量化选股策略：风格轮动模型
市场上的投资者是有偏好的，有时候会偏好价值股，有时候偏好成长股，有时候偏好大盘股，有时候偏好小盘股。由于投资者的这种不同的交易行为，形成了市场风格，因此在投资中，利用市场风格的变化，进行轮动投资会比一直持有的效果好很多。
基本概念股票开户股票开户
投资风格是针对股票市场而言的，是指投资于某类具有共同收益特征或共同价格行为的股票，即某类投资风格很受欢迎，并且在某一个时间段内具有持续性和连续性(譬如，价值投资和成长型投资两种风格，或者大盘股和小盘股这两种风格总是轮流受到市场追捧).
由于投资风格的存在，从而产生一种叫做风格动量的效应，即在过去较短时期内收益率较高的股票，未来的中短期收益也较高；相反，在过去较短时期内收益率较低的股票，在未来的中短期也将会持续其不好的表现。
比如：在2009年是小盘股风格，小盘股持续跑赢沪深300指数；而在2011年，则是大盘股风格，大盘股跌幅远远小于沪深300指数。如果能事先通过一种模型判断未来的风格，进行风格轮动操作，则可以获得超额收益。
晨星风格箱判别法
晨星风格箱法是一个3×3矩阵，从大盘和小盘、价值型和成长型来对基金风格进行划分，介于大盘和小盘之间的为中盘，介于价值型和成长型之间的为混合型，共有9类风格，如表所示。
(1)规模指标：市值。通过比较基金持有股票的市值中值来划分，市值中值小于10 亿美元为小盘；大于50亿美元为大盘；10亿~50亿美元为中盘。
(2)估值指标：平均市盈率、平均市净率。基金所持有股票的市盈率、市净率用基金投资于该股票的比例加权求平均，然后把两个加权平均指标和标普500成份股的市盈率、市净率的相对比值相加，对于标普500来说，这个比值和是2。如果最后所得比值和小于1. 75，则为价值型；大于2.25为成长型；介于1.75~2.25之间为混合型。
这也就是我们经常看到的基金的分类，比如：华夏大盘、海富小盘等名称的由来。 风格轮动的经济解释
宏观经济表现强劲时，小市值公司有一个较好的发展环境，易于成长壮大，甚至还会有高于经济增速的表现，因此，小盘股表现突出的概率高于大盘股。而当经济走弱时，由于信心的匮乏和未来市场的不确定性，投资者可能会倾向于选择大盘股，起到防御作用，即使低通货膨胀、货币走强，也不足以冒险去选择小盘股。
研究发现，经济名义增长率是用来解释规模效应市场周期的有力变量。当名义增长率提高时，小市值组合表现更优，因为小公司对宏观经济变动更为敏感，当工业生产率提高、通货膨胀率上升时，小公司成长更快。
案例大小盘风格轮动策略
大小盘轮动最为投资者所熟知，本案例就A股市场的大小盘风格轮动进行实证研究，通过建立普通的多元回归模型来探寻A股的大/小盘轮动规律。
1。大小盘风格轮动因子如下：
(1)M2同比增速：M2同比增速为货币因素，表征市场流动性的强弱。当流动性趋于宽松时，小盘股相对而言更容易受到资金的追捧。
(2)PPI同比增速：PPI反映生产环节价格水平，是衡量通胀水平的重要指标；且PPI 往往被看成CPI的先行指标。
(3)大/小盘年化波动率之比的移动均值：波动率表征股票的波动程度，同时也在一定程度上反映投资者情绪；可以认为大/小盘年化波动率之比能够反映出一段时间内大/小盘风格市场情绪的孰强孰弱，而经过移动平滑处理后的数值则更加稳定。
2。预测模型
基于上面所讲的风格因子建立如下回归模型：
D(Rt)=α+β1·MGt-1+β2·PGt-3+β3·σt-3+εt
其中，D(Rt)为当月小/大盘收益率差(对数收益率)；MGt-1为上月M2同比增速；
PGt-3为3个月前PPI同比增速；σt-3为3个月前小/大盘年化波动率之比的移动平滑值；εt为误差项。
本案例采用滚动78个月的历史数据对模型进行回归，得到回归系数后对后一期的
D(Rt)进行预测，由修正预测值的正负来进行大/小盘股的投资决策。数据预测期为2004年6月至2010年11月。
3。实证结果
在78个月的预测期中，准确预测的月数为42个月，准确率约为53.85%，并不十分理想。但值得一提的是，2009年10月至2010年12月，模型的预测效果非常好，
若从2004年6月开始按照轮动策略进行投资，则截至2010年11月底轮动策略的累计收益率为307.16%，同期上证综指的收益率为81.26%，小盘组合的累计收益率为316.97%；轮动策略稍逊于小盘组合，但仍较大幅度地跑赢了市场指数。
轮动策略在2007年的大牛市中能够很好地跟随大盘股的节奏，而在2009年以来的结构性行情中又能较好地捕捉小盘股的投资机会。
若从2007年初开始采用轮动策略进行投资，则截至2010年11月底累计收益率可达458. 65%，大幅超越同期上证综指及大、小盘组合的收益率。
文章来源：重庆股票开户https://www.360docs.net/doc/c715553807.html,/
7种量化选股模型
7种量化选股模型 1、【多因子模型】 2、【风格轮动模型】 3、【行业轮动模型】 4、【资金流模型】 5、【动量反转模型】 6、【一致预期模型】 7、【趋势追踪模型】 1、【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。 回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。
候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验， 具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n 个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2 个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余因子剔除步骤为： （1）先对不同因子下的n个组合进行打分，分值与该组合在整个模型形成期的收益相关，收益越大，分值越高 （2）按月计算个股的不同因子得分间的相关性矩阵； （3）在计算完每月因子得分相关性矩阵后，计算整个样本期内相关性矩阵的平均值 （4）设定一个得分相关性阀值 MinScoreCorr，将得分相关性平均值矩阵中大于该阀值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子，而其它因子则作为冗余因子剔除。
7种量化选股模型
【多因子模型】 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体的冗余
多因子量化选股模型建立及优化
多因子量化选股模型建立及优化 股市在不断的变化,所以从目前来看,不断探讨哪些指标在量化选股中更为有效,是具有现实意义的。这也是本文研究工作开始的初衷。 在整个研究过程中,保持数据的严谨性、中立性、数据处理方法的科学性对于研究结论的准确性来说至关重要。本文首先构建了一个比较全面的候选因子库,通过对候选因子数据进行异常值、缺失值、标准化、市值中性化、行业中性化等一系列的处理之后,本文对候选因子进行有效性检验及再筛选,最终认为 RP_TTM(净利润TTM/总市值)、BP_LF(净资产TTM/总市值)、operete_profin gr_TM(营业利润增长率TTM)、sales_gr_TTM(营业收入增长率)、BOOK_LEVEL(账面杠杆)、stock_to market_volatility(个股与市场波动率比值)、 REV_LAST1M_MAX(近一个月日收益率最大值)、RSI(相对强弱)等八个因子是较为有效的因子。 在得出有效因子之后,本文利用打分法来构建八因子选股模型,回测区间选定为2016年1月至2019年4月。通过对模型的回测,我们发现本文构建的八因子模型相比于沪深300,有着较为稳定的超额收益。 在整个回测时间段内,八因子模型的总收益为41.02%,年化收益为11.07%。相比于基准的收益情况,八因子模型相对总收益为32.28%,年化平均超额收益为8.92%。 为了深入研究,我们对原有模型进行优化,优化方案为“在利用八因子模型进行正式选股之前,首先以增长率-经营活动产生的现金流量净额(TTM)指标对股票池进行初步筛选”。通过对优化八因子模型进行回测,我们发现加入增长率-经营活动产生的现金流量净额(TTM)指标优化后的八因子模型回测表现更好。
有关课程关系量化分析的数学模型
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的参赛报名号为（如果赛区设置报名号的话）：05 所属学校（请填写完整的全名）：大学 参赛队员(打印并签名) ：1. 瑞 2. 呼建雪 3. 朱培育 指导教师或指导教师组负责人(打印并签名)： 日期：2012 年8 月27 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
关于课程关系量化分析的数学模型 摘要 本文探讨研究了关于某高校两个专业四门课程分数、学生学习水平的差异显著性以及课程间相互影响的情况。 首先我们对两个专业的各科成绩分别统计了平均值、标准差、及格率以及优秀率这些统计量值，又根据这些数据作出了特性指标矩阵；然后采用模糊聚类分析中的最优划分法得到了聚类分类结果，得到结论为：两专业的高级程序设计语言分数差异性显著，其他三门科目均没有显著差异。 接着我们根据课程间的联系，采用层次分析法得到各个科目在总成绩中所占的权重，即得到关于衡量学生学习水平的总成绩模型： 4j 3j 2j 1j 0.2323x 0.3619x 0.6090x 0.6664x +++=y 然后利用单因素方差分析法得到专业对学生学习水平影响的显著性05.0132.0>，即两个专业学生的学习水平无明显差异。 对于问题（3），我们直接利用SPSS 软件中的回归分析法得到高级程序语言设计、离散数学两门课程学习的优劣会影响到数据结构和数据库原理的学习。 最后，综合以上分析得到对于专业主干课的学习，我们应该认真学好专业基础课，以便为后续课程的学习打好基础。 关键词： 模糊聚类分析 层次分析 单因素方差分析 回归分析
最新 基于多因子模型的量化选股分析-精品
基于多因子模型的量化选股分析 随着中国资本市场复杂程度日渐加深和规模日益庞大，投资品种和数量与日俱增，无论是个人或是机构投资者所拥有的投资渠道与投资方法也在逐渐增多。量化投资作为一种来自海外资本市场的先进技术，在海外资本市场中受到了广泛追捧，著名的西蒙斯与大奖章基金便是利用了量化投资技术，于1989~2007年间获得了高达38.5%的平均年收益率。中国的量化投资发展虽仍在起步阶段，、金融学、科学相结合的优势来寻求超额收益。据统计显示，截至2016年10月，中国公募基金中共有48支基金以“量化”命名，其中长信量化先锋基金（519983），申万菱信量化小盘股票基金（163110）与大摩多因子策略混合基金（233009）等均表现出色，具有较高的年化收益率。而无论是在个体投资或是基金投资中，多因子选股模型均是较为广泛的量化模型之一。本文基于多因子模型策略，利用2011~2015年的数据对投资过程中的常用因子进行有效性检验，并使用有效因子构建基本多因子模型，根据假设创造性地使用简单打分法构建投资组合，基于2014~2016年的历史数据进行实证分析，为广大一般投资者提供了一种简单可行且收益率超过市场表现的投资策略。最后结合行业轮动效应与面板数据的多元回归分析对基本模型进行了深化与修正，创新性地提出了基于多因子模型的更多投资策略，也为较深层次的理论研究者提供了思路与数据参考。 一、文献综述 关于量化投资选股策略的研究涉及许多方面，常见的包括多因子模型、风格轮动模型、动量反转模型、趋势追踪模型等。对于多因子模型，最重要的环节便是有效因子的选取。大多数论文对于有效因子的选取通常采用因子评分法，此方法最早由Piotroski（2000）提出，常见操作为：将股票池中的股票按N个候选因子的大小依次排序，按照每个排序选取排名靠前的股票等权重构建N个极端的股票组合持有到期末，计算N个组合的平均收益率并与基准的指数收益率进行比较，用此方法能成功获取alpha收益组合所使用的排序因子即为有效因子[1]。另外一种方法则是回归法，通过计量模型求得单个因子对股价波动的贡献与显著性。丁鹏曾在其《量化投资——策略与技术》一书中使用1997~2006年的历史数据对常用的因子进行了有效性检验
多因子选股策略经典梳理
多因子选股策略经典梳理 股市之道无非三点：1择时，2选股，3 仓控。精通这 三点中的任何一点，都足以在股市中所向披靡。但是精通二 字何其艰难。 在量化选股策略中。多因子策略作为一个主要武器，被各种 公募基金和私募基金长期使用（小编注：国内策略同质化相 当严重，本文仅作为交流探讨推荐）。在此我们为不熟悉多 因子的各位朋友梳理一下不同风格的因子，以及他们的有效 性。 股价是由资金推动的（上涨为正向推动，下跌为反向推动）。但是影响资金进入和推出的因子确实千千万万，有基本面 的，有消息面的，有人看国家政策，有人看分析师预测，有 人听朋友介绍，有人跟风大V等等不一二足。 下面我将从9大类33个因子来给各位逐一分析。首先给出 在长时间来看表现优秀的因子。 1、规模因子，小市值效应。（推荐指数5颗星）。 在国内外不管是成熟市场还是我国的不成熟市场，小市值效 应一直存在。并且小市值的逻辑也很清晰，市值越小被操纵 的可能性就越来大，推动的估价上涨的资金需求就越小。试 用注意事项（震荡市或牛市表现优秀，下跌市跌幅大幅快于 大盘---牛市买小股，熊市进蓝筹）2、动量反转因子。（推荐
指数5颗星） 前一个月的涨跌幅度的反转效应明显。长得多了当然要跌， 跌得多了当然要涨，均值回归远离。这个其实和我们所说的 补跌补涨类似，从长期来看如果牛市来了，大家都会涨，只 不过有的先涨，有的后涨；熊市来了大家一块跌（贪婪与恐 惧的典型表现） 3 、交投因子，即换手率因子。（推荐指数4颗星） （我们选取一个月日均换手率）。换手率高的后面表现的貌 似都不佳（但经过测算新股和次新股貌似并不适用）。逻辑依然很清晰，长期换手率高，总让人觉得有点出货的嫌疑， 不是么？4、预测因子。（推荐指数5颗星） 预测当年主营业务收入增长率（平均值）。预测收入增长但 是是利好了，预测收入增长越高，利好越高。不是么，逻辑 依然清晰。这个因子在万德等软件上有统计，各位可能不太 容易获得。因子包括9类，规模因子，估值因子，成长因子，盈利因子，动量反转因子，交投因子，波动率因子，分析师 预测因子。 1.规模类因子。包括：总市值，流通市值，自由流通市值 2.估值类因子。包括：市盈率（TTM），市净率，市销率，市现率，企业价值倍数 3.成长类因子。营业收入同比增长率、营业利润同比增长率，归属于母公司的近利润同比增长率、经营活动产生的现金流
均线模型量化股票交易
15金融专硕仰军 均线模型量化股票交易 摘要:移动平均线(MA)是股市中最常用的一种分析技术，用于在大行情的波动段找到有效的交易信号。移动平均线简单、有效，对股市操作具有较好的指导作用。均线模型能有效地打败了大部分的主观策略，成为炒股，炒期货的必备基本工具。 本文选用阿里巴巴 2014 年 9 月至今的股票数据，对其每日收盘价进行了 5 日、20 日和60 日移动平均。先用每日收盘价和 20 日平均分析一条均线的交易策略，通过找出交易信号并模拟交易，发现一条均线交易策略会有些许的亏损，但通过图表分析，此策略能够较好的预测股价走势，相对主观投资更为合理；然后用 5 日平均和 20 日平均做两条均线的交易策略，这是对一条均线模型的优化，模拟交易后发现此交易能够盈利。 关键词：股票移动平均均线交易策略模拟交易II 1.均线模型的简单介绍 移动平均线 本文采用统计学中”移动平均”的原理，计算一股票每日收盘价的简单移动平均，将一段时期内的股票价格平均值连成曲线，来显示股价的历史波动情况，进而反映股价指数未来发展趋势。 均线的特性 （1）平滑性。通过均线的平滑移动来修复股价的不规则偶然变动。 （2）灵敏性、稳定性。均线参数取值不同，其特性也不同。参数越小，灵敏性越强，稳定性越差；参数越大，稳定性越强，灵敏性越差。 （3）助涨性、助跌性。上升趋势线有助涨的特性，下降趋势线有助跌的特性。 均线模型 在日K线图中除了标准的价格K线以外，另外还有4条线，分别是白线、黄线、紫线、绿
线依次分别表示：5日、10日、20日和60日移动平均线，通过这4条线与价格K线的交叉，就可以形成不同的均线模型。 利用均线平滑的特点，可以发现均线与价格K线会有叉，各均线之间也有交叉，我们可以通过这些交叉点判断交易信号：黄金交叉，当10日均线由下往上穿越30日均线，10日均线在上，30日均线在下，其交叉点就是黄金交叉，黄金交叉是多头的表现，出现黄金交叉后，后市会有一定的涨幅空间，这是进场的最佳时机；死亡交叉，当30日均线与10日平均线交叉时，30日均线由下住上穿越10日平均线，形成 30日平均线在上，10日均线在下时，其交点称之为”死亡交叉”，”死亡交叉”预示空头市场来临，股市将下跌此时是出场的最佳时机。 2.用R语言实现模型建立 从互联网下载股票数据 利用quantmod包的getSymbols()函数，默认会通过Yahoo的金融开放API下载数据，我们选择阿里巴巴的股票数据，从2014-09-19至今的1年多的日间交易数据。数据类型为xts格式的时间序列，数据包括7个列，以日期做索引列，其他6列分别为开盘价(Open), 最高价(High), 最低价(Low), 收盘价(Close), 交易量(Volume), 调整价(Adjusted)。 自定义均线图 自定义均线指标：以日期时间序列为索引，收盘价做为价格指标，不考虑成交量及其他维度字段。取2014-09-19至今，形成趋势的数据，画出价格曲线，5日均线，20日均线，60 日均线。
量化多因子选股简论(下)
太极量化多因子选股模型简论B 第二：因子的选取 候选因子的选取 （一）大数据因子搜索数据因子，搜索频率因子，搜索关键词因子，关注度因子，大众情绪因子等。其中搜索数据因子影响较为显著。 （二）规模因子通过对给定时间内（时间为为6年）市场的分析，不管是从总市值、还是流通市值和自由流通市值看，A股市场存在较为显著的小盘股效应。市值较小股票构造的组合整体上大幅超越沪深300指数，也**优于总市值较大股票构造的组合。规模因子（总市值、流通市值、自由流通市值）是影响股票收益的重要因子，其中总市值因子最为显著。 （三）估值因子通过6年内市场的分析，整体上来说，从市盈率、市净率、市销率、市现率、企业价值倍数等估值指标看，估值较低的股票组合表现较好。估值较低股票构造的组合整体上超越沪深300指数，也优于估值较高股票构造的组合。估值因子（市盈率、市净率、市销率、市现率、企业价值倍数）是影响股票收益的重要因子，其中市盈率（PE,TTM）因子最为显著，其次是市现率（PCF,TTM）。 （四）成长类因子，营业收入同比增长率、营业利润同比增长率，归属于母公司的近利润同比增长率、经营活动产生的现金流金额
同比增长率。 （五）盈利因子通过对时间内市场的分析，整体上来说，从净资产收益率、总资产报酬率和销售毛利率等盈利性指标看，盈利能力较强的股票组合表现较好。盈利能力较强股票构造的组合整体上超越沪深300指数，也优于盈利能力较弱股票构造的组合。但销售净利率较高股票构造的组合表现反而较差，落后于沪深300指数，也落后于销售净利率较低股票构造的组合。盈利因子（净资产收益率、总资产报酬率、销售毛利率）对股票收益的影响不是特别显著，其中净资产收益率指标较为显著。 （六）股东因子户均持股比例、、户均持股比例变化、机构持股比例变化。其中机构持仓比例变化影响较为显著。 （七）分析师预测因子分析师预测因子（预测当年净利润增长率、预测当年主营业务收入增长率、最近1个月预测净利润上调幅度、最近1个月预测主营营业收入上调幅度、最近1个月盈利预测调高占比、最近1个月上调评级占比）是影响股票收益的重要因子，其中最近1个月净利润上调幅度是最为显著的正向因子。（八）动量反转因子通过对时间内市场的分析，整体上来说，A 股市场上存在较为显著的反转效应，从前1个月涨跌幅、前两个月涨跌幅、前3个月涨跌幅、前6个月涨跌幅看，前期涨幅较小的股票组合表现较好，而前期涨幅较大的股票组合表现较差。前期涨幅较小的股票构造的组合整体上超越沪深300指数，也优于盈前期涨幅较大的股票构造的组合。动量反转因子（前1个月
一个量化投资者的自白：我是如何用大数据玩转股市的!
一个量化投资者的自白：我是如何用大数据玩转股市的！ 经济学有个著名的有效市场假说：如果一个证券市场上所有的信息都能及时被投资者获取，那么证券价格会与其风险相当，是由公平竞争导致的股票真实价值。换句话来说，如果你想以合理的价位购买一只股票，你至少要知道有关这只股票的所有信息，并能够对其进行合理地分析。一只股票有多少“相关信息”？一从基本面角度来看，判断个股对应的上市公司质地的好坏，是取得投资成功与否最重要的因素。数据分析如下：第1步从各个渠道获取上市公司这四十多项指标的数据。第2步对这些数据进行分析。二从技术面角度来看，每只股票的K线形态，走势以及各类技术指标是择时的重要依据。数据分析如下：第1步获得K线形态、技术指标的相关知识，并取得对应个股的即时数据。第2步根据个股的即时数据和掌握的技术指标来计算个股的技术形态，从几百种不同类型的K线形态、技术指标中选择有效性较高的上涨形态，从而预测股票未来的涨跌，这是目前市场上绝大多数股民最痴迷的股票投资“技术”。三在股市的不同时间周期，必须考虑板块轮动效应，从而进行投资决策。数据分析如下：第1步取得所有公司的各类维度属性的数据。第2步对每个维度的数据进行分类，根据最近几个交易日每个类别所含股票的市场表现，分析并寻找出当前热点板块和下一个
有可能热起来的板块。四从机构动态来看，有些个股受到基金公司或者股票研究机构追捧，有些则被大量机构选择或建议减持，做股票投资至少不能与机构对着来这是前提。进行数据分析：第1步搜集所有机构的动态，包括研报、个股评级、基金\券商重仓、社保重仓、QFII重仓、高管增持\减持、机构新进十大流通股等。第2步根据对所有搜集到的数据进行分析和研判，进行跟风操作。五事件驱动是股票价格变动最重要的诱因。第1步通过新闻资讯网络等各个渠道，获得驱动事件。第2步根据事件寻找跟该事件相关的个股，比如今年夏天有种新的血液传染病发生，那么国内针对血液传染病的医药个股就是直接受益者，据此进行股票操作。股票投资类似打牌，你要搜集到牌桌上已经出掉的牌，从而计算你手里的牌的组合胜率有多少，利用概率去战胜市场，才能保证最高的收益。以上这些数据，你每多搜集一份，你的胜率就会提高一分。如果你选中的股票具备以上五点逻辑特征，无疑你将拥有最高的胜率！要找到这样的股票，你需做如下几件事：第一步：搜集所有公司数据，分析后寻找成长型价值公司；第二步：在符合第一点的公司里，寻找有合适的上涨技术形态的公司；第三步：在这些公司里寻找符合当前板块轮动热点的公司；第四步：在以上股票池中挑选被QFII 重仓的公司；第五步：在以上股票池中寻找有当前热门概念的公司。总的来说，其实就做了两件事：搜集数据，分析数
7种量化选股模型
7种量化选股模型
业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。 回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011 年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动
等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验， 具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n 个组合并持有到月末，每月如此，一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法，同样的可以隔N个月检验，比如2 个月，3个月，甚至更长时间。还有一个参数是候选组合的数量，是50支，还是100支，都是非常重要的参数。具体的参数最优的选择，需要用历史数据进行检验。 有效但冗余因子的剔除 不同的选股因子可能由于在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除，而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的，成交量一般也会比较大，因此在选股模型中，这两个因子只选择其中一个。 冗余因子剔除的方法：假设需要选出k 个有效因子，样本期共m 月，那么具体
行业轮动多因子选股模型及投资效果实证分析
行业轮动多因子选股模型及投资效果实证分析量化投资因其非凡的业绩表现引起了投资者的广泛关注,在过去的40年里颠覆了传统的投资哲学,被誉为“投资界的革命”。随着计算机技术的高速发展,该模式得到了更加迅速的进步和发展。许多把量化策略作为主要投资技术的资产管理公司已经发展成为同行中的佼佼者,这也说明了量化投资理念已经深入人心,量化投资技术渐渐成为主要的投资方法之一虽然我国在量化投资方面开始较晚,起点较低,且在量化投资策略研究、开发工具人才及交易技术等方面相较于国际水平比较落后,但是通过各方努力,已经在迅速发展了且取得了不错的成绩。根据统计资料可知,到2014年上半年为止我国资本市场上已有超过200只私募量化基金、87只公募量化基金和将近200只券商理财量化产品,去除大量小型化专户理财和有限合伙人投资企业等,这些量化产品管理着近千亿元人民币。 从量化产品占理财资金的比例和资本市场上现有量化策略方法的多少、量化投资思想的普及和认可度等多个角度都可以看出量化投资在我国有着非常大的发展空间。作为资本市场发展的必经阶段,量化投资也是市场有效性不断进步和发展的一种趋势。本文构建了多因子选股模型和行业轮动多因子选股模型,并采用沪深300指数成分股数据进行实证分析,实证结果表明文中构建的多因子选股模型和行业轮动多因子选股模型均可战胜沪深300指数表现,并且从多方面证明了行业轮动多因子选股模型的投资效果要好于多因子选股模型。文中第二章主要介绍了国内外量化投资的发展、经济周期的相关概念与货币周期的划分,从经济逻辑上论证了行业轮动策略的有效性及行业周期性非周期性划分依据,详细地说明了多因子选股模型的构建步骤。 第三章是对第二章中阐述的方法原理的实证检验。由实证结果可得,无论是战胜基准的概率还是信息比率和累计收益率,行业轮动多因子选股模型都好于多因子选股模型。在实证过程中还发现,行业轮动多因子选股模型优于多因子选股模型的关键之处在于当经济处于收缩阶段时非周期性行业的风险防御效果较好。
量化选股系列报告之六：基于纯技术指标的多因子选股模型
证券研究报告 | 金融工程 量化投资基于纯技术指标的多因子选股模型 2014年4月11日——量化选股系列报告之六 样本内各策略累计超额收益 资料来源：聚源数据、招商证券 样本外各策略累计超额收益 资料来源：聚源数据、招商证券 综合策略与沪深300收益 资料来源：聚源数据、招商证券 相关报告 《量化选股因子测试系列报告之 五－基于股票风格特征的量化评 分模型》2011/8/1 传统的多因子选股，主要考虑使用价值、成长、质量以及市场等四大类因子， 采用打分模型，构建月度选股策略。本报告尝试仅使用技术指标构建多因子选 股策略。在本报告中主要考察超买超卖型和趋势型指标的月度选股效果。 ?技术指标选股策略构建框架：在对单个技术指标测试时，使用优化后的参 数计算相应指标。为避免空仓月份较多的问题，提出以相对价格方式。在 考虑多个指标叠加的问题上，本文尝试：指标等权叠加、个股阈值限制、 资金等权分配以及个股多倍权重共四种方法检验模型效果。 ?趋势型指标死叉组合优于金叉组合：无论在哪种价格下，趋势型指标金叉 组合月均超额收益和累计超额收益几乎均为负，反而死叉信号给出组合这 两者基本为正值。显示股票反转效应更为明显：在趋势性指标给出买入信 号后的一个月时间，股价很可能已经反转，并且反转效应大于之前的动量 效应，导致持有金叉组合收益为负。因此基于反转效应，在处理趋势型指 标的问题上本文以死叉信号作为构建Top组合的依据。 ?样本内策略表现：在综合价格下以综合策略Ⅱ为例，样本内月均超额收益 为1.79%，月胜率在65%左右，年化信息比率达1.47。若以年化信息比率、 月均超额收益为评价标准，该方法具有明显优势。因此本文选择综合价格 下的综合策略Ⅱ作为样本内建模。 ?样本外策略检验：策略依然保持着相对于沪深300稳定的优势。过去15 个月沪深300收益率为-15%左右，而同期综合策略Ⅱ累计收益11.09%， 超额收益达26%左右，月均超额收益为1.85%，年化信息比率为1.57。 ?整体收益特征分析：综合策略Ⅱ与沪深300月收益的相关系数高达 92.36%，由此来看二者相关性非常显著。从回归方程的结果来看，相对于 沪深300的β系数为1.07，略大于1；α为1.13％，显著大于0。此外值 得注意的是，回归方程的拟合优度R 为0.853，拟合效果非常好。 ?未来可改进的方向：1、可以考虑以滚动5年作为样本内进行参数优化，并 用接下来1年作为样本外测试，构造动态选股模型；2、可在中证500、中 证800乃至全市场股票池中验证本文提出的选股策略效果；3、继续挖掘其 他类型指标。 陈军华 0755-******** chenjh2@https://www.360docs.net/doc/c715553807.html, S1090513080001 罗业华 0755-******** luoyh@https://www.360docs.net/doc/c715553807.html, -14% -12% -10% -8% -6% -4% -2% 0% 0% 50% 100% 150% 200% 250% 300% 350% 回撤超买超卖型趋势型 综合策略Ⅰ综合策略Ⅱ
多因子选股模型
多因子选股模型
————————————————————————————————作者: ————————————————————————————————日期：
多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入,不满足的则卖出。基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上,那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员,获得超越平均成绩的可能性较大。多因子模型的原理与此类似,我们只要找到那些对企业的收益率最相关的因子即可。 各种多因子模型核心的区别第一是在因子的选取上,第二是在如何用多因子综合得到一个最终的判断。 一般而言,多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分,然后按照一定的权重加权得到一个总分,根据总分再对股票进行筛选。回归法就是用过去的股票的收益率对多因子进行回归,得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判,然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。
例如：在20１1年１月１日,选取流通市值最大的50支股票，构建投资组合,持有到２011年底，则该组合可以获得1０％的超额收益率。这就说明了在2011年这段时间,流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的,可以选择其他的因子，例如可能是一些基本面指标,如 PB、ＰE、EＰS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标,到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如:可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序,并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建ｎ个组合并持有到月末，每月如此,一直重复到模型形成期末。 上面的例子就已经说明了这种检验的方法,同样的可以隔N个月检验,比如2个月,3个月,甚至更长时间。还有一个参数是候选组合的数量,是50支,还是100支，都是非常重要的参数。具体的参数最优的选择,需要用历史数据进行检验。
量化选股策略—风格轮动模型 (1)
量化选股策略-风格轮动模型 财魔弟论坛整理（ID学问猫） 市场上的投资者是有偏好的，有时候会偏好价值股，有时候偏好成长股，有时候偏好大盘股，有时候偏好小盘股。由于投资者的这种不同的交易行为，形成了市场风格，因此在投资中，利用市场风格的变化，进行轮动投资会比一直持有的效果好很多。 基本概念 投资风格是针对股票市场而言的，是指投资于某类具有共同收益特征或共同价格行为的股票，即某类投资风格很受欢迎，并且在某一个时间段内具有持续性和连续性(譬如，价值投资和成长型投资两种风格，或者大盘股和小盘股这两种风格总是轮流受到市场追捧). 由于投资风格的存在，从而产生一种叫做风格动量的效应，即在过去较短时期内收益率较高的股票，未来的中短期收益也较高；相反，在过去较短时期内收益率较低的股票，在未来的中短期也将会持续其不好的表现。 比如：在2009年是小盘股风格，小盘股持续跑赢沪深300指数；而在2011年，则是大盘股风格，大盘股跌幅远远小于沪深300指数。如果能事先通过一种模型判断未来的风格，进行风格轮动操作，则可以获得超额收益。 晨星风格箱判别法 晨星风格箱法是一个3×3矩阵，从大盘和小盘、价值型和成长型来对基金风格进行划分，介于大盘和小盘之间的为中盘，介于价值型和成长型之间的为混合型，共有9类风格，如表所示。 (1)规模指标：市值。通过比较基金持有股票的市值中值来划分，市值中值小于10 亿美元为小盘；大于50亿美元为大盘；10亿~50亿美元为中盘。 (2)估值指标：平均市盈率、平均市净率。基金所持有股票的市盈率、市净率用基金投资于该股票的比例加权求平均，然后把两个加权平均指标和标普500成份股的市盈率、市净率的相对比值相加，对于标普500来说，这个比值和是2。如果最后所得比值和小于1.75，则为价值型；大于2.25为成长型；介于1.75~2.25之间为混合型。 这也就是我们经常看到的基金的分类，比如：华夏大盘、海富小盘等名称的由来。 风格轮动的经济解释 宏观经济表现强劲时，小市值公司有一个较好的发展环境，易于成长壮大，甚至还会有高于经济增速的表现，因此，小盘股表现突出的概率高于大盘股。而当经济走弱时，由于信心的匮乏和未来市场的不确定性，投资者可能会倾向于选择大盘股，起到防御作用，即使低通货膨胀、货币走强，也不足以冒险去选择小盘股。
多因子选股
多因子选股 多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。 基本概念 举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。 一般而言，多因子选股模型有两种判断方法，一是打分法，二是回归法。 打分法就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，根据总分再对股票进行筛选。回归法就是用过去的股票的收益率对多因子进行回归，得到一个回归方程，然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判，然后再以此为依据进行选股。 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。 候选因子的选取 候选因子的选择主要依赖于经济逻辑和市场经验，但选择更多和更有效的因子无疑是增强模型信息捕获能力，提高收益的关键因素之一。 例如：在2011年1月1日，选取流通市值最大的50支股票，构建投资组合，持有到2011年底，则该组合可以获得10%的超额收益率。这就说明了在2011年这段时间，流通市值与最终的收益率之间存在正相关关系。 从这个例子可以看出这个最简单的多因子模型说明了某个因子与未来一段时间收益率之间的关系。同样的，可以选择其他的因子，例如可能是一些基本面指标，如 PB、PE、EPS 增长率等，也可能是一些技术面指标，如动量、换手率、波动等，或者是其它指标，如预期收益增长、分析师一致预期变化、宏观经济变量等。 同样的持有时间段，也是一个重要的参数指标，到底是持有一个月，还是两个月，或者一年，对最终的收益率影响很大。 选股因子有效性的检验 一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如：可以每月检验，具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。
股票量化操作模型
量化操作模型 一、选股 思路：涨停复制 板块：优先考虑熟悉股，熟悉股没机会根据当前热点板块选择（如沪港通、季度报等），大盘行情好时优先考虑券商、有色、机械 方法：1、资金（主力净买额10天>5000万、散户数量持续减少）2、上升趋势3、10天内有涨停板4、筹码分布牢固有支撑位 二、建仓——梯子型挂单 左侧交易（1成+1成+2成）+右侧交易（4-6成）（回调到位或启动后） 三、减仓——趋势位挂单 1、平台高点压力 2、整数关口压力 3、死叉趋势 四、止盈 底仓持续持有，浮仓波段止盈 五、止损（留一手） 1、底部平台支撑位破位，止损 2、距离成本亏损7%，止损 目标： 月满仓盈利10%
附： 五大铁律 1、急速拉升不追涨 2、决定之后不犹豫 3、买入之前设保护 4、持股不超过两只 5、优先考虑熟悉股 大势 大盘分析平台（权重板块看上证指数，题材板块看平均股价）： 1、BS点（中期趋势） 2、流动资金（中期趋势） 3、捕捞季节（短期趋势）大盘中期趋势（大势） 1.B点区域，流动资金持续红色，看多为主 2.B点区域，流动资金持续绿色，震荡为主 3.S点区域，流动资金持续绿色，看空为主 4.S点区域，流动资金持续红色，震荡为主 大盘短期趋势（六种情况下的仓位控制） 一、中期趋势看多，捕捞季节金叉，重仓操作（7-9成） 二、中期趋势看多，捕捞季节死叉，底仓操作（3-5成） 三、中期趋势震荡，捕捞季节金叉，半仓操作（5-7成） 四、中期趋势震荡，捕捞季节死叉，一成跟踪（1-3成） 五、中期趋势看空，捕捞季节金叉，底仓操作（3-5成）
六、中期趋势看空，捕捞季节死叉，空仓观望（100股） 基本方法 一、梯子型挂单 前提：下方有强大支撑位（根据筹码分布确认） 方法：随着股价的下跌，离支撑位越近，挂单仓位1+1+2+4 止损位：跌破了强大的支撑位，“留一手”止损 二、涨停复制 1、平台突破阶段（底部） 1）一个涨停突破之后，第二天1-3成底仓跟进（如果不确定平台，底仓盈利）2）如果出现回踩确认平台或辅助线3-7成浮仓跟进（平台和辅助线重合最佳）2、日线回档阶段（上升阶段） 1）弱势回档乖离率5以内开始梯子型挂单；（一浪只有1到2个涨停板） 梯子型挂单对于乖离率：5→3→1→0 2）强势回档乖离率10以内开始梯子型挂单；（一浪3个涨停板或以上） 梯子型挂单对应乖离率：9→6→3→0 3、周线回档阶段（做大波段--持股较长） 1）周线上走出大型的一浪（50个点以上并且日线3个涨停板以上）； 2）日线形成一个横盘整理平台； 3）周线乖离率10以内开始梯子型挂单
量化投资资金流模型
量化选股策略之资金流模型 巴菲特曾说过：“股市从短期看是投票机，但从长期看一定是称重机”。有些投资者对股票基本面情况进行分析和预测，来判断股票的长期增长价值。而这些人则通过技术指标来进行短期投资交易。不管是长期还是短期,投资者必须通过投票机的方式来交易股票,而这种投票行为反映潜在的信息。 股市高频数据行情准确地记录了交易者每天数以亿万计的投票数据，我们将这些涓涓细流的委托信息，按照驱动股票方向的委托流汇总成资金流净额，揭示了潜藏在股潮澎湃下的暗流，这些主导了大盘和个股的此起彼伏，值得我们深入研究。下面我们就从五个方面逐步研究资金流模型。 一、简述资金流原理 资金流是一种反映股票供求关系的指标。传统的量价无法区分市场微观结构中的流动性和私有信息对股价的影响，而根据委托测算的资金流，能够有效地观察微观市场交易者的真实意图及对股价造成的影响。 资金流入是证券价格在约定的时间段中处于上升状态时产生的成交额，是推动指数上涨的力量。 资金流出是证券价格在约定的时间段中下跌时产生的成交额，是推动指数下跌的力量。 资金净流量是某证券当天买卖两种力量相抵之后推动价格变化的净作用量。 用公式表示则是 其中，Volume 为成交量，pi 为i 时刻的收盘价，pi-1为上一时刻的收盘价。 二、捕捉资金流信息——资金流测算方法 严格意义上讲，每一个买单必须有一个相应的卖单，因此真实的资金流入无法准确计算，只能通过其他替代方法来区分资金的流入和流出，通过高频数据，将每笔交易按照驱动股价上涨和下跌的差异，确定为资金的流入或流出，最终汇聚成一天的资金流净额数据。测算资金流的方法很多，主要差别：一是在时间频率上；二是在参考价格上。根据时间频率的不同主要分为采取日数据计算和采取高频数据计算。根据参考价格的不同主要分为收盘价格和成交价两种。 三、量化资金流信息——建立资金流指标 招商证券资金流测算模型（CMSMF ）是根据天软科技提供的5s 高频数据进行计算的，尽可能反映真实的市场信息;以最近成交价作为比较标准，成加价大于等于上期最优卖价视为流入，成加价小于等于上期最优卖价视为流出。 然而绝对资金流含量无法反映市值大小,必须进行标准化,将资金流除以流通市值的比值记作资金流强度。同时为了表明资金流导致市值变化的效果,引入∑ =----=n i i i i i i P P P P P volumei moneyf low 11 1*)(