交易策略識別趨勢震蕩之mesa

圖10：a和E的函數(shù)關(guān) 表5：未考慮成本最大熵模型結(jié) 頻域分析最早開始于1822年JosephFourier在他的 yticalTheoryof文當(dāng)時并沒有得到廣泛的認(rèn)可，直到他后人們才發(fā)現(xiàn)該結(jié)論的重要性。散時間變換，該方法本質(zhì)和原理與變換一樣，是它的離散形式，由于早的快速變換，隨后在1965年由J.WCooley和J.WTukey共同提出了快速傅快速變換使得離散變換可以更加高效的求解，它通過將離散變相同的分辨率，而且想要得到很高的分辨率需要非常大量的數(shù)據(jù)。90年代被雖然小波分析以及分析都可以提供非常好的時域-頻域變換工具，但是他們都需要較多的數(shù)據(jù)來進(jìn)行頻譜的確定。在金融領(lǐng)域，對于每個點(diǎn)，想要利用小波或者變換來確定該點(diǎn)所處的周期長短，需要進(jìn)行變換，而小波和計(jì)算機(jī)科學(xué)的一個分支理論，他將信息數(shù)量化后進(jìn)行分析，最初由ClaudeE近時的進(jìn)程，一個獨(dú)立的系統(tǒng)的熵是增加的，因?yàn)橄到y(tǒng)最終會達(dá)到平衡點(diǎn)。根據(jù)二者的誤差對濾波器進(jìn)行調(diào)整，直到濾波器的輸出波形與時域中的回報率序列首先我們來更加具體的講述熵的概念。假設(shè)有M個不同的即將發(fā)生，每件事情發(fā)生的概率都為。如果所有的概率全都相等，那么我們對于這個系統(tǒng)就沒有任何信息，而如果對于某一個的概率我們知道的非常清楚，那么我們就可以從這個系統(tǒng)中統(tǒng)很長一段時間T，如果T足夠大，我們可以認(rèn)為我們能夠觀察到個，那么整個0p0。這時系統(tǒng)是固定的沒有隨機(jī)性和不確定性。而如果對于一個系統(tǒng)，所有的全都相同，的自相關(guān)系數(shù)：其中是預(yù)測誤差參數(shù)，可以從歷史數(shù)據(jù)中得到，是一個常數(shù)。至此我們就但是幸運(yùn)的是，在1971年，vandeBos發(fā)現(xiàn)了上述模型和AR模型的部分相似性， （二）ARAR模型是1927年Yule在他的 OnaMethodofInvestigatingPeriodicitiesinDisturbedNumbers中，一個AR過程可以表示為一個線性濾波模型： 現(xiàn)在我們可以將AR過程寫成：我們讓，于是我們可以將上式寫成 對于模型參數(shù)的估計(jì)主要由兩種方法，第一種就是經(jīng)典的Yule-Walker可以通過循環(huán)求解來從上式得出模型的系數(shù)。型參數(shù)個數(shù)的方法，常見的方法有AkaikeInformationCriterions和BayesianInformationCriterions。的極大似然函數(shù)為L，那么該模型的BIC就為：更大的BIC往往意味著更加大的誤差。FPE被定義為：數(shù)據(jù)選取，本實(shí)證選取至的歷史日內(nèi)5分鐘高頻數(shù)據(jù)。我們假設(shè)股指雙邊收取手續(xù)費(fèi)，手續(xù)費(fèi)為每次開倉或平倉萬分之零點(diǎn)三，我們假設(shè)每次開倉會有滑點(diǎn)，在后面我們會實(shí)證分析成本對策略的影

說 總次數(shù)（自開倉至平倉為一個完整的周期） 單次收益率大于0的次數(shù) 勝 （二 個數(shù)的選擇和模型參數(shù)的個數(shù)選擇我們根據(jù)FPE的好壞來確定，采用的歷不采取任何，等震蕩市結(jié)束后再采用趨勢策略。四、滬深300股 2345678生的誤差越小，但是因?yàn)槟Ｐ褪窃诘耐瑫r實(shí)時對模型參數(shù)進(jìn)行估計(jì)，為了保證模型的準(zhǔn)確性，回測數(shù)據(jù)限制在40個，現(xiàn)在我們可以確定模型的回測數(shù)據(jù)使所有時點(diǎn)的頻譜圖連在一起，之后用heatmap將其描繪出，可以得到一在時，對于每個過去的時點(diǎn)，我們都將其所對應(yīng)的周期求出，從而得出周時點(diǎn)的周期大于某個閥值時，我們認(rèn)為現(xiàn)在處于趨勢狀態(tài)，按照趨勢規(guī)則發(fā)出

我們用2011，和年的股指連續(xù)對策略進(jìn)試5555 4444 明顯的時候進(jìn)行，從而降低失敗次數(shù)，提升勝率和收益。由累計(jì)收益圖中我們也可以發(fā)現(xiàn)，在2011年的時候，由于受挫單邊下跌，路下挫。在2013年的時候，由于在年中的時候由于面緊張，有一波非常明上圖為最大熵模型和普通均線模型每個月份的結(jié)果，可以看見，在普通均線可以的情況下，最大熵模型與普通均線的收益情況并沒有相差太多，而在普五、滬深300股 我們根據(jù)該指標(biāo)建立信號，當(dāng)市場屬于趨勢階段時，我們利用自適應(yīng)均線對股指進(jìn)行。如果當(dāng)市場變?yōu)檎鹗幨袝r，立即平倉，同時在震蕩市中不采近實(shí)際數(shù)據(jù)。當(dāng)小于1時，a為E的凹函數(shù)，當(dāng)E由1逐漸減小時，a變小的速度較慢。當(dāng)?shù)扔?時，a為E的線性函數(shù)，當(dāng)E由1逐漸減小時，a線性變小。而當(dāng)大們將c設(shè)為0.1，將d設(shè)為0.9。同時設(shè)為3，使趨勢情形更加突出。當(dāng)參數(shù)（二）策略及結(jié)K線內(nèi)的累積漲跌幅為0或者為頭寸的反向時，進(jìn)行平倉操作。以下是的結(jié)果： 5555滑點(diǎn)的問題，滑點(diǎn)是在中所很難避免的，為了使模型可以更好的用在實(shí)際中，我們假設(shè)時單邊有0.2個滑點(diǎn)，來進(jìn)行。5455 （三）結(jié)果總 的定價，預(yù)測，以及策略的制定越來越廣泛的將數(shù)理的知識運(yùn)用其中。間序列的頻譜進(jìn)行分析，從而從一定程度上有效的過濾掉噪聲，并加上趨勢中自適應(yīng)均線的應(yīng)用，構(gòu)造出高收益的股指5分鐘數(shù)據(jù)模型。 213點(diǎn)，約合收益率102.45%，回撤31.95%。其中年收益點(diǎn)，最大回撤169點(diǎn)，約合收益率24.30%，回撤25.35%。年收益點(diǎn)，回撤174點(diǎn)，約合收益用自適應(yīng)均線對趨勢階段進(jìn)行更好的。缺點(diǎn)在于回撤較大，且穩(wěn)定性可以再提量要遠(yuǎn)大于二維指標(biāo)，可能使過濾效果更好，同時亦可改進(jìn)趨勢的自適應(yīng)均線賣出：預(yù)期未來12個月內(nèi)，股價表現(xiàn)弱于大盤10%以上。廣廣 賣出：預(yù)期未來125%以上。們們市市市 廣州市天河北 市福田區(qū)金田

市西城區(qū)月壇北街

市浦東新區(qū)富城 大都會廣場 號安廈15樓A 月壇18 震旦18510075 務(wù) 8612 所載資料的來源及觀