策略本身没有严格的优劣之分,怎么用才是决定量化交易成败的关键。那么在不同的行情下,如何筛选合适的策略成了量化策略研究的重要探索方向。是否可以建立模型和采用数学分析的方法来判断市场的波动大小以及大概率方向来指导交易呢?...策略本身没有严格的优劣之分,怎么用才是决定量化交易成败的关键。那么在不同的行情下,如何筛选合适的策略成了量化策略研究的重要探索方向。是否可以建立模型和采用数学分析的方法来判断市场的波动大小以及大概率方向来指导交易呢?许多人采用时间序列分析的方法进行预测分析,但是Bitpower量化小组发现,这种方法在交易中很难奏效,而是可以换一个角度,从周期分析的角度来进行分析中高频时间序列的周期性。本文使用Akaike Information Criterions和Bayesian Information Criterions选定功率谱密度最大的值对应的频率作为样本数据的频率,使用最大熵谱分解法模型,选取三种中高频率的数据进行实证研究,发现最大熵谱分船法模型在处理数据长度较短的时间序列有很好的效果。分解的频率越高,对应的周期越短,震荡的几率就越大,Bitpower量化研究小组通过最大熵谱分解法模型寻找到频率由高到低的临界划分,进而可以对选择趋势类策略或者震荡类策略的筛选起到一定的指导作用。展开更多
文摘策略本身没有严格的优劣之分,怎么用才是决定量化交易成败的关键。那么在不同的行情下,如何筛选合适的策略成了量化策略研究的重要探索方向。是否可以建立模型和采用数学分析的方法来判断市场的波动大小以及大概率方向来指导交易呢?许多人采用时间序列分析的方法进行预测分析,但是Bitpower量化小组发现,这种方法在交易中很难奏效,而是可以换一个角度,从周期分析的角度来进行分析中高频时间序列的周期性。本文使用Akaike Information Criterions和Bayesian Information Criterions选定功率谱密度最大的值对应的频率作为样本数据的频率,使用最大熵谱分解法模型,选取三种中高频率的数据进行实证研究,发现最大熵谱分船法模型在处理数据长度较短的时间序列有很好的效果。分解的频率越高,对应的周期越短,震荡的几率就越大,Bitpower量化研究小组通过最大熵谱分解法模型寻找到频率由高到低的临界划分,进而可以对选择趋势类策略或者震荡类策略的筛选起到一定的指导作用。