Wind统计数据显示,268只(不同份额分开统计)量化基金2018年的净值平均下跌19.97%,其中仅有24只量化基金获取正收益,分别为14只指数型量化基金及10只量化对冲基金。分类来看,主动型量化基
随着交易者技术的提高和技术的进步,量化交易已经成为越来越多人的选择。不论新人还是老手,很多人都尝试打造过自己的交易系统,尝试使之程序化。交易新手构建程序化模型时,往往容易出现很多障碍和误区,很多错误的
很多人都有这样的感受,写出一套回测赚钱的策略很容易,但要正真实盘测试能够盈利的策略很难。一定要注意,回测不一定准确,初步回测结果不错?考虑一下你有没有掉入以下的陷阱? 一、回测机制的要求 回测需要一个
期货市场的价格以趋势方式演变,如果我们能想办法抓住趋势,就能赚到这部分趋势行情的钱。那么,用什么方式来抓住趋势呢?比较简单的一种方法就是用突破策略。构建价格的上下轨,或者支撑位、压力位。当价格超过上轨
双均线策略,通过建立m天移动平均线,n天移动平均线,则两条均线必有交点。若m>n,n天平均线“上穿越”m天均线则为买入点,反之为卖出点。该策略基于不同天数均线的交叉点,抓住股票的强势和弱势时刻,进行交
作为曾经的“网红”产品,量化基金在经历了2016年的大放异彩,2017年的突遇瓶颈后,重新以高调的姿态回归人们的视野。2018年,量化基金发行及成立速度飞速加快,但过去的一年表现究竟如何呢? Wind
一、简介 1. 目标: 已知股票的「开盘价」和「收盘价」,利用神经网络来预测「收盘均价」 2. 数据源: 日期(data): [ 1. 2. 3. 4. 5. 6. 7. 8. 9
趋向线的突破对买入、卖出时机等的选择具有重要的分析意义,而且即使只市场的造市者往往也会根据趋势线的变化采取市场运作; 因此,搞清趋向线何时为之突破,是有效的突破还是非有效的突破,于投资者而言是至关重要
LSTM Networks 简介 LSTM Networks是递归神经网络(RNNs)的一种,该算法由Sepp Hochreiter和Jurgen Schmidhuber在Neural Computa
Neural Networks these days are the “go to” thing when talking about new fads in machine learning. As
异常数据的影响与识别 异常数据的影响 以2016年5月底全市场股票的ROE数据为例,这里总共有2824个数据: between = roe[(roe.ROE <= 0.5) & (roe.ROE
前言 在本文开始前,作者并没有提倡LSTM是一种高度可靠的模型,它可以很好地利用股票数据中的内在模式,或者可以在没有任何人参与的情况下使用。写这篇文章,纯粹是出于对机器学习的热爱。在我看来,该模型已经
正文 股票市场周期是股票市场长期的价格模式,通常与商业周期有关。 它是技术分析的关键,其中投资方法基于周期或重复的价格模式。 如果我们对股市周期有了更好的理解,我们总能以相对低的价格买入并在每个周期以
用于分类的多层感知器 是否有可能创建一个神经网络来预测一组交易指标的日常市场走势? 我们将使用Tensorflow创建和开发一个简单的模型框架,以及提出一些对初步结果改进的意见。 ML的任务和
什么是乖离率? 乖离率是指股价与平均移动线之间的偏离程度,是移动平均原理派生的一项技术指标,通过百分比的形式来表示股价与平均移动线之间的差距。乖离率可分为正乖离率与负乖离率,若股价大于平均线,则为正乖