1. 首页
  2. 期货交易

低频期货交易 案例研究:推荐Robert Carver的“系统交易”

就定量交易而言,这本书应该是更可靠的书。作者是AHL的前量化投资经理。就期货低频趋势交易而言,AHL和Winton均位居世界前列。

这个期货 交易有点奇怪。该领域的许多书籍都基于传统的技术分析。郑二巴经的学术界研究不多,业内著作也很少。这个伙伴被认为很棒。我之所以推荐这本书,不是因为作者擅长数学,而是因为他不擅长数学,所以读起来也不难,因为他写起来太困难了。

这是传统趋势交易。定量方面是更传统的概率统计,而不是机器学习。他将整个交易系统划分为多个模块,例如单品种单策略,单品种多策略和多品种投资组合。

数据优先vs理念优先

作者提到有两种研究方法。一种是从数据开始,类似于机器学习和数据挖掘,另一种是从概念开始,然后使用数据进行验证。但是实际上,两种方法都可能过拟合。例如,从数据开始的逻辑很差,只能通过一些统计检验来判断;如果是从某个主意开始的,那么您一定在听说该主意是有利可图的并且可能过拟合后才尝试过。

关于过度拟合

作者防止过度拟合的方法是不合适的。例如,如果滚动滚动以优化具有最高Sharpe比率(或其他标准)的样本,则效果通常很差。因为在许多情况下,策略之间的差异很小。例如,一种策略的比率为0.8,另一种策略的比率为0.3。可能需要10年才能清楚地看到0.8的比率(95%置信区间)。 0.3好。因此,这种筛选策略毫无意义。

他认为,应首先将参数限制在较小范围内低频期货交易,然后动态执行风险平价,以防止过度拟合。当然,您也可以喷涂,因为必须限制一小部分良好的性能。这是过度适合吗?

低频期货交易_期货日内交易心得_期货日内交易技术

关于多因素组合

此处的系数表示与位置相关的随机变量。它将每个因子的值限制为-20到20,然后将两个因子组合在一起时,总体波动率通常会降低,然后他必须将其乘以1。系数恢复为-20到20。实际上,机器学习和深度学习经常会重新规范化,其含义相似,便于参数调整。他似乎对要素的权重相等,否则我可能会错过它。

关于投资组合优化

低频期货交易_期货日内交易心得_期货日内交易技术

由于传统的均值方差模型对数值敏感并且经常给出极高的权重,因此有一些方法可以解决它。例如,使用增强处理来估计协方差矩阵,但他不鼓励这样做。他鼓励采用启发式方法给出人工权重,并将其分为许多情况,例如两种资产,相关性分别为x,y,z。应该是几点?

关于品种选择

它只是强调波动率太低而不能选择,因为许多策略中下的订单数量与波动率成反比。对于波动性较小的品种来说,赚钱和下订单很困难,这意义不大。

低频期货交易_期货日内交易心得_期货日内交易技术

总的来说期货交易,我同意他的许多观点。只是每个人的框架可能略有不同,但它们都导致了相同的目标。他的最大优势是可以在全球配置,例如他自己的交易 45种期货,并且在中国没有太多适合该趋势交易的品种。

下图显示了Winton的性能。在过去的20年中一直保持稳定。超过300亿美元能有这样一条曲线真是太好了。

策略配置包括:

期货日内交易心得_低频期货交易_期货日内交易技术

低频期货交易

微距表示期货。可以看出期货,有很多纯期货技术分析。

实际上,我更倾向于认为机器学习在中低频投资决策中不会很有用。毕竟,如果您担任一个月的职位,则一年不能多次交易,并且样本数量太少。袁胜还说,他们已经研究了许多因素,并预测第一次损失两年是正常的,因为单个因素通常非常薄弱。尖锐比率0.2很可怕,丢失两年是正常的期货公司,但这并不意味着它无效。它还使用一些传统的统计方法(例如顺序分析)来检测该因素是否有效。毕竟样本太少,机器学习是无用的,GPU更加愚蠢,或者我让公司购买400万个GPU。您可以获得120万回扣吗?

当然,深度学习和强化学习对于算法交易很有用。如果将一张纸分成10,000份,则有10,000个样本,仍可以建模。但是对于交易失去两年并且不能确定它每年失败几次的策略,我无法想象深度强化学习的用处。当然,资产管理的本质在于销售。如果可以增加销量,它仍然有用。

实际上,我没有任何私募。也许其他人误解了我说的话。最简单的一个是,一只私募股权锐利公司10只卖出了1亿只,另一只损失了100亿美元。您认为哪一个?老实说,销售性能良好的产品确实不值得一提。销售性能不佳的产品是技巧。就像招募销售一样,公司产品可以被任何傻瓜出售,他的销售能力是什么?但是,如果公司产品很差低频期货交易,但他可以卖很多,那是真正的母牛。

END

文章来源:期货开户,如若转载,请注明出处:http://www.hjczyzs.com/3374.html

联系我们

97866923

在线咨询:点击这里给我发消息

联系QQ:97866923