广发证券:积小流以成江海——关于算法交易的一个综述

算法交易的概念 算法交易(Algorithmic Trading)是一种特殊的程序化交易:在金融市场中进行较大规模的交易时,交易者通过使用一定的算法将需要进行交易的订单拆细,并在合适的时机分别对其进行 

光大证券:基于价差交易的高频统计套利02:协整模型

协整模型针对股指期货当月合约和次月合约构建价差套利结合,在从 2010 年 4 月 16 日至 2012 年 6 月 15 日,共 498 个交易日期间,在考虑交易成本和滑价影响的前提下,获得 150 

高频数据波动率建模:基于厚尾分布的RealizedGARCH模型

“ 厚尾现象 ” 是金融时间序列分布的一个普遍特征 , 本文将 Realized  GARCH 模型推广到容纳厚尾分布的情形 , 并将杠杆函数的幂次放松为待估参数 。 结果显示 , 使用 Skewed 

高频交易的技术特征:发展趋势及挑战

高频交易作为电子化交易的最新方式,其高盈利性与高争议性的特点引发了业界与学术界的广泛关注和探讨。   本文考察了海外市场高频交易的风险、利弊、技术要素以及策略特征,着重分析高频交易对市场效率、市场波动 

广发证券:传统算法交易策略中的相关参数研究

算法交易概述 算法交易是实现对大规模母单进行拆分,并对拆分后的子单进行定时、定量交易的一种程序化交易方式。算法交易通过事先设定好的策略,由投资者编制完成相关的计算机自动化交易程序,并通过连接交易系统接 

中信建投2019年投资策略报告:基本面量化投资新时代

中信建投2019年投资策略报告:基本面量化投资新时代 主要结论 美股:暴跌后的估值回归合理区间,后续将宽幅震荡 美联储的目标是“稳定就业”和“稳定物价”,并无促进权益市场 上涨的义务。在就业市场火热( 

东北证券金融工程研究报告:因子非线性及分层特征研究

东北证券金融工程研究报告:因子非线性及分层特征研究 在本报告中,我们对因子非线性及分层特征进行了研究,并给出一种框架以增强因子的选股效果。 我们通过简单的例子说明了因子非线性及分层特征的存在。传统方法 

华创证券专题报告:量化视角下的交易机会

华创证券专题报告:量化视角下的交易机会 本文分别从四个部分,即市场反弹的历史大数统计、 机构持仓分析、 高送转行情预测、 业绩预期,最终试图解读部分 2018 年的市场行情。本文的第一部分, 市场反弹 

广发证券产品创新专题报告系列之二十三:“低波动+”Smart+Beta策略研究

广发证券产品创新专题报告系列之二十三:“低波动+”Smart+Beta策略研究  Smart Beta 策略增长迅速,发展空间广阔最近几年, Smart Beta 指数 ETF 在全球迅速发展,但美 

海通证券金融工程专题报告:高频量价因子在股票与期货中的表现

我们在本篇报告中将目光聚焦于日内价量信息和交易特征,使用分钟数据构建一系列高频因子,并对比各因子在股票和期货中的表现。  高频因子分类。 高频因子可以分为收益率分布、成交量分布、量价复合、资金流和日 

中信证券量化与配置专题研究:国内量化基金发展现状及趋势,十年洗练,格局初现

中信证券量化与配置专题研究:国内量化基金发展现状及趋势,十年洗练,格局初现 投资要点  投资聚焦: 十年洗练,格局初现。 国内量化策略经历了十年以上的发展,行业初具规模、策略逐成体系。尤其在大资管行 

国泰君安数量化专题报告:基于PLS方法的潜变量因子研究

本篇报告基于统计中的 PLS 算法并应用潜变量的思想提出了一种因子降维的方法, 以提高降维后的主成分对个股下期收益的预测能力, 实证结果显示该算法在 A 股中具有较强的选股能力。 摘要:  为了能够 

广发证券互联网大数据挖掘系列研究之(十四):基于新闻舆情的选股策略研究

基于新闻数量的选股策略根据新闻数量和股票价格之间存在联动关系构造投资者关注度指标,并通过投资者关注度指标构建策略。实证结果表明,在中证500成分股中,利用个股新闻数量可以取得超额收益。策略要点主要有: 

中邮证券系列三:logistics+regression的探索,基于机器学习的量化投资策略

同线性回归类似,逻辑回归也是监督学习的一种,主要用于对样本进行分类。基于 Logistics Regression,我们选取诸如 PB、 PE、 RSI 等因子作为训练数据,训练周期为 T-1 至 T 

光大证券技术形态选股系列报告之五:司空见惯叙指标

技术指标作为技术分析中最简单易得的工具,在投资者进行技术分析研究中被广为使用、推广。技术指标的构建与技术形态略有差异,技术指标更强调“定量化”;同时,大部分的技术指标都提供了标准化的解读(投资操作)范 

华泰证券华泰人工智能系列之十四:对抗过拟合,从时序交叉验证谈起

时序交叉验证方法适用于时间序列数据, 能够有效防止过拟合 交叉验证是选择模型最优超参数的重要步骤, 本文关注传统交叉验证和时 序交叉验证的比较。我们采用机器学习公共数据集以及全 A 选股数据集, 分别 

Copyright © 2017 宽客在线 京ICP备15046776号