金融量化— 简单均值回归策略（Mean Reverting Strategy）

均值回归理论

均值回归策略应用了股市投资中经典的高抛低吸思想，该类型策略一般在震荡市中表现优异；但是在单边趋势行情中一般表现糟糕，往往会大幅跑输市场；

均值回归：“跌下去的迟早要涨上来” , 选股用，不适合做择时，因为不知道什么时候是偏离最低

均值回归的理论基于以下观测：价格的波动一般会以它的均线为中心。也就是说，

当标的价格由于波动而偏离移动均线时，它将调整并重新归于均线。

定义偏离程度：（MA-P）/MA —MA均线，P价格

均值回归策略：在每个调仓日进行

计算股票池中所有股票的N日均线

计算股票池中所有股票与均线的偏离度

选取偏离度最高的M只股票并调仓，比如某只股票前几年波动较小，突然出现波动很大的情况，就有持有的价值

python实现

0. 引库

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn
plt.style.use('seaborn')
import matplotlib as mpl
mpl.rcParams['font.family'] = 'serif'
import warnings; warnings.simplefilter('ignore')    # 忽略警告信息

import numpy as np
import pandas as pd
import tushare as ts

1. 数据准备 & 回测准备

data = ts.get_k_data('hs300', start = '2010-01-01', end='2016-06-30')[['date','close']]
data.rename(columns={'close': 'price'}, inplace=True)
data.set_index('date', inplace = True)

data['price'].plot(figsize = (10,8));

2. 策略开发思路

data['returns'] = np.log(data['price'] / data['price'].shift(1))
SMA = 50
data['SMA'] = data['price'].rolling(SMA).mean()

data.tail()

# 选取 阈值
threshold = 250
data['distance'] = data['price'] - data['SMA']
data['distance'].dropna().plot(figsize=(10, 6), legend=True);
plt.axhline(threshold, color='r');
plt.axhline(-threshold, color='r');
plt.axhline(0, color='r');

 # 使用np.nan的作用是为了填充
data['position'] = np.where(data['distance'] > threshold, -1, np.nan) # data['position']作用是 不小于 -threshold和原来值相同， 不改变
data['position'] = np.where(data['distance'] < -threshold, 1, data['position']) # 穿越 data['distance']= 0 的点
data['position'] = np.where(data['distance'] * data['distance'].shift(1) < 0, 0, data['position'])# ffill() 向前填充  fillna(0) np.nan填充为0
data['position'] = data['position'].ffill().fillna(0)

data['position'].ix[SMA:].plot(ylim=[-1.1, 1.1], figsize=(10, 6));

3. 计算策略年化收益并可视化

data['strategy'] = data['position'].shift(1) * data['returns']
data[['returns', 'strategy']].dropna().cumsum().apply(np.exp).plot(figsize=(10, 6));

# 计算年化收益
data[['returns', 'strategy']].mean() * 252

returns    -0.018261
strategy   -0.080739
dtype: float64

策略思想总结

均值回归策略应用了股市投资中经典的高抛低吸思想，该类策略一般在震荡市中表现优异；但在单边趋势行情中一般表现糟糕，往往会大幅跑输市场

金融量化— 简单均值回归策略（Mean Reverting Strategy）相关推荐

量化投资 — 简单均值回归策略（Mean Reverting Strategy）
均值回归_Mean Reverting Strategy 0. 引库 %matplotlib inline import matplotlib.pyplot as plt import seaborn ...
量化交易——均值回归策略
一.均值回归理论均值回归:股票价格无论高于或低于价值中枢(或均值)都会以很高的概率向价值中枢回归的趋势.何时会发生均值回归,属于"随机漫步"范畴. 均值回归的理论基于以下观测:价 ...
手把手教你用Python搭建自己的量化回测框架【均值回归策略】
1 引言大部分量化策略都可以归类为均值回归与动量策略.事实上,只有当股票价格是均值回归或趋势的,交易策略才能盈利.否则,价格是随机游走的,交易将无利可图.均值回归是金融学的一个重要概念,指股票价格无 ...
【量化策略系列】股票均值回归策略之一——配对交易策略（Pairs Trading）
本文持续更新中.最后更新时间:11/11/2019 文章目录 1. 往期文章回顾 2. 均值回归策略简介 3. 配对交易策略简介 4. 配对交易策略构建流程 5. 代码实现与回测结果 Python 代 ...
量化交易聚宽均值回归策略
量化交易聚宽均值回归策略 # 导入函数库 from jqdata import *# 初始化函数,设定基准等等 def initialize(context):# 设定沪深300作为基准set_b ...
布林线均值回归策略(股票)
1. 原理提起布林线均值回归策略,就不得不提布林带这个概念.布林带是利用统计学中的均值和标准差联合计算得出的,分为均线,上轨线和下轨线.布林线均值回归策略认为,标的价格在上轨线和下轨线围成的范围内浮 ...
【Python】均值回归策略回测（日内高频数据）
文章采用均值为SMA(close, time_period = 3日),利用(收盘价 - 三日均线)计算偏离程度. 如果大于阈值(首个收盘价的2%)则开仓买入(卖出) 如果收盘价穿过均线说明均值偏离情 ...
数据分析--均值回归策略（选股）
数据分析--均值回归策略(选股) 均值回归理论均值回归:"跌下去的迟早要涨上来" , 选股用, 不适合做择时,因为不知道什么时候是偏离最低均值回归的理论基于以下观测:价格的 ...
Python 金融量化均线系统交易策略专题(简单移动平均，加权移动平均，指数加权移动平均，异同移动平均MACD等解读与绘图)
捕捉趋势最普遍的方法为移动平均线,根据求平均的方式不同,移动平均数又可分为简单移动平均数(Simple Moving Average, SMA),加权移动平均数(Weighted Moving Ave ...

金融量化— 简单均值回归策略（Mean Reverting Strategy）

均值回归理论

python实现

0. 引库

1. 数据准备 & 回测准备

2. 策略开发思路

3. 计算策略年化收益并可视化

策略思想总结

金融量化— 简单均值回归策略（Mean Reverting Strategy）相关推荐

最新文章

热门文章