IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 区块链 -> 三、量化择时 -> 正文阅读

[区块链]三、量化择时

量化择时总览

择时交易是指利用某种方法来判断大势的走势情况,是上涨还是下跌或者是盘整。如果判断是上涨,则买入持有;如果判断是下跌,则卖出清仓;如果判断是震荡,则进行高抛低吸,这样可以获得远远超越简单买入持有策略的收益率,所以择时交易是收益率最高的一种交易方式。

量化择时就是利用数量化的方法,通过对各种宏观微观指标的量化分析,试图找到影响大盘走势的关键信息,并且对未来走势进行预测

量化择时方法简介
趋势择时基本思想来自于技术分析,技术分析认为趋势存在延续性,因此只要找到趋势方向,跟随操作即可。趋势择时的主要指标有MA、MACD、DMA等
市场情绪择时利用投资者的热情程度来判断大势方向,当情绪热烈,积极入市时,大盘可能会继续涨;当投资者情绪低迷、不断撤出市场的时候,大盘可能继续下跌。
有效资金模型与选股模型中的资金流模型类似,其是通过判断推动大盘上涨或者下跌的有效资金来判断走势,因为在顶部和底部时资金效果具有额外的推动力。
牛熊线择时思想就是将大盘的走势划分为两根线,一根为牛线,一根为熊线。在牛熊线之间时大盘不具备方向性,如果突破牛线,则可以认为是一波大的上涨趋势的到来;如果突破熊线,则可以认为是一波大的下跌趋势到来。
Hurst指数Hurst指数是分形理论在趋势判断中的应用,分形市场理论认为,资本市场是由大量具有不同投资期限的投资者组成的,且信息对不同投资者的交易周期有着不同的影响。利用Hurst指数可以将市场的转折点判断出来,从而实现择时。
SVM是一种分类技术,具有效率高、推广性能好的优点,SVM择时就是利用SVM技术进行大盘趋势的模式识别,将大盘区分为几个明显的模式,从而找出其中的特征,然后利用历史数据学习的模型来预测未来的趋势。
SWARCH模型是海通证券开发的一种利用宏观经济指标来判断大盘的策略,该模型主要刻画了货币供应量M2和大盘走势之间的关系,揭示我国证券市场指数变化与货币供应量之间的相关关系。
异常指标择时主要处理一些特殊情况下的择时,例如,在大盘出现顶点或者低点的时候,有些指标容易出现异常数据,这段介绍了市场噪声、行业集中度和兴登堡凶兆3个策略。

1. 趋势择时

技术分析的理论基础基于三项市场假设:市场行为涵盖一切信息;价格沿趋势移动;历史会重演。

技术指标是技术分析中使用最多的一种方法,通过考虑市场行为的多个方面建立一个数学模型,并给出完整的数学计算公式,从而得到一个体现证券市场的某个方面内在实质的数字,即所谓的技术指标值。

(1)传统趋势指标

1)MA(移动平均)

葛南维移动平均线八大法则。其中,四条用来研判买进时机,四条用来研判卖出时机移动平均线在价格之下,而且又呈上升趋势时是买进时机;反之,平均线在价格线之上,又呈下降趋势时则是卖出时机。

交叉择时法则,即当一条短期均线从下向上穿过长期均线时,形成所谓金叉,此时应该做多;而当一长期均线从上向下穿过短期均线时,形成所谓死叉,此时应该做空或空仓

2)MACD(指数平滑异同移动平均线)

MACD指标是根据均线的构造原理,通过分析短期(常用为12日)指数移动平均线与长期(常用为26日)指数移动平均线之间的聚合与分离状况,对买进、卖出时机做出判断的技术指标,是一种典型的趋势型指标。

MACD的计算
(1)计算短期(S日)指数移动平均线和长期(L日)指数移动平均线EMA1、EMA2。
(2)计算离差值DIF=EMA1-EMA2。
(3)计算DIF的N日指数移动平均线,即DEA。
(4)计算MACD=2*(DIF-DEA)。在MACD的计算和测试中,需要设定的参数主要包括短期均线和长期均线的计算天数S、L,以及DEA的计算天数M

MACD的运用
(1)DIFF、DEA均为正,DIFF向上突破DEA,买入信号。
(2)DIFF、DEA均为负,DIFF向下跌破DEA,卖出信号。
(3)DEA线与K线发生背离,行情反转信号。
(4)分析MACD柱状线,由红变绿(正变负),卖出信号;由绿变红,买入信号。

3)DMA指标(平均线差指标)

DMA是依据快慢两条移动平均线的差值情况来分析价格趋势的一种技术分析指标。
它主要通过计算两条基准周期不同的移动平均线的差值,来判断当前买入卖出的能量的大小和未来价格走势的趋势。

DMA的计算
(1)计算短期(S日)移动均线和长期(L日)移动均线MA1、MA2。
(2)计算平均线差DMA=MA1-MA2。
(3)计算DMA的M日移动平均线,即AMA。在DMA的计算中,需要设定的参数主要是短期均线和长期均线的计算天数S、L,以及AMA的计算天数M。

DMA的运用
(1)DMA向上交叉其平均线AMA时,买进。
(2)DMA向下交叉其平均线AMA时,卖出。
(3)DMA与股价产生背离时的交叉信号,可信度较高

4)TRIX(三重指数平滑移动平均指标)

TRIX指标是根据移动平均线理论,对一条平均线进行三次平滑处理,再根据这条移动平均线的变动情况来预测股价的长期走势。
TRIX的计算
(1)计算N日的指数移动平均线EMA。
(2)对上述EMA再进行两次N日指数移动平均后得到TR。
(3)计算TRIX=(TR-昨日TR)/昨日TR*100。
(4)计算TRIX的M日简单移动平均MATRIX。在TRIX的计算中,需要设定的参数主要是三次移动平均的天数N,以及MATRIX的计算天数M。

TRIX的运用
(1)TRIX由下往上交叉其平均线时,为长期买进信号。
(2)TRIX由上往下交叉其平均线时,为长期卖出信号。

(2)自适应均线

固定均线是最简单的情况,虽然效果很好,但是也有很大的缺点。
通常均线总是有一个给定的参数,如10日均线、60日均线,其中10日均线变化快一点,60日均线变化慢一点。这个参数是由人给定的,一旦给定了,在整个画线的过程中不管行情怎么变动都不会变化。
比如,在市场反复震荡时短期均线频繁地转向,而在市场快速上升或者下跌时长期均线反应迟钝,这就会造成频繁发出错误开平仓信号。

1)自适应均线的算法

1)价格轨迹的效率
一般来说,投资者都有这样的经验,就是在震荡多的走势上要使用较慢的均线,在趋势快速展开的走势上需要用更快的均线。

在行情的走势图中,可以大致分为两种走势:一种是一直上攻的走势,被称为高效率的,因为每一天收盘价格的变动都直接贡献于总的涨幅;另一种是反复震荡的走势,被称为低效率的,很多次收盘价格的变化相互抵消。类似于物理学中路程和位移的概念,如果走过的路程很长,但是位移很小,在实现位移的目标考量下,这样的运动可以称为低效率的。

价格轨迹的效率定义
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

根据自适应均线的买卖策略是:
(1)自适应均线自下向上拐头,买进。
(2)自适应均线自上向下拐头,卖出。

拐头与否可以这样定义,自适应均线的每一个周期的增长率如果从正值变为负值,即为下拐头;从负值变为正值,即为上拐头。

2. 市场情绪

  区块链 最新文章
盘点具备盈利潜力的几大加密板块,以及潜在
阅读笔记|让区块空间成为商品,打造Web3云
区块链1.0-比特币的数据结构
Team Finance被黑分析|黑客自建Token“瞒天
区块链≠绿色?波卡或成 Web3“生态环保”标
期货从入门到高深之手动交易系列D1课
以太坊基础---区块验证
进入以太坊合并的五个数字
经典同态加密算法Paillier解读 - 原理、实现
IPFS/Filecoin学习知识科普(四)
上一篇文章      下一篇文章      查看所有文章
加:2022-02-16 13:08:56  更:2022-02-16 13:09:20 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/28 19:48:43-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计