分类
给新手的加密货币投资指南

量化选股和量化的期权策略这2个方向哪个更好?

Markets. Remove the noise and zone in on what truly matters.

MoneyDJ新聞摘錄

策略基於k線形成的區域設置進出場價格, 通過價格的上下突破來進行交易或取消做單k線區域按時間順序從左向右共由4根k線組成, 最左邊的k線標號為3。如果1號k線收盤價高於3號k線最高點, 開始設置做多交易區域, 上軌為3號K線高點, 下軌為標號為1起CancelFlagN根K線的低點。如果標號為0的K線收盤價在上下軌之間, 則做多區域設置成功, 如果收盤價低於下軌則區域設置取消。如果1號k線收盤價低於3號k線最低點, 開始設置做空交易區域, 下軌為3號K線低點, 上軌為標號為1起CancelFlagN根K線的高點。如果標號為0的K線收盤價在上下軌之間, 則做空區域設置成功, 如果收盤價高於上軌則區域設置取消。

  • 做多區域設置成功時, 當前k線高於標號為0的K線高點時入場做多。
  • 做空區域設置成功時, 當前k線低於標號為0的K線低點時入場做空。
  • 基於ATR的保護性止損。
  • 基於ATR的盈虧平衡止損。
  • 基於ATR的盈利止盈。

我比較喜歡的一種是資產平均值,舉個簡單的例子,我更喜歡在盤整行情中去布置自己的倉位,這個時候你可以把倉位調整到最大,比如你同時持有 了N個品種,多空單相對平衡,你的策略屬於中期策略,一般是把你震盪不出來,那麼你可以激進的把倉位配置進去,因為當趨勢來的時候,你錯誤的倉位會慢慢出來,持有正確的趨勢,假如你進場的倉位為80%,最終其實走 了一個止損到加倉的過程,一開始錯誤的倉位不斷止損,正確的持有,趨勢越來越明顯,錯誤的倉位開始反向,最終形成了一個加倉的過程,一旦利潤較大,可以手動出一半的倉位。這對於一些個體交易員而言是一個不錯的方法,如果涉及到大類資產配置,這就相對複雜,我沒有這個精力和時間繼續討論。

bbfamily/abu

This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.

Use Git or checkout with SVN using the web URL.

Work fast with our official CLI. Learn more.

Launching GitHub Desktop

If nothing happens, download GitHub 量化选股和量化的期权策略这2个方向哪个更好? Desktop and try again.

Launching GitHub Desktop

If nothing happens, download GitHub Desktop and try again.

Launching Xcode

If nothing happens, download Xcode and try again.

Launching Visual Studio Code

Your codespace will open once ready.

There was a problem preparing your codespace, please try again.

Latest commit

Git stats

Files

Failed to load latest commit information.

readme.md

量化选股和量化的期权策略这2个方向哪个更好?
内容 位置
阿布量化系统源代码 abupy目录
阿布量化使用教程 abupy_lecture目录
阿布量化非编程界面操作 abupy_ui目录
《量化交易之路》示例代码 ipython/python目录
《机器学习之路》示例代码 https:量化选股和量化的期权策略这2个方向哪个更好? //github.com/maxmon/abu_ml
  • 使用多种机器学习技术智能优化策略
  • 在实盘中指导策略进行交易,提高策略的实盘效果,战胜市场
  • 美股,A股,港股
  • 期货,期权
  • 比特币,莱特币
  • 分离基础策略和策略优化监督模块
  • 提高灵活度和适配性

阿布量化综合AI大数据系统, K线形态系统, 经典指标系统, 走势趋势分析系统, 时间序列维度系统, 统计概率系统, 传统均线系统对投资品种进行深度量化分析, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代.

上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 量化选股和量化的期权策略这2个方向哪个更好? 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等.

阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型,整体上分为三个系别:物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势,系别的模型群是由若干个独有的识别算法和参数遗传淘汰,组成族群,加权投票评分.

阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略,衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长,不断分裂,适者生存,淘汰选择机制下繁衍,目前应用的量化买入卖出信号策略共计18496种。

阿布量化结合多种量化分析数据构建了数百种量化应用, 如: AI高能预警, AI高光时刻, 智能预测涨跌幅, 下跌五浪量化, 量化选股和量化的期权策略这2个方向哪个更好? 上涨五浪量化, 阻力支撑强度分析, 上升三角形突破, 下降三角形, 三重底 (头肩底), 三重顶 (头肩顶), 圆弧顶, 圆弧底, 乌云盖顶形态, 上升三部曲形态, 好友反攻形态, 单针探底形态, 射击之星形态, 多方炮形态, 上涨镊子线, 向上突破箱体, 跳空突破缺口, 黄金分割线量化, 趋势跟踪信号, 均值回复信号, 止损风险控制量化, 止盈利润保护量化, 综合指标分析等.

期权策略,您来提供思路和策略,我来写代码和实现回测,一切免费只为交流

1.什么是策略回测
要说什么是回测就得先说什么是量化投资,简而言之量化投资就是以模型替代人为的主观判断的投资方法。比如你听隔壁老王说了个消息股,明天开盘就买,这就叫主观判断,但比如你想好了招行银行10日均线上穿20日均线就买入,这就算量化投资。
二者最主要的一个区别是,量化投资可以用历史数据进行回测。首先设置好了每一个买入和卖出的条件,假如回到过去,某个股票满足了你预先设定的条件,你会买入,等到符合预设的卖出条件,你会卖出。这样你可以用历史业绩来判断你设置的交易模型是不是能够赢利。那么明显主观投资是无法做回测这件事的。

2.为什么是期权
那么为什么我只想回测期权策略呢,有以下几个原因:
a,简单,是的你没看错,期权量化比股票量化简单的多,因为股票量化仅选股就有无数因子要是考虑,从4000多只股票里选出来符合你条件的一支或一揽子股票,这本身已经是巨大的工作量了。而A股场内期权就那么3个,其中两个300ETF期权还是2000年才上市的。真正有大量历史数据(7年),且有流动性的就50etf期权这么一个品种,虽然有大量不同行权价的合约,但他们的标的就只有那么一个50etf。不用选股了,仅仅就是在这一个品种上琢磨就可以。
b,可多可空,这样期权交易就并不像做股票,只能指望牛市出业绩,理论上牛熊市或者震荡市都可以有一套能持续赢利的策略。
c,天生自带策略。了解期权的交易者都知道,期权有很多基础的价差策略,比如牛/熊市价差,买入/卖出跨式,正反比例价差等等。

3.什么样的策略是一个可执行的期权策略
a,首先一个完整的量化交易模型至少进出场的条件要清楚,可以完全形成一个闭环,不能出现让这个策略在执行中前后矛盾的情况。比如最简单的,macd形成金叉买入,形成死叉卖出,进出场条件都有了,又不会在已进场未出场情况下又触发一次进场条件。
b,仓位控制,就是字面的意思,买入或卖出的期权头寸占总体资金的多少,有没有分批成交,每次下单仓位多少。与其他证券或者衍生品都不同的是,期权的买方只支付权利金即可,但期权的卖方可以拿到一笔权利金,但同时需要缴存保证金,而保证金是随着期权标的(正股)的价格变化而动态调整的。这个就给期权策略的仓位控制带来很大难度,比如在手动交易中我们也经常听说有人爆仓。再能赢利的策略,只要中间会爆仓,那也注定毫无意义。
c,设置的交易条件要有底层逻辑,而不是完全无意义的指标堆叠。
d,不能有未来指标,因为毕竟用的是历史数据,我们其实是知道大致历史走向的。比如现在回头看我们当然知道2017年,2019年和2020年是50etf的大牛市,那么牛市上杠杆做多熊市上杠杆做空,这个回测肯定赚爆,但是毫无意义,因为牛熊市是我们身在其中而不知的,只有走出来才能知道。另外指标这条其实跟上一条有关联,设定的进出场条件是有底层逻辑的,比如50etf市盈率低于8倍进场,高于15倍出场,这个逻辑虽然粗糙但是至少能说通。
e,指标和条件尽量简洁,有清晰逻辑,因为太多的条件和后续优化,很容易陷入到过度拟合的陷阱中去。

5.回测区间及其他
我是在真格量化平台上进行回测,这个平台最大的优点就是整合了所有tick级的历史数据,免去了使用者自行下载清洗历史数据的劳动(这件事工作量巨大,劝退了很多人),缺点也有,比如策略和代码只能放在平台,无法在本地使用。
我计划的回测区间:2016年3月1日至今,主要原因是2015年场内期权刚刚推出,流动性不佳且指标失真,而2016年初又连续熔断,因此在尽量长的回测区间中去掉这短时间。
回测频率:策略肯定不能是高频的,散户无论软硬件都不可能进行高频策略。一般情况我都是按日回测,就是每天只取收盘价来进行回测。这样优点是回测快,且长期看结果不会有太大偏差。缺点是盘中的大幅波动都忽略掉了。当然如果有好的日内策略思路,也可以按分钟回测试试。
代码能力:我是个python初学者,三脚猫的功夫,好在期权策略比较简单,除了正股走势的技术指标外,各种希腊字母的取值等等平台都提供了API支持。但不排除某些复杂的策略以我的代码能力无法实现。当然我会尽量琢磨。

7.目的
最后我想说一下我发这个帖子的目的。
首先其实做期权的投资者非常少,截止目前印象中开户数也才50多万户。如果集友们能通过这种方式多交流,也算是能打开思路。
其次是其实我觉得写出一个持续稳定赢利,且回撤低的策略非常非常难,甚至我觉得不可能有任何策略是在所有时间包打天下的。但这不妨碍我们对交易不断地思考,找到一个可能在某种环境下适合的策略。
第三,很多策略(比如双卖,比如每月裸卖沽)感性上觉得可能会挣钱,但实际回测发现长期绩效一般甚至是持续亏钱的,这些坑我们可以通过回测避过去,而不用拿真金白银去试。
第四,我回测了很多之后,自己已经想不到什么可能的策略了,希望大家能集思广益一起思考。当然所有策略、回测结果和不断优化,我都会在回帖公开,要受益集友们一起受益。如果您觉得您的策略是个锦囊妙计,不想公开,那也不用发出来。