个股的CAPM model

    r_i(t) = beta_i*r_m(t)+alpha_i(t)
    t时刻某支股票的回报收益=在t时刻整个市场的回报收益*beta系数+在t时刻这支股票的残差

    相信市场有效假说的人会说alpha的期望为0,理论上为0
    CAPM says E(alpha(t)) = 0
    但是事实上我们的市场是不会有效的,故alpha的期望是不会为0的

    相信大盘model的人会认为:个股的收益和股票大盘呈线性
    Liner scaled return of the market,with some noise at mean 0.

    • 被动式管理 vs 主动式管理基金

    被动式管理:复制大盘指数,持有
    主动式管理:选择个股,频繁交易
    r_i(t) = beta_i*r_m(t)+alpha_i(t)
    关键分歧:Alpha 是否是随机噪声,alpha的期望值是否为零

    • 投资组合的CAPM模型

    r_p(t)=\sum_{i}w_i*(beta_i*r_m(t)+alpha_i(t))
        =\sum_{i}[w_i*beta_i*r_m(t)+w_i*alpha_i(t)]
        =\sum_{i}w_i*beta_i*r_m(t)+\sum_{i}w_i*alpha_i(t)

    r_p(t)=beta_p*r_m(t)+alpha_p(t)

    • 几个推论

    E(alpha) = 0
    选择好的beta值。
    牛市:大beta
    熊市:小beta
    如果市场有效假说成立,我们无法预测股市,也选不出来合适的beta

    • 价格套利理论(APT)

    r_i(t) = beta_i*r_m(t)+alpha_i(t)
    beta不是常数,而是变量
    beta=w*r

    • 两只股票的例子

    Stock A: +1% mkt , beta = 1.0
    Stock B: -1% mkt , beta_b = 2.0
    Long A, short B.

    • 技术分析 vs 基本面分析

    历史数据:
    ◦ 价格,交易量
    ◦ 计算指标(features)
    ◦ 启发式选择(经验,机器学习)

    • 最基本的指标以及机器学习怎么介入

    Momentum 动量线 mom[t] = price[t] / (price[t-n]) – 1
    SMA : Simple Moving Average. (smooth, laggged) ... 可以看作一种滤波器
    BB (bollinger bands) BOLL指标 : 决策边界是两个标准差

    相关文章

      网友评论

          本文标题:机器学习与量化交易学习笔记(一)

          本文链接:https://www.haomeiwen.com/subject/snisxhtx.html