阿尔法策略
长期低回报
理论驱动
策略种类
基于价格数据策略
研究趋势的延续或反转
-
趋势跟踪 价格波动会沿着已有趋势运动 风险在于横盘 判断趋势显著 => 滤波 调理
MA 移动平均
-
均值回归 趋势反转 价格围绕价值中枢波动 => 判断中枢 & 波动方向
统计套利
-
技术情绪 追踪投资者情绪 买卖量 限价买卖量 交易量 限价book形态
-
基本面数据
-
其他策略 市场高估高风险投资的风险 低估低风险投资的风险 在适当时候买入高风险 卖出低风险投资 卖低收益 买高收益
买高收益 卖低收益 买涨幅大 卖涨幅小or负的 买高质量 卖低质量
衡量股票质量
- 杆干比率
- 收入来源 std
- 管理水平
- 欺诈风险
数据驱动
缺点：
门槛高 理解难 计算量大 依赖历史数据经常修改风险大 算法噪音信号大
解决的问题
- how 决定现在的环境
- 定义相似
- 计算概率
- 确定回溯时间段
实施策略注意问题
- 明确模型预测的目标
- 模型投资期限
-
投注结构 相对预测 分组
-
适用范围 地理(美股，A股) 资产种类（外汇 股指） 产品类别（不同市场不同产品）
选择流动性强 优质数据 容易进行模型预测
- 模型设定
对于模型关键判断点的设定: 判定方法 参数
参数设定 => 机器学习
- 条件变量
修正型 止盈止损信号
辅助型
- 运行频率
model寻找新交易机会的频率
频率快
频率慢
理论驱动设计图
混合模型
可以多种策略一起使用
线性
- 分配权重
多元回归分析
例子
非线性
条件模型
例子 或者利用条件变量改变阿尔法模型权重
旋转模型
