基于两大资金行业选择的SVR模型多因子选股策略

随着科技的进步,量化工具在投资领域的应用前景越来越广阔。本文通过构建基于北向资金、主动资金的资金指标筛选行业,Alphalens筛选有效因子,构建因子池,使用SVR模型对训练集进行学习,通过参数调整提高预测胜率,对股票排序,构建股票池,并运用RSRS择时模型选择买卖时机。研究发现,以2020年1月1日—2021年7月28日的沪市300与深市300股票池的数据进行回测,回测结果策略收益明显跑赢了大盘,表明本策略对投资者具有一定的参考价值。

基于中国资本市场数据的Faber战术资产配置及择时效果检验

Faber战术资产配置是根据简单均线思想进行择时,并在大类资产间进行均衡配置的模型,在降低投资组合风险方面具有积极的作用。采用我国资本市场2010—2017年的股票、债券、期货等大类资产的周数据,在构造适用于我国资本市场的Faber战术资产配置策略的基础上,利用T-M模型和H-M模型详细检验了策略的择时效果,结果发现:无论是单独对股市进行分析,还是对大类资产进行组合构建,Faber战术资产配置模型均可以显著扩大投资收益并降低投资风险,T-M模型和H-M模型的检验结果也表明该模型的择时效果极其显著,充分验证了择时加资产配置对于提高投资组合的收益风险比具有关键的作用。

日间量化择时的中国资本市场研究

本文以中国资本市场流动性极好的股指期货和宽基ETF作为研究标的,选择日间这一交易频率,来说明择时对于金融微观层面博弈的重要性,同时根据中国资本市场的实际情况,建立相应的择时交易量化模型,同时给出模型的实证效果。结果表明,日间量化择时模型可以在中国资本市场取得较好的风险收益投资回报。

基于机器学习的多技术指标量化择时研究

文章参考当前流行的量化择时模型,基于多种机器学习方法,对技术分析中常用的多技术指标建模,用于研究证券价格波动与多种技术指标之间的关系,以此作为量化择时信号用于量化交易。研究结果表明:机器学习择时模型的预测精度和回溯精度差异不大;在模拟交易中,相较于买入并长期持有的情况,文章两种量化择时模型在实盘交易中均取得较高收益率;特别是在证券价格波动较大时能取得更好的交易收益。

证券投资基金业绩评价理论模型述评

马克威茨均值—方差模型、单因素绩效评价模型、多因素绩效评价模型和选股择时能力评价模型是国外最具代表性的四大证券投资基金绩效评价的理论模型 ,对其独到之处的借鉴 ,将有利于我国基金业绩评估体系的建立和发展。

基金绩效评估模型及其在中国的应用

目前,国内对基金的研究还处于起步阶段,基金业本身也处于迅速发展阶段,如何全面合理的评价基金的运作业绩已经成为当前市场各方普遍关注的课题.运用国外较为流行的证券投资基金绩效评估指标对中国开放式基金业绩进行评估,评估结果与传统的收益率指标有很大差别,表明综合利用这些模型对中国开放式基金绩效进行评估尚须时日.