|
今天我们给大家主要讲一下量化投资中的算法交易设计。时间风险是我们在用算法交易时要面对最大风险。也就是说需要交易不立即执行的话，那么有可能会带来价格风险。通常情况下，在我们使用算法交易进行量化投资的过程中，冲击成本和时间风险是不能兼得的。 冲击成本模型是被动型交易算法设计的主要依据。在已经拥有了成本模型的情况下，算法交易的建成过程就可以被看做是一个时间风险和最小冲击成本的优化过程。时间风险和冲击成本可以用最优化的目标函数来代表。 不知道有没有朋友知道短期价格预测。例如：随机过程、模式识别以及传统技术分析方法都属于短期价格预测的方法。如果我们在建立好算法交易模型后，对其加入证券短期价格趋势的判断。这样就可以进一步提升算法交易的效率。那么对于趋势判断来说，我们就需要在冲击成本模型的基础上建立一个短期价格预测模型。 一、设定比较基准 我们在判断一个交易算法是否合适的时候，首先要选择出一个合适的比较基准。时间加权平均价格、开盘价格、收盘价格以及成交量加权平均价格都可以被看做是算法交易的比较基准。这时，可能会有朋友想问，那么这么多比较基准我们应该如何去选择呢？比较基准的选择我们可以根据量化投资者自身的投资风格和投资目标来确定。 二、最优参数和回测的选择 在我们确定好比较基准后，下一步我们就可以根据不同的参数来测试效果，最终挑选出合适的参数。 1）首先我们可以用不同参数在整个历史时期的不同阶段进行测试。通过不同的参数，可以判断出算法交易系统的稳定性以及对参数变化的敏感程度。如果系统对于参数变化表现的过于敏感则不适合在市场中使用。 2）我们也可以选定一个市场情况较为平稳的历史时期，然后采用不同的参数以相同的方法来进行测试。这种测试会检测对于不同参数系统的稳定性和敏感性。夏普比率可以被用作选择最优参数。 3）特殊情况下的市场环境选择最优参数，可以进行样本外的测试，来确定算法交易的效果是否能够达到我们的预期。 三、利用仿真系统来进行测试 对于量化投资系统测试来说，如果能够放在实盘中进行测试操作无疑是最有效的测试方法。但是对出初级测试来说，这意味着巨大的前期资金投入。所以，我们一般采用仿真系统来进行测试。仿真系统的主要原理是模拟投资者在一个虚拟的市场中进行交易。
|
|
|
