期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于市场资金流向分析的商品期货量化交易策略 被引量:3
1
作者 刘峰 蔡志杰 乐斌 《数学建模及其应用》 2017年第3期35-41,F0003,共8页
本文就第五届"泰迪杯"数据挖掘挑战赛A题"基于市场资金流向分析的商品期货量化交易策略"给出了一种分析方法,并针对学生在参赛论文中出现的问题作了简要的说明与点评。
关键词 资金流向 商品期货 量化交易策略
下载PDF
SmartBeta策略在FOF中的应用(1) 被引量:1
2
作者 赖淼华 《中国证券期货》 2017年第5期48-51,共4页
文章摘要:在2016年年中,海通证券金融工程部的系列QFOF研究报告《风险平价(RiskParity)策略在FOF中的应用》让风险平价模型迅速走红。其实,RiskParity模型的概念在几年前就已经传入国内,但当时是以Smartbeta传入,RiskParity模型... 文章摘要:在2016年年中,海通证券金融工程部的系列QFOF研究报告《风险平价(RiskParity)策略在FOF中的应用》让风险平价模型迅速走红。其实,RiskParity模型的概念在几年前就已经传入国内,但当时是以Smartbeta传入,RiskParity模型只是Smartbeta其中一种模型。 展开更多
关键词 FOF 应用 文章摘要 金融工程 海通证券 模型 平价 风险
下载PDF
Smart Beta策略在FOF中的应用
3
作者 赖淼华 《中国证券期货》 2017年第7期18-21,共4页
文章摘要:在上一篇文章中,给大家介绍了一种基于马克维茨的均值方差理论延伸得到的Modern asset allocation模型(简称MAA模型),通过实证检验,MAA是较优秀的资产配置策略,具有兼顾收益和风险的特点。在这篇文章中,我们将引入另... 文章摘要:在上一篇文章中,给大家介绍了一种基于马克维茨的均值方差理论延伸得到的Modern asset allocation模型(简称MAA模型),通过实证检验,MAA是较优秀的资产配置策略,具有兼顾收益和风险的特点。在这篇文章中,我们将引入另一种新的Smartbeta演变模型-Elastic Asset Allocation模型(简称EAA模型)。EAA模型和MAA模型一样,也是Wouter J.Keller在提出的。 展开更多
关键词 FOF 应用 文章摘要 均值方差 马克维茨 实证检验 配置策略 模型
下载PDF
SmartBeta策略在FOF中的应用(2)
4
作者 赖淼华 《中国证券期货》 2017年第6期16-19,共4页
在上一篇(见本刊上期)文章中,我们介绍了Smartbeta的基本理念以及几种常用的经典模型,也通过实证验证了Smartbeta的有效性。在这篇文章,主要给大家介绍一种基于马克维茨的均值方差理论延伸得到、属于一种特殊的Smartbeta模型一Mode... 在上一篇(见本刊上期)文章中,我们介绍了Smartbeta的基本理念以及几种常用的经典模型,也通过实证验证了Smartbeta的有效性。在这篇文章,主要给大家介绍一种基于马克维茨的均值方差理论延伸得到、属于一种特殊的Smartbeta模型一Modernassetallocation模型(简称MAA模型)。MAA模型是Wouter J.Keller在2013年提出,这种模型在投资实务上比马克维茨简单实用,bLSmartbeta又更加灵活多变。首先会详细介绍此模型是如何从马克维茨的MPT现代投资组合理论延伸过来的;接着会利用SIM单因子模型推导MAA的基本公式;再根据不同的平滑效果,构建四种不同的MAA模型,包括基本MAA模型、全调整MAA模型、进攻型MAA模型和防御型MAA模型;最后,将这些模型运用在FOF的实务当中做实证分析。●MAA模型也是从马克维茨经典的投资理论改进得到的模型,它不属于战略型的资产配置策略,而是一种全新战术型的资产配置模型;●在MAA模型中,我们假设资产收益存在短期动能持续效应,而且波动率和资产间的相关性也存在短期的动能持续效应:●MAA的主要公式是从单因子模型(SIM)推导而来,将风险先分解成市场风险风险(或者其他因子风险)和自身风险,再根据风险进行资产配置。运算过程比均值方差模型简单实用,尤其当资产类别超过十种以上:●MAA模型经过不同的平滑处理可得到经典的Smartbeta模型和不同效果的MAA模型,如全调整MAA、进攻型MAASD防御型MAA。所以,MAA模型可以说是一种更加灵活的Smartbeta模型。 展开更多
关键词 FOF 现代投资组合理论 均值方差模型 经典模型 单因子模型 市场风险 马克维茨 资产收益
下载PDF
股指期货的中高频数据周期性分析及其衍生策略
5
作者 刘峰 《中国证券期货》 2017年第4期34-37,共4页
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
关键词 周期性分析 高频数据 股指期货 时间序列分析 定量化 分解法 最大熵 数学分析
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部