拓端tecdat|R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合
原文链接：http://tecdat.cn/?p=22034
原文出处：拓端数据部落公众号
相信大家都听说过股票和债券的多元化投资组合。改进的股票配对交易策略基本上使用了一种前进的方法（参考文章中的概念），即最大化夏普比率，偏向于波动率而不是收益率。也就是说，它使用72天的移动窗口来最大化投资组合的不同权重配置之间的总收益，标准差提高到52的幂。说得通俗一点，在1的幂数下，这是基本的夏普比率，在0的幂数下，只是一个动量最大化的算法。
这个策略的过程很简单:每个月重新平衡SPY和TLT之间5%的倍数，之前最大化了以下数量(在72天窗口中返回波动率^2.5)。
SPY和TLT组合
以下是获取数据和计算必要数据的代码:
require(quantmod)getSymbols(c("SPY", "TLT"), from="1990-01-01")for(i in 1:21) weightSPY <- (i-1)*.05config <- Return.portfolio(R = returns, weights=c(weightSPY, weightTLT)period <- 72
接下来，建立权重的代码：
weights <- t(apply(monthlyModSharpe, 1, findMax))weights[is.na(weights)] <- 0也就是说，在每个重新平衡的日期(每月的月末)，简单地采用使每月修改的夏普比率计算最大化的设置。接下来是收益表现:
Performance(stratRets)结果如下:
具有以下股票曲线：
并不完美，但相比之下，它的成分如何呢，我们来看看。
apply.yearly(Components, Return.cumulative)以下是一些常见的统计数据:
简而言之，这一策略的表现似乎远远好于上述两种成分。我们来看看股票曲线的比较是否反映了这一点。
事实上，虽然它确实在危机中出现了下跌，但当时这两个工具都在下跌，所以看起来这个策略在糟糕的情况下取得了最好的效果.以下是年度收益。
yearly(Return.cumulative)
然而，从2002年整体上看，虽然该策略很少会像两个中更好的表现一样，但它总是比两个中更差的表现出色--不仅如此，即使在一个表现差的时候，该策略在回测的每一年中都取得了积极的表现，例如2008年的SPY，以及2009年和2013年的TLT。以下是SPY在策略中的权重。
weightSPY <- do.call(rbind, weightSPY)TimeSeries(alig, date.format="%Y", ylab="SPY权重", main="SPY-TLT配对中SPY的权重")
贵州茅台和民生银行组合
股票数据获取及整理
## [1] "GZMT" "MSYH"组合收益表现结果如下:
加入比较项-非组合下的单只表现
年化收益率比较
通过累积收益率、日收益率和最大回撤率，以及年化收益率比较，可以发现采用优化方法的投资组合明显优于传统的投资策略。
现在，虽然这对某些人来说可能是一个独立的策略，但在我看来，动态地重新加权两个具有负相关性的收益流，与它们形成的成分相比，可能会产生一些较好的结果。此外，模拟实际组合收益率所采用的方法很有趣，不是简单地依靠一个数字来总结两种工具之间的关系，毫无疑问，这种方法作为一种一般的前进方法，有着广泛的应用。
最受欢迎的见解
1.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用
2.R语言GARCH-DCC模型和DCC（MVT）建模估计
3.R语言实现 Copula 算法建模依赖性案例分析报告
4.R语言COPULAS和金融时间序列数据VaR分析
5.R语言多元COPULA GARCH 模型时间序列预测
6.用R语言实现神经网络预测股票实例
7.r语言预测波动率的实现：ARCH模型与HAR-RV模型
8.R语言如何做马尔科夫转换模型markov switching model
9.matlab使用Copula仿真优化市场风险
拓端tecdat|R语言改进的股票配对交易策略分析SPY-TLT组合和中国股市投资组合相关推荐
- 量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合
最近我们被客户要求撰写关于量化交易的研究报告,包括一些图形和统计输出. 计算能力的指数级增长,以及量化社区(日益增长的兴趣使量化基金成为投资者蜂拥而至的最热门领域. 量化交易陷阱和R语言改进股票配对交 ...
- 拓端tecdat|R语言逻辑回归（Logistic回归）模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险 逻辑回归Logistic模型原理和R语言分类预测冠 ...
- 拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的 房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子 人口众多 独生子女政策: ...
- 拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解（STL）进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
- 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
- 股票配对交易策略-最小距离法
策略 配对交易( Pairs Trading)为这种困境提供了一种既能避险又盈利的策略,其又被称之为价差交易或者统计套利交易,是一种风险小.收益较稳定的市场中性策略.一般的做法,是在市场中寻找两只历史 ...
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- 使用R语言进行Metroplis-in-Gibbs采样和MCMC运行分析
全文链接:http://tecdat.cn/?p=12200 对于许多模型,例如逻辑模型,没有共轭先验分布.因此,吉布斯采样不适用(点击文末"阅读原文"获取完整代码数据). 这篇文 ...
- R语言关联规则挖掘数据集预览、分析、筛选：项目数的分布形态（分位数、密度图）、itemFrequency函数统计每一项目在所有事务中出现的次数、最常发生的项目、数据筛选（交易的集合项目大于1）
R语言关联规则挖掘数据集预览.分析.筛选:项目数的分布形态(分位数.密度图).itemFrequency函数统计每一项目在所有事务中出现的次数.最常发生的项目.数据筛选(交易的集合项目大于1) 目录
最新文章
- CodeForces - 1330D Dreamoon Likes Sequences(组合数学)
- LVS+Keepalived实现负载均衡和双机热备
- 前端学习（2974）：组件重定向
- Python模块(2)-Numpy 简易使用教程
- 正在中止线程 异常处理
- 关于TransactionScope出错：“与基础事务管理器的通信失败”的解决方法
- mysql去掉重复数据只保留一条，以及取分组后的一条数据
- 160505、oracle 修改字符集 修改为ZHS16GBK
- JavaScript:正则表达式 分组
- python整理表格数据_python --整理数据结构（列表）
- Nordic nRF52840 入门学习
- 笔记本电脑频繁自动重启_笔记本电脑频繁自动重启的原因和纠正
- 浅谈：企业需要什么样的技术总监？技术总监需要具备什么能力？
- Caused by: No object in the CompoundRoot has a publicly accessible property named 'y' (no setter cou
- 离散数学-数理逻辑知识整理(修改版)
- 什么是 知足者常乐？
- Python视频制作引擎Manim安装教程2021版(科学概念可视化)
- Codeforces E. Game With String
- 正确的境外银行攻略：个人如何开立离岸账户？
- 关于飞思卡尔MC9s12XEP100 CAN-ID如何计算出来0x3ff8 0000