稳健收益型量化交易模型_20161212
量化投资策略与数据模型分析
量化投资策略与数据模型分析随着金融市场的不断发展，传统的投资分析方式已经不能满足现代投资者对于风险控制和收益优化的需求。
相较于基于直觉和经验的投资，量化投资在证券市场中表现出了更为卓越的效果。
量化投资是指基于大量数据和科学算法分析或预测投资市场未来走势的一种投资策略。
可以说，量化投资是对传统投资分析的补充和提高。
它以科技手段为工具，运用金融学、运筹学、统计学等多个学科知识，利用大数据技术收集、分析市场数据，构建处于不断演进的投资模型，制定出每天甚至每秒钟的交易策略。
量化投资主要的优势在于它可以解决人类投资者无法解决的问题。
首先，量化投资可以快速判断市场是否处于悲观或乐观状态，以及临界点。
其次，它也可以准确无误地分析或预测投资品种的走势，精确计算风险和收益的比率，制定好自身的投资策略。
这使得量化投资在快速变化的投资市场中更加卓越。
量化投资最鲜明的特点就是依赖于大量的数据分析。
而对于量化投资者来说，在数据收集的过程中，如何选取数据、构建数据模型和对数据进行管理都至关重要。
首先，数据采集必须符合量化投资的需求。
采集的数据要尽可能地详细和全面，数据来源必须是可信的。
其次，在数据处理方面，数据模型建立过程中往往涉及到变量选择和参数拟合等问题，因此一定要避免过拟合或欠拟合导致的错误。
最后，数据管理方面需要运用各种技术手段，在数据存储中加强安全措施，以确保数据的完整性和保密性。
而在数据模型的建立方面，量化投资者通常需要运用统计分析和机器学习等方法。
它们可以有效发挥出它们独特的优势，使得策略的预测和调整更加准确和灵活。
在统计分析过程中，量化投资者可以分析市场走势或者公司的行业地位，对应到数学上，也就是不同的统计分布，从而预测市场的走势。
而在机器学习中，技术更加复杂，它可以从历史数据中自主学习，并根据自己的判断力进行预测。
但无论是哪种方法，都离不开充足的数据支撑。
不过，量化投资并非银弹，过度依赖数据模型也可能造成投资失误。
量化交易在金融投资领域的应用
量化交易在金融投资领域的应用随着科技的不断发展，金融投资领域也不断的涌现出各种新的投资方式和工具。
其中，量化交易便是一种较为新颖的投资方式，也是近年来备受关注的一个话题。
那么，什么是量化交易？它又是如何在金融投资领域应用的呢？一、什么是量化交易？量化交易是一种利用数学模型和计算机程序来选定投资策略并执行交易的投资方法。
它通过技术分析、基本面分析、统计分析等方法提取数据规律，并将其应用于实际投资交易。
通过对历史数据进行回测，不断改进模型和参数，从而达到盈利的目的。
总体来说，量化交易所关注的是数据以及数据背后的规律，而不是人类的主观判断和决策。
二、量化交易的应用1. 投资能力相比于传统的投资方式，量化交易通过数据和计算模型分析过往市场数据，更为准确的分析市场行情以及预测市场趋势，从而增强投资者的投资能力。
并且，随着计算机科技的不断发展，量化交易模型也能够更快地进行交易决策和操作，节约了交易人员繁琐的工作，不必担心交易人员的情感因素影响交易，从而更有把握获得收益。
2. 策略创新量化交易模型是基于逻辑的数据分析与处理，交易策略的制定更为科学。
相比于短视的投资者，量化交易倾向于从宏观层面分析市场趋势和市场规律，从而制定更合理和稳定的交易策略。
该交易模型还可以通过大量的数据分析和风险测试，不断进行优化和创新。
这也意味着，量化交易可以帮助投资者更好地适应市场的变化和风险。
3. 风险控制量化交易更加科学和准确的分析市场行情，从而可以更好的控制风险。
与传统的交易方式不同的是，量化交易使用决策处理逻辑，能够明确确定交易时机，并及时识别市场波动的情况，从而避免更大的风险。
同时，在进行交易策略时，量化交易可以结合交易时的市场情况、各类指标等，更好地评估风险和收益，达到较好的风险控制效果。
三、结语随着科技的不断发展和金融投资的不断深入，量化交易的应用将会越来越广泛。
它既能够提高投资效率，又能够科学的分析市场和控制风险，也为投资者创造收益。
金融风险管理中的量化模型与策略
金融风险管理中的量化模型与策略第一章：引言在金融领域，风险管理是一项至关重要的任务。
金融市场的不确定性和波动性使得风险管理成为银行、投资公司和其他金融机构的关键任务。
量化模型和策略的运用可以有效帮助这些机构管理风险，确保其经营的安全和稳定。
第二章：量化模型在金融风险管理中的应用2.1 VaR模型VaR（Value at Risk）模型是一种广泛使用的量化风险测量工具。
该模型能够基于历史数据和统计分析，估计资产组合的最大可能损失。
VaR模型通过计算某个特定置信水平下的风险值，帮助金融机构确定适当的风险水平。
2.2 应用案例：VaR模型在股票投资中的风险管理通过使用VaR模型，投资者可以确定基于历史数据和市场预期，他们在投资组合中面临的风险。
该模型可以帮助投资者制定合理的投资策略，减少可能的损失。
第三章：策略在金融风险管理中的应用3.1 对冲策略对冲策略是一种广泛应用的风险管理方法。
它通过同时买入和卖出相关性强的资产，以抵消不同资产间的价格波动对投资组合的影响。
对冲策略能够降低投资组合的整体风险，并提高投资回报。
3.2 应用案例：对冲策略在外汇风险管理中的应用外汇市场的波动性较大，投资者可能面临着严重的汇率风险。
通过使用对冲策略，投资者可以通过期货合约等金融工具来抵消这些风险，保护他们的投资组合免受汇率波动的影响。
第四章：量化模型和策略的优势和局限性4.1 优势量化模型和策略的优势在于它们能够基于数据和统计分析，提供客观和可量化的风险评估。
这使得金融机构能够更好地理解和管理其面临的风险。
4.2 局限性然而，量化模型和策略也存在一些局限性。
它们依赖于历史数据和统计分析，无法预测未来的事件和市场波动。
此外，这些模型和策略也无法考虑到人为因素和市场情绪对风险的影响。
第五章：未来趋势和发展方向5.1 人工智能在金融风险管理中的应用人工智能的发展为金融风险管理带来了新的机会。
通过利用大数据和先进的算法，人工智能可以帮助金融机构更好地识别和管理风险。
证券投资风险管理的量化模型与工具分享
证券投资风险管理的量化模型与工具分享在证券投资领域，风险管理是投资者必不可少的一项能力。
为了有效管理投资风险，量化模型和工具成为了投资者们的重要辅助手段。
本文将分享一些被广泛应用于证券投资风险管理中的量化模型和工具，并介绍它们的应用和优势。
一、价值-at-风险（VaR）模型VaR模型是一种被广泛应用于风险管理的量化模型。
它基于历史数据，通过对投资组合可能的损失进行统计计算，提供了一个投资组合在给定置信水平下的最大可能损失金额。
VaR模型可以帮助投资者了解投资组合在不同市场条件下的风险暴露，并制定相应的风险管理策略。
例如，当VaR值超过预先设定的阈值时，投资者可以决定减少敞口或平仓以控制风险。
二、马科维茨组合优化模型马科维茨组合优化模型是一个经典的投资组合构建模型。
它通过分析不同证券资产的历史收益率和风险，寻找最优的资产配置方案。
该模型可以帮助投资者在追求较高收益的同时，有效控制风险。
通过最小化投资组合的方差或标准差，马科维茨模型可以构建出效率前沿，帮助投资者找到理想的资产配置比例。
三、风险价值（CVaR）模型CVaR模型是对VaR模型的一个补充。
与VaR只关注异常情况下的最大可能损失不同，CVaR考虑了在VaR水平下，超过VaR的损失的平均值。
在一些风险敏感的投资者中，CVaR模型被广泛应用于风险度量和风险管理。
通过计算投资组合的CVaR值，投资者可以更加全面地评估投资风险，并制定相应的风险控制策略。
四、技术分析工具除了以上介绍的量化模型之外，技术分析工具也是投资者常用的风险管理辅助工具。
技术分析通过对市场交易数据的图表、指标和图形进行分析，提供了一种评估证券价格和趋势的方法。
例如，移动平均线、相对强弱指标和随机指标等工具，可以帮助投资者识别价格的趋势和支撑阻力位，从而调整投资策略并控制投资风险。
五、风险模型评估工具风险模型评估工具是用于评估投资组合风险模型有效性的软件工具。
它们通常结合历史数据和模拟方法，对风险模型在过去市场情况下的预测精度进行检验，并提供性能指标和风险度量的输出。
期货交易中的量化交易模型
期货交易中的量化交易模型一、引言随着科技进步和数据处理能力的提升，量化交易模型在金融领域中扮演着越来越重要的角色。
在期货交易中，量化交易模型通过运用复杂的算法和数学模型，利用历史数据进行分析和预测，从而帮助交易员做出更为理性和精确的决策。
本文将介绍期货交易中的量化交易模型及其应用。
二、传统交易与量化交易模型1. 传统交易方法的局限性传统的期货交易方法主要依赖于交易员的经验和直觉，通常辅以一些基本的技术指标分析。
然而，这种方法往往受制于人类的主观判断和情绪波动，容易受到外部因素的干扰，导致交易结果的不稳定和风险的增加。
2. 量化交易模型的优势量化交易模型通过大量的历史数据和复杂的算法进行模拟和回测，可以剔除主观情感因素，实现对市场的客观分析和预测。
其优势主要体现在以下几个方面：（1）准确性：量化交易模型可以精确地分析市场行情和价格走势，辅助交易员制定具有科学依据的交易策略。
（2）纪律性：量化交易模型遵循既定的规则和策略，不受情绪和心理因素的影响，有助于保持交易员的纪律性和冷静思考。
（3）风险控制：量化交易模型可以提供风险管理和控制策略，通过设置止损和止盈机制，有效地控制交易风险。
（4）高效性：量化交易模型可以自动执行交易指令，减少人工操作，提高交易效率。
三、量化交易模型的应用1. 基于统计学的量化模型基于统计学的量化模型是最常用和最基础的模型之一。
该模型通过对历史数据的统计分析，提取出价格的统计规律，进而进行趋势预测和波动率估计。
常见的统计学模型包括均值回归模型、马尔可夫模型和协整模型等。
2. 基于技术指标的量化模型技术指标是量化交易中常用的工具之一，通过计算价格和交易量的变化，帮助交易员判断市场的买入和卖出信号。
常见的技术指标包括移动平均线、相对强弱指标（RSI）和布林带等。
量化模型可以根据技术指标的数值和交叉等信号，制定具体的交易策略。
3. 基于机器学习的量化模型机器学习技术在量化交易中发挥着越来越重要的作用。
期货市场中的量化交易模型与策略
期货市场中的量化交易模型与策略在当今金融市场中，量化交易已经成为了一种趋势，特别是在期货市场中。
量化交易是指使用数学模型、统计学方法和计算机算法来进行交易决策和执行的一种交易方式。
本文将介绍期货市场中的量化交易模型与策略，并探讨其在市场中的应用和优势。
一、量化交易模型量化交易模型是指基于数学和统计学原理，通过对市场数据和历史交易数据的分析，构建出用于决策的模型。
这些模型能够通过对市场行情的判断和价格走势的预测，为交易者提供决策依据。
1.1 趋势跟随模型趋势跟随模型是最常见的量化交易模型之一。
该模型认为市场价格的上升或下降趋势将延续一段时间，交易者可以通过跟随市场的主要趋势进行交易。
这种模型利用移动平均线、布林带等技术指标来辅助判断市场趋势，并通过设定止损点和获利点来进行交易。
1.2 套利模型套利模型是利用市场上价格差异来获取稳定收益的一种策略。
这种模型利用统计学方法和计量经济学模型来识别价格的不合理差异，并通过建立相应的交易策略进行套利操作。
常见的套利策略包括期现套利、跨品种套利等。
1.3 市场情绪模型市场情绪模型是基于市场参与者情绪对市场走势的影响而构建的模型。
该模型通过分析市场参与者的情绪指标、新闻事件等信息，并结合市场数据进行交易决策。
例如，当市场情绪过度乐观时，可能会导致市场泡沫，投资者可以通过该模型来进行反向交易。
二、量化交易策略量化交易策略是基于量化交易模型构建的具体实施方法和规则。
通过策略的制定和执行，交易者能够以更加科学和系统化的方式进行交易。
2.1 交易信号策略交易信号策略是基于量化模型的买卖信号来进行交易的一种策略。
通过设定一定的买入和卖出信号，交易者可以根据模型的判断来进行交易决策。
这种策略可以有效降低主观判断和情绪对交易的影响，提高交易的准确性和稳定性。
2.2 风险控制策略风险控制策略是在量化交易中不可或缺的一环。
通过设定止损点、获利点和仓位控制等规则，交易者可以合理控制风险，避免因单个交易造成大额损失。
金融交易中的量化风险模型技术教程
金融交易中的量化风险模型技术教程量化风险模型是金融交易领域中的一种重要技术工具，它能够帮助投资者评估和管理风险，以提高投资决策的准确性和效率。
本文将为您介绍金融交易中的量化风险模型技术，并探讨其在实际交易中的应用。
1. 什么是量化风险模型技术量化风险模型是基于统计学和计量经济学理论，通过建立数学模型和算法来评估和管理金融资产的风险。
它可以通过对历史数据的分析和建模，来预测未来市场波动和价格变动的可能性。
量化风险模型技术主要包括两个方面的内容：一是市场风险模型，用于评估市场风险和市场波动性；二是信用风险模型，用于评估信用违约的可能性和损失。
2. 市场风险模型市场风险模型用于衡量金融市场的波动性和潜在损失。
其中，最经典的市场风险模型之一是VaR（Value at Risk），它用于度量投资组合在给定置信水平下的最大可能亏损。
VaR模型可以通过历史模拟法、蒙特卡洛模拟法或基于参数的方法来计算。
除了VaR模型外，还有一些其他常用的市场风险模型，如波动率模型、利率模型等。
这些模型可以根据不同的金融市场和资产类型进行调整和适应，以更准确地预测市场的波动性和风险。
3. 信用风险模型信用风险模型用于评估债券、贷款等债务工具的违约风险和损失可能性。
其中，最常用的信用风险模型之一是违约概率模型。
违约概率模型可以通过分析债券发行人的财务状况、市场指标和宏观经济因素等来评估违约的概率和损失。
另外，还有一些其他常用的信用风险模型，如违约相关模型、违约相关证券模型等。
这些模型可以帮助投资者更全面地评估债券和贷款的信用风险，从而制定合理的风险管理策略。
4. 量化风险模型的应用量化风险模型技术在金融交易中具有广泛的应用。
首先，它可以帮助投资者进行风险测量和预测，从而提高投资决策的准确性。
通过量化模型，投资者可以更好地理解和评估不同投资组合的风险特征和风险收益特征，从而合理配置资产，提高投资回报率。
其次，量化风险模型还可以帮助投资者进行风险管理和控制。
量化交易的模型构建方法
量化交易的模型构建方法量化交易是一种基于数学和统计分析的交易模式，通过建立模型来预测市场趋势和价格波动，并根据模型的指导进行交易。
在构建量化交易模型时，以下是一些常用的方法和步骤：1. 数据收集：收集市场和交易数据，包括股票、期货或其他金融工具的历史价格、交易量和其他相关数据。
2. 数据预处理：对收集到的数据进行清洗和处理，去除异常值、填补缺失值，并进行数据平滑和标准化等操作，以确保数据的质量。
3. 策略设计：根据投资者的目标和需求，设计量化交易策略，确定交易的规则和条件。
这可能涉及技术指标的选择、交易信号的生成和风险管理规则的制定等。
4. 模型建立：选择适当的数学模型和算法，根据历史数据进行参数估计和模型训练，以构建预测市场走势和价格波动的模型。
常见的模型包括时间序列模型、回归模型和机器研究模型等。
5. 回测和优化：使用历史数据对构建的模型进行回测和优化，评估模型的性能和稳定性，并通过参数调整和策略改进来提高模型的表现。
6. 实时应用：将优化后的模型应用于实时市场数据，并根据模型的信号进行交易决策。
在实际交易中，还需考虑交易成本、流动性风险和市场变化等因素。
7. 风险管理：制定有效的风险管理策略，包括止盈止损机制、仓位控制和风险分散等，以降低风险并保护投资组合的价值。
8. 监控与修正：监控模型的运行和交易表现，及时调整和修正模型，以适应市场的变化和模型的衰退。
以上是构建量化交易模型的基本方法和步骤。
需要注意的是，量化交易模型的构建是一个复杂的过程，需要充分的数据分析能力和市场理解，同时也需要不断研究和改进，以应对不断变化的市场环境。
参考文献：- Chan, E. P. (2013). Quantitative trading: how to build your own algorithmic trading business. John Wiley & Sons.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
量化交易组合的构建
• 交易策略
投资组合构建
– 多策略：趋势型、突破型、反转型 – 多参数：异质参数 – 多周期：15min，60min – 多品种：17个（股指、国债；螺纹钢、 焦炭等活跃商品期货）
策略参数半年 优化一次
5
量化交易组合的构建
量化指标：收益 单品种 风险比、平均收 益风险比等 筛选交易单元 （多策略、多参数、多周期） 多交易单元程序
以最大程度保护委托人本金
9
0.9500
1.0500
1.1500
1.2500
1.3500
1.4500
1.5500
1.6500
业绩比较基准
产品，连续发行约240个产品作为样本
自2015.01.05起，每天发行一个一年期
模拟单位净值
连续发行业绩比较基准 6%-20%
截止日期：2016年12月09日
10
2014/12/31 2015/01/16 2015/01/30 2015/02/13 2015/03/06 2015/03/20 2015/04/03 2015/04/20 2015/05/05 2015/05/19 2015/06/02 2015/06/16 2015/07/01 2015/07/15 2015/07/29 2015/08/12 2015/08/26 2015/09/11 2015/09/25 2015/10/16 2015/10/30 2015/11/13 2015/11/27 2015/12/11 2015/12/25 2016/01/11 2016/01/25 2016/02/15 2016/02/29 2016/03/14 2016/03/28 2016/04/12 2016/04/26 2016/05/11 2016/05/25 2016/06/08 2016/06/24 2016/07/08 2016/07/22 2016/08/05 2016/08/19 2016/09/02 2016/09/20 2016/10/11 2016/10/25 2016/11/08 2016/11/22 2016/12/06
产品风控
专业的运营人员严把“三线”，触及预定线、 预警线清盘线时需立即采取应对措施限制风
风控系统更加完善、健全
8
量化交易组合的风控
正常净值
• 按约定杠杆开仓/持仓 • 触及预定线每日根据预估值 发送风控报告 • 限制开仓/持仓比例
预警净值
清盘净值
• 控制可用资金大于一定比例
• 禁止开仓，强制平仓
• 控制管理人有限补偿金额可
17
委托人收益分析
序列 1 2 3 4 5 6 7 8 9 10 11 12 产品净值 0.8700 0.8900 0.9225 0.9600 1.0000 1.0200 1.0400 1.0600 1.0800 1.1100 1.1600 1.2200 投资金额 870.1 870.1 870.1 870.1 870.1 870.1 870.1 870.1 870.1 870.1 870.1 870.1 投资收益 -113.11 -95.71 -67.43 -34.80 0.00 17.40 34.80 52.21 69.61 95.71 139.22 191.42 最大补偿 113.01 115.61 119.83 124.70 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 清算收益 -0.1 -0.1 -0.1 -0.1 0.0 17.4 34.8 52.2 69.6 95.7 139.2 191.4 清算净值 0.9999 0.9999 0.9999 0.9999 1.0000 1.0200 1.0400 1.0600 1.0800 1.1100 1.1600 1.2200
42/3375 睿博1号 (朝阳永续) 2016/11/24
数据来源： 私募排排网 /screen.html 朝阳永续 /data/info/Fund.aspx?fundType=1&key=
20
第一创业期货公司介绍
第一创业
FIRST CAPITAL
第一创业
FIRST CAPITAL
开放·创新·包容·协作
稳健收益型量化交易模型
第一创业期货 2016.12
量化交易技术
Signaling
交易策略开发
投资组合构建
仓位管理
资金管理
趋势跟踪 区间突破 逆市反转 价差交易 形态模式
多策略组合
信号加仓 信号减仓
安全垫 复利效应
多周期组合
多品种组合 投资组合 选择策略
收益风险比 4.69 最大资产回撤 6.79%
13
睿博2号单位净值
第一创业期货——睿博2号单位净值
1.3800
1.3300
收益风险比 13.17
1.2800
最大资产回撤 6.27%
1.2300
1.1800
1.1300
1.0800
1.0300
0.9800 2016/06/07 2016/06/30 2016/07/20 2016/08/09 2016/08/29 2016/09/20 2016/10/17 2016/11/04
单品种最优组合
投资组合构建
化动态加减仓
17个品种 筛选交易品种
投资组合半年 调整一次
多品种最优组合
仓位管理
6
量化交易组合的风控
风险控制流程 风 控 委 员 会
风险 控制 方案
投 资 经 理
7
量化交易组合的风控
• 风控方案实施
资金管理
交易内控
资产管理部设风控员岗位，全程监控产 品交易，处理异常事件，实施交易风控 险进一步扩大
14
睿博3号单位净值
第一创业期货——睿博3号单位净值
1.1900
截止日期：2016年12月09日
收益风险比 2.27
1.1400
最大资产回撤 8.11%
1.0900
1.0400
0.列单位净值
睿博1号单位净值 1.4000 1.3500 1.3000 1.2500 1.2000 1.1500 1.1000 睿博2号单位净值 睿博3号单位净值
收益率概率分布
60 50 40 31 30 20 13 10 0 5 8 4 4 3 2 4 1 2 19 14 12 9 9 2 2 32 54
1、最低年化收益率为10.22%，最高年化收益率为56.88%，平均年化收益率为27.95%。 2、有98.26%的样本的年化收益率分布在10.22%到52.22%之间，有54.35%的样本的年化 收益率分布在24.22%到40.55%之间。 3、以样本概率分布统计为基础，主要参考最低年化收益率和平均年化收益率，扣除各 种产品费用后，得出业绩比较基准区间约为6% -20%。 11
量化交易策略原理
多头信号
Break
策略
Signaling
交易策略开发
Trend 策略
期货交易： • 双向 • T+0 • 交易杠杆
多头信号
Reverse 策略 多头信号
3
多品种多策略多周期的优势
资产1 资产2 总资产
• • •
多品种分散 多策略分散 多时间周期分散
不要把鸡蛋放在 一个篮子里
年化波动率 最大回撤
第一创业期货是经中国证券监督管理委员会批准，依托第一创业证券有限责任公
司背景的全资控股的专业型金融企业，注册资本金１.7亿。第一创业期货有限责任公
司将依托“第一创业”的品牌，秉持“以客户为中心，以创新为动力”的经营方针， 以国际化的视野、丰富的市场经验、娴熟的专业技能以及高度的职业精神，致力于为
中国企业和投资者提供优质全面的金融产品和服务。
12
睿博1号单位净值
第一创业期货——睿博1号单位净值
1.4000 1.3500 1.3000 1.2500 1.2000 1.1500 1.1000 1.0500 1.0000 0.9500 2016/01/06 2016/04/06 2016/07/06 2016/10/06
截止日期：2016年12月09日
18
睿博系列产品净值
产品名称
起始日
净值日
单位净值
优先级
进取级
睿博1号
睿博3号
2015-12-31
2016-06-30
2016-12-07
2016-12-07
1.3016
1.0905
1.0754
1.0353
1.7541
1.2700
19
睿博1号产品排名
产品名称 排名 113/3604 睿博1号 (私募排排网) 2016/11/05
截止日期：2016年12月09日
1.0500
1.0000 0.9500 0.9000 2016/01/06 2016/02/24 2016/04/07 2016/05/20 2016/07/05 2016/08/16 2016/09/29 2016/11/17
16
产品说明
计划类型 管投比率 交易杠杆 费率 预警线 清盘线 业绩比较基准 业绩报酬 管理型（管理人有限补偿） 12.99% 1.00 管理费：3.20%；托管外包：0.15%；赎回费：产品 运行不足半年，3.00%，产品运行超过半年，1.50% 0.89 0.87 6.00%-20.00% 无
实盘模拟对比—睿博1号
截止日期：2016年12月09日
1.3800 模拟交易单位净值(对比) 单位净值（睿博1号）(对比)
1.3300
1.2800
实盘交易与模拟 交易高度拟合
1.2300
1.1800
1.1300
1.0800
1.0300