分享一个在沪深300下获得146.56%超额收益的策略
今天的策略复现自广发金工的研报：《广发证券：A股量化择时模型GFTD第二版》（20130726）
GFTD是广发TD的缩写，TD指标包含多种类型，最常见的就是TD序列和TD组合。
TD序列也就是大家常见的神奇九转，TD组合比神奇九转更复杂，而GFTD模型是以TD组合为原型，进一步优化下的成果。所以说，掌握了TD组合，也就掌握了神奇九转。
一、GFTD模型原理
在上述的模型原理中，GFTD模型进一步增加了一些机制：
- 止损机制：买入信号下，止损点为计数期间的最低价；卖出信号下，止损点为计数期间的最高价。
- 计数取消机制：在买入计数期间，如果形成新的买入启动，则买入计数归零重新计算；在卖出计数期间，如果形成新的卖出启动，则卖出计数归零重新计算。
同时，对参数也进行了调整，以适应A股市场。其中，启动阶段的间隔时间为4天，启动所需的连续条件数为4天，计数量也为4天。
此外，策略中还有两个细节需要注意！一个是关于策略逻辑，另一个是关于程序编程。
细节一：计数阶段中的第三个条件是“收盘价小于之前第1个计数的收盘价”。那么，当第一个计数还没出现时，“前1个计数的收盘价”初始值是哪一个？是启动阶段的最后一个收盘价，还是当天bar的前1个收盘价？
说明：按照研报中示例截图的买卖点推测，“前1个计数的收盘价”初始值应是当天bar的前1个收盘价，而不是启动阶段的最后一个收盘价。从逻辑上来看，当天bar的前1个收盘价的时效性强于启动阶段的最后一个收盘价。
细节二：在设计启动阶段的程序时，是从当日开始逐天往后计算N天，还是回溯历史数据N天来计算？哪种编程方式更好？
说明：两种计算方式都是符合逻辑的，但第二种编程方式更灵敏（本文选择这种）。第二种方式从回测第一天便能检测当天是否满足启动阶段，且从计数阶段开始便能立即检测当天是否满足启动阶段。第一种方式相对会滞后一段时间。当然，更灵敏的代价是该种计算方式的运算量更大。
二、GFTD模型回测
（一）策略参数设置：
- 初始资金：10万
- 回测品种：上证50、沪深300、上证指数
- 回测区间：2010年01月01日—2022年04月27日
（二）各指数的回测结果如下所示：
1、上证50
回测报告由掘金量化提供
2、沪深300
回测报告由掘金量化提供
3、上证指数
回测报告由掘金量化提供
三、回测结果对比与分析
| 上证50 | 沪深300 | 上证指数 | |
| 年化收益率 | 5.40% | 12.71% | 1.01% |
| 最大回撤 | 29.50% | 27.13% | 58.36% |
| 超额收益 | 61.15% | 146.56% | 2.25% |
| 交易次数 | 38 | 36 | 42 |
| 胜率 | 42.11% | 55.56% | 45.24% |
从回测效果来看，沪深300>上证50>上证指数。
在沪深300指数下，各项指标均优于其他指数，超额收益率甚至达到了146.56%！
整体来看，在2017年以前，择时效果都不错，但部分指数在随后的时间里逐步失效。为此，模型在部分指数上的参数需要进一步调整。毕竟，该参数是在2013年设置的，一般策略半年左右可能就需要进行调整了，而这组参数跑了将近10年时间。
感兴趣的朋友可以将GFTD模型运用到其他指数中，并收录到自己的复盘程序里。还可以针对不同指数做一个参数优化，但由于模型参数较多，穷举式的回测耗时会很长很长~
后期，笔者会尝试用遗传算法等方式进行策略的参数优化，敬请期待！
PS：本次策略的源代码已经分享到掘金量化社区啦~需要的同学可以再在电脑端访问：掘金量化社区 搜索关键词“GFTD”获取。
分享一个在沪深300下获得146.56%超额收益的策略相关推荐
- 给定一个投资组合的收益序列，以沪深300作为参照，分解该投资组合的α和β
给定一个投资组合的收益序列,以沪深300作为参照,分解该投资组合的 α \alpha α和 β \beta β 获取数据准备工作 安装JQDdata库,
- Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析
米筐科技(RiceQuant)策略研究报告:Barra 结构化风险模型实现(1)--沪深300指数的风格因子暴露度分析 江嘉键 1 年前1 概述 Barra 结构化风险模型是全球知名的投资组合表现和风 ...
- fxmarket：9月25日黄金、沪深300、恒指策略分析
一.市场综述 国内股指昨天冲高回落震荡整理,创业板走势类似,截止收盘,上证综指涨0.28%,上证50期指收涨0.22%,中证500期指下跌0.24%,沪深300期指微跌0.01%:北上资金方面,沪股通 ...
- Java程序告诉你A股沪深300哪些股票值得投资
CSDN.牛客.雪球.公众号同步首发: 闲得慌,其实可以手写的,主要是想复习一下Java(不是.. 首先,在中证指数官网下载沪深300的样本权重EXCEL 下载后,我把股票名和对应权重合并到了紧邻的两 ...
- tushare获取沪深300指数历史_TuShare -财经数据接口包
在Pro版接口中,我们也增加了通用通用行情接口,可以方便获得各种资产各种频度的数据,欢迎使用. 获取个股历史交易数据(包括均线数据),可以通过参数设置获取日k线.周k线.月k线,以及5分钟.15分钟. ...
- 可视化股票市场结构||沪深300股票聚类可视化
前半部分是Visulizing the stock maket structure文章翻译,对代码进行逐行解释,并在文后附录所有参考链接.后半部分是基于案例做的沪深300可视化 此案例采用了几种非监督 ...
- Python数据分析案例10——北向资金流入与沪深300涨跌幅分析
博主本科是学投资的,最近看了b站邢不行up主的一些量化策略视频,和自己本科毕业论文很像,便想自己也来做一下这个实操的项目. 案例背景 北向资金是从中国最南方--中国香港流入内陆的资金,大部分都是外资, ...
- 结构化风险模型----转：沪深300指数的风格因子暴露度分析（一）
from: https://xueqiu.com/7381621247/73649418 1 概述 Barra 结构化风险模型是全球知名的投资组合表现和风险分析工具.最近一段时间,我们米筐科技量化策略 ...
- 基于聚宽数据JQData的沪深300股指期货贴水现象简析
-- 本篇文章 by solon 沪深300股指期货是以沪深300指数作为标的,于2010年4月16日在中金所推出的一个股指期货品种.期货的基本功能就是为投资者提供套保风险对冲和现货市场的价格发现,而 ...
- JQData | 基于聚宽数据JQData的沪深300股指期货贴水现象简析
转自 https://blog.csdn.net/S_o_l_o_n/article/details/83474795#10006-weixin-1-52626-6b3bffd01fdde490013 ...
最新文章
- FastAI 课程学习笔记 lesson 1：宠物图片分类
- 递归求最值（分治递归）
- 计算机photoshop知识点,计算机一级Photoshop知识点
- Winform中通过NPOI导出Excel时通过ICellStyle和IDataFormat格式化日期显示格式
- GDCM：排序图片的测试程序
- nodejs获得服务器响应,轻松创建nodejs服务器（6）：作出响应
- 爱立信牵手微软，加速物联网全球生态
- 又走一人 苹果自动驾驶系统工程项目经理已离职
- C4d酷炫立体空间质感电商海报素材，紧抓时尚潮流
- PHP实现程序单例执行
- 1128UI自动化测试经验分享-显式等待（二）expected_conditions模块、visibility_of_element_located(locator)
- 报错解决方案参考：《xv6分析与实验》中关于qemu运行报错解决方法
- [Mitchell 机器学习读书笔记]——人工神经网络
- c语言 m文件是什么,M文件扩展名 - 什么是.m以及如何打开？ - ReviverSoft
- S3C2440裸机实战 之一 创建初始工程
- 深富策略主力资金逆势突袭这个版块
- 使用PYQT5打开电脑摄像头并进行拍照
- 141.如何个性化推荐系统设计-1
- 生活要有新鲜感，麻烦给我来一杯依维世苏打水鸡尾酒
- Centos7使用yum更新gcc----依赖centos-release-scl源