量化进阶-《python与量化投资从基础到实战》——常用的量化策略及其实现

量化投资概述

量化投资简介

量化投资是借助量金融分析方法进行资产管理的一种投资方法，而量化金融分析方法是一种结合了金融数据、个人经验、数学模型及计算机技术的复杂金融建模及分析方法，其中的每个方面都有自己的细分领域，如

金融数据：行情数据、高频数据、因子数据、新闻数据、地理信息数据、社交数据。
个人经验：基金经理的个人投资经验。
数学模型：统计分析、机器学习、深度学习
计算机技术：简单计算、并行计算

量化投资策略的类型

按照标的分类，基本上都是围绕股票、基金、期货、期权、债券、海外资产来进行分类的。需要特别说明的是，人们一般不会单纯地投资某种资产，在大多数情况下对基金都会投资一种资 以上；而且，在每一种资产下都会有很多细致的分类。

1.股票策略
2.基金策略：指数基金；分级基金；股票型、债券型、货币型、衍生证券型基金
3.期货策略：股指期货；商品期货
4.期权策略：指数期权；个股期权（目前在国内尚未开放个股期权）
5.债券策略：国家债券；政府债券；上市公司债券；未上市公司债券；其他资产债券、组合债券（比如美国次贷危机中的主角：次级债券）
6.海外资产策略：直接投资海外市场证券；通过国内跟踪海外市场的基金来进行间接投资

年化研究流程

详细解释请看书【太难打字了】

行业轮动理论及其策略

行业轮动理论简介

行业轮动理论自2004年美林证券提出投资时钟理论以来，逐渐成为一个重要的研究热点。行业轮动指在股市中行业指数收益率的有规律的此起彼伏的现象。这里所说的行业是指一组主营业务类似的公司的集合，这些公司的股票在市场上的表现通常比较接近，行业轮动说明了三点：首先，在近期刚刚热起来的行业将会继续在一段时间内表现较好；然后，这些表现较好的行业终将不会再表现得那么好，但是其他行业开始表现得更好； 最后，这些行业此起彼伏的表现是可能被预测的，并且和商业周期非常相关。

行业轮动的原因

对行业轮动现象的解释有很多，但大体以实体经济和行为金融为主。 从实体经济出发，
不同的行业存在着不同的赢利周期，而且经济大环境也存在着周期性的变化。股票市场的
行业轮动是实体经济变化的一个映射，但是这个映射并不仅仅反映现在的情况，更主要反
映将来的情况；同时，这个将来的情况也只是投资者主观预期的情况，未必就是将来的实
际情况。从行为金融学出发，投资者存在认知与情感的缺陷，其中认知的缺陷可以通过不
断学习来克服，而情感上的缺陷却很难克服，所以行业轮转也在很大程度上受到投资的行
为模式的影响。

从产业链的角度来看行业轮动

处于不同上下游的行业有着明显不同的赢利用期， 更重要的是赢利的弹性不同，导致每个行业的表现存在自己的特性，也就形成了行业轮动的条件。这也说明：处于中上游的行业由于利润弹性大，导致股市估值预期变化大，更能体现行业轮动的特征。

从行为金融学的角度来看行业轮动

国内外有一些关于行为金融学结合行业轮动的研究， Moskowitz 与 Grinblatt ( 1999) 得到了这样的结论：行业指数的惯性(动量)效应解释了市场上的大部分惯性效应；如果控制其他市值、估值因素等，则行业指数仍呈现出明显的惯性效应；如果控制行业因素，则全市场的惯性效应将不会再显著。国内也有众多学着的研究。

扫描二维码关注公众号，回复： 15449598 查看本文章

行业轮动投资策略

在开发一个行业轮动策略时，首先要面临的问题就是对行业分类的选择。对行业分类的选择对后面的策略影响是很大的。国内常用的行业分类标准有申万、证监会、中证、中信等。
国际上常用的行业分类标准有联合国制定的 ISIC（全称是International StandardIndustrial Classification of All Economic Activities)、欧盟制定的NACE（全称是StatisticalClassification of Economic Activities in the European Community)、美国制定的SIC(StandardIndustrial Classification）和标准普尔与摩根士丹利共同制定的GICS ( Global IndustryClassification Standard）等。实际上，我们也可以根据自己的需求，利用聚类算法来构建一套符合自身需求的行业分类体系。

策略介绍

本策略从行业历史收益率的角度来看行业轮动，希望从行业指数的历史数据中找出在统计上具有显著相关性的行业。按照行业轮动理论的思想，本策略选取的行业标准和策略思想如下。

• 行业:申万一级行业（28个，包括综合行业)。
• 数据:从2015年1月1日至今的历史上的所有申万一级行业的每日行情数据。
• 思想:首先，利用行业的每日行情数据计算出各行业的月度行情，根据月度行情数据计算出月度收益率数据;其次，根据月度收益率数据对各行业的每月收益进行排序，得到排序矩阵;最后，将所有的行业月度收益率排序数据与行业的一阶滞后月度收益率排序做相关性分析，并选择出在统计上有显著相关性的行业。

市场中性Alpha策略

市场中性策略是指同时构建多头和空头头寸以对冲市场风险，无论市场处于上涨势还是下跌势的环境下，均能获得稳定收益的一种投资策略。 也就是说 ，市场中性 Alpha 策略类收益与市场涨跌无关 致力于获取绝对收益的低风险量化投资策略，其主要通过同时持有股票多头和期货 空头 来获取多头组合超越期货所对应基准指数的收益。

市场中性 Alpha 策略的思想和方法

Alpha 策略最初是由 William Sharpe 1964 年的著 《投资组合理论与资本市场》中首次提出的，并指出投资者在市场中交易面临系统性风险和非系统性风险，用公式表达如下

其中
, E(Rp) 表示投资组合的期望收益率， Rf表示无风险报酬率， Rm 表示市场组合收益率， $\beta$为某一组合的系统风险 数。 CAPM 型主要表示单个证券或投资组合同系统风险收益率之间的关系，也就是说，单个投资组合的收益率等于无风险收益率与风险溢价之和。
Alpha 策略的思想是通过衍生品来对冲投资组合的系统风险 $\beta$，锁定超额收益 Alpha。因此首先需要寻找稳定的 Alpha ，构建 Alpha 组合，进而计算组合的Alpha来对冲风险 。Alpha策略成功的关键就是寻找到 个超越标准（具有股指期货等做空工具的基准）的策略
如，可以构造指数增强组合＋沪深 300 指数期货空头策略。这种策略隐含的投资逻辑是择时比较困难，不想承受市场风险。

市场中性 Alpha 策略是一套科学且成熟的投资研究方法，在实际应用中 ，我们通常采用多因子模型驱动、期货对冲来获取长期稳定的 lpha 同时，使用多因子模型可有效地结合基本面和技术面，使策略更可靠、更稳健。另外，该策略的投资标的广、市场容量大，基本没有产品规模限制。

大师策略

所谓大师策略，其实和基本面量化有异曲同工之妙，更偏向于主动投资管理，通过使用者对公司财务指标、市场方向等的顶层逻辑去建立相应的量化模型，再通过数量化手段去验证自己的逻辑。

麦克·欧希金斯绩优成分股投资法

策略说明
麦克·欧希金斯所使用的选股方法极为简单，他将道琼斯指数的成分股作为股票池，挑选股息率最高的 10 家公司进行投资组合，每年进行一次调 以下是麦克·欧希金斯的基本投资逻辑。
（1）选取道琼斯工业指数30支成分股。
（2）逃 出股息率最高的 10 家公司 ，如果 第10 家及第11家股息率相同，则选择收盘价较低的个股。
（3）等权构建投资组合。
（4）每年调整 次投资组合。

杰拉尔丁·维斯蓝筹股投资法

策略说明
杰拉尔丁·维斯蓝筹股投资法不仅强调高股息，还看重公司的成长性及股票的流通性，这是策略在缺乏行业多样性的前提下依旧表现稳健的主要原因。以下是杰拉尔丁·维斯的主要基本投资逻辑。
（1）在过去 12 年内股息必须成长5倍
（2）在标准普尔的评估体系中必须达到A-或以上的评级
（3）在外流通股数至少为 500 万股，以确保有充分的市场流通性。
（4）至少有80家机构持有该股。
（5）必须至少在25年内不间断地发放股息。
（6）在过去 12 年内公司的盈余必须至少有 7年成长。
具体策略
由于国内市场与美国市场有若干差异，因此除借鉴杰拉尔丁·维斯的选股标准外，也可以整合以下客观、可量化的指标作为选股标准
选股标准如下。
（1）股本数量大于市场平均值。
（2）选择沪深 300 成分股作为股票池
（3）至少有 10 以上的股票型基金持有该股
（4）在5年内至少有3年净利润成长率大于
（5）在过去3年内不间断地发放股息。
（6）过去3年的股息必须成长 0.5 倍以上。
（7）股息率大于等于4%

CTA策略

CTA是Commodity Trading Advisor Strategy的缩写，从字面意思来看，是指商品交易顾问，也就是指投资于期货的资产管理产品。CTA 基金也分为两大阵营:主观CTA 和量化CTA。前者依靠基金管理人基于基本面调研或以往的交易经验来判断后续走势，决定何时买进卖出，做空做多，但是这种做法受市场及基金管理人的主观影响很大，所以其份额逐渐被量化CTA所蚕食，而后者正是本节的重点所在;量化CTA策略通过分析建立数量化的交易模型，并根据交易模型所产生的买卖信号进行投资决策。
量化CTA策略也分为两种:趋势跟随策略和均值回复策略。
趋势跟随策略利用大量的模型寻找当前的市场趋势，判断多空，只要存在大幅度的上涨和下跌，则都能获利，但是在市场波动较小或震荡市期间，这种策略可能因为不停地止损而出现回撤。
均值回复策略则主要应用在跨期、跨品种配对交易中，根据价差反转套利，和股
票市场中的高抛低吸类似，核心思想是利用历史走势基本一致地对资产进行套利。

趋势跟随策略

在投资市场中，可将趋势形态简单地分为三种:上升趋势、下降趋势和震荡趋势。趋势跟随是一种基于价量分析的投资方式，其基本策略是在趋势开始形成时选择趋势方向买入，等待趋势结束后卖出。鉴于趋势跟随赚取的是市场大涨或大跌状态下的钱，所以在长期盘整的震荡趋势中不适合配置趋势跟随策略。趋势跟随策略历史久远，有很多著名的趋势跟随系统为聪明的投资者带来了巨大的财富，例如海龟交易法则、 Dual Thrust交易法则、各类突破交易法则等。
期货市场是零和博弈，有盈有亏，投机商其实是在参与一场有技术含量的赌博。在赌场中，通常优势在庄家一边，因为庄家可以掌握更多的资源，所以可以更有力地影响市场。因此老练的玩家们在大多数时间都玩得很小，而是静待时机，等到确保大概率情况下的赢利势头后再加大赌注，从市场中获利。在期货市场中，集体的力量会构成趋势，在通常情况下的大笔赢利也都来源于这种趋势。趋势交易者从概率的角度去看待问题，从历史数据中判断在概率角度上有利的操作方式，遵从最大概率原则并顺势而为，避免预测未来，这样才能在长远的交易中取胜。当评判CTA策略的收益表现时，可以粗略地将某策略的收益拆解为两部分，如下式所示:

其中，R代表策略收益;rwl代表盈亏比，为在一个交易段中赢利数额和亏损数额的比值;rwr代表胜率，为在交易中赢利次数的占比，k代表正则系数。
对于类型不同但表现相当的策略，其收益来源可能会有很大的差别。有的策略重在高盈亏比rwl，在其交易中可能有的交易是亏钱的，但是亏小赚大，总体期望是赚钱的，通常趋势策略属于这一类;有的策略重在高胜率rwr,，在交易次数较多的情况下，总体是能赚钱的，有不少反转策略属于这一类。

双均线突破——无止盈止损

利用短期均线 MA _S和长期均线 MA_L 生成开平仓信号。

• MA_S上穿MA_L，形成做多信号，买入开仓。
• MA_S下穿MA_L，形成做空信号，卖出开仓。

双均线突破一一附带止盈止损

利用短期均线 MA _S和长期均线 MA _L生成开平仓信号。

• MA _S上穿 MA _L ，形成做多信号，买入开仓
• MA _S上穿 MA _L形成做空信号，卖出开仓。

基于 Bar 线的止盈 ：指浮动赢利 ／保证金＞5% ，计算为浮动赢利×保证金比例／保证金。
基于 Bar 线的止损：指浮动亏损／保证金＜3% ，计算为浮动亏损×保证金比例／保证金。

布林带突破一一无止盈止损

利用前收盘价格precloseprice对于布林带上边带upperband和下边带 lowerband突破生成开平仓信号:

• precloseprice上穿upperband ，形成做多信号，买入开仓;
• precioseprice下穿lowerband ，形成做空信号，卖出开仓。

高低点突破策略

高低点突破策略是指利用价格对某动态高点或低点的突破产生交易信号。以峰值高低
点突破策略为例，什么是峰值的高低点呢，定义如下。

• 峰值高点：以一段时间序列的正中间为最高值，该最高值为有效的峰值高点。
• 峰值低点：以一段时间序列的正中间为最低值，该最低值为有效的峰值低点。
  所以,高低点突破策略的具体逻辑如下。
• 前收盘价格 precloseprice向上突破动态峰值高点，形成做多信号，买入开仓。
• 前收盘价格 precloseprice向下突破动态峰值低点，形成做空信号，卖出开仓。

R-Breaker 日内交易策略

（1）根据前一个交易日的收盘价、 最高价和最低价数据 ，通过 定方式计算出6个价位，从大到小依次为突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价和突破卖出价，以此来形成在当前交易日盘中交易的触发条件。通过对计算方式的调整，可以调节6个价格间的距离，进一步改变触发条件。
（2）根据盘中价格走势，实时判断触发条件， 具体条件如下

• 在日内最高价超过观察卖出价后，盘中价格出现回落且进一步跌破反转卖出价构成的支撑线时，采取反转策略， 在该点位（反手、开仓）做空。
• 在日内最低价低于观察买入价后，盘中价格出现反弹且进一步超过反转买入价构成的阻力线时， 采取反转策略，即在该点位（反手、开仓）做多。
• 在空仓的情况下，如果盘中价格超过突破买入价 ，则采取趋势策略，即在该点位开仓做多。
• 在空仓的情况下，如果盘中价格跌破突破卖出价， 采取趋势策略，即在该点位开仓做空。
  （3）设定止损及止盈条件
  （4）设定过滤条件。
  （5）在每日收盘前对所持合约进行平仓。
  具体来看，这6个价位形成的阻力和支撑位的计算过程如下。
• 观察卖出价 High+ 0.35 × (Close - Low)
• 观察买入价 Low 0.35 × (High - Close)
• 反转卖出价＝ 1.07 / 2 × (High + Low) - 0.07 x Low
• 反转买入价＝ 1.07/I2 x (High+Low) - 0.07 x High
• 突破买入价＝观察卖出价＋ 0.25 ×（观察卖 出价-观察买入价）
• 突破卖出价＝观察买入价- 0.25 ×（观察卖出价-观察买入价）

其中， Hig Close Low 分别为昨日最高价、昨日收盘价和昨日最低价 。这6个价位从大到小依次是： 突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价和突破卖出价。

均值回复策略

跨品种套利

跨品种套利所选择的品种从经济角度来说，可能处于同一产业链的上下游，比如玉米与淀粉 ；也有可能具有可替代或者互补的关系，比如豆油与菜油 。一般来说，同一产业链的品种相关性较高，无论是从基本面还是从统计规律出发，均比较容易找到逻辑支撑 。常见的产业链主要包括黑色产业链、 豆类油脂产业链和化工产业链等。通过对同一产业链中相关性很强的品种的期货合约分别进行买入和卖出，通过品种间的强弱变化引发价差的收缩与扩
大，可实现价差收益。
详情讲解看书。

跨期套利

与跨品种套利不同，跨期套利是在同一市场、同一品种、不同的到期月份的合约之间进行套利，其中涉及非主力合约的问题。
详情讲解看书。

Smart Beta

Smart Beta（聪明贝塔，又称智慧型投资策略）是指在传统的指数投资基础上，通过系统性的方法对指数中选股和权重进行优化，以跑赢传动指数投资的策略。与传统的市值加权指数相比，在传统的指数中市值越高的个股将占有越大的权重，往往将指数投资者暴露于被高估的股票及投资集中的风险中。而Smart Beta与传统的指数编制方法不同，它通过对传统指数选股及权重的优化，在指数化被动管理的同时，相对于传统指数也能够取得一定的超额收益。

基于权重优化的 Smart Beta

Beta简介

众所周知，Beta在CAPM模型中衡量了相对于持有整个市场所带来的风险溢价(RiskPremium)的大小。我们通常用市场投资组合或市场指数基金来表示整个市场，市场指数通常都是市值加权（Market Capitalization Weighted)，如果把市场指数换成按非市值加权的指数或投资组合，则得到的Beta就是Smart Beta。下面分别从等权组合、最小方差组合、风险平价组合、最大多元化组合这4个角度进行权重优化。

原理与算法

1. 等权重
   每个成分股的权重都一样，权重的计算公式如下，其中，N为成分股的个数:
   
2. 最小方差
   用于保证组合整体风险最小，可以用如下优化问题表示:
   
   在上式中，为各资产的协方差矩阵，w为各资产的权重列向量。
3. 风险平价
   用于保证每个资产对组合整体风险的贡献都一样，可以用如下优化问题表示：
   
   在上式中，为各资产的协方差矩阵，w为各资产的权重列向量。
4. 最大多元化
   首先假设组合投资没有风险的功能，那么组合波动率就可以像收益率一样加权求得，但在实际情况下组合投资可以降低组合风险，那么最大多元化(也就是最大分散度）可以被定义为加权波动率与真实波动率的比值，求解过程就可以转换为如下优化问题:
   
   在上式中，为各资产的协方差矩阵，w为各资产的权重列向量，$\sigma$为各资产的标准差列向量。

基于风险因子的 Smart Beta

通过构建投资组合使其风险盯住某个风险因子，并分析组合长期回测的结果来看其表现是否优于基准。

基于风险因子的 Smart Beta——价值

本策略的思想是：价值因子着眼于价值被低估的股票，认为投资低估值的股票与投资高估值的股票相比可以获取超额收益，因 选取常见的市盈率、市净率来构建价值因子，等权合成。

基于风险因子的 Smart Beta——成长

本策略的思想为：成长因子专注于选取具有高成长性的公司，认为投资高成长性公司相对于投资低成长性的公司可以获取超额收益，因此选取常见的营业收入增长率 、总资产增长率、归属于母公司所有者的净利润增长率来构建成长因子，等权合成。

基于风险因子的 Smart Beta——质量

本策略的思想为：质量因子专注于选取具有高财务质 的公司，认为投资高财务质量的公司相对于投资低财务质量的公司可以获得超额收益，因此选取流动比率、营业利润率、权益收益率、总资产周转率来构建质量因子，等权合成。

基于风险因子的 Smart Beta——股息

本策略的思想为：股息因子专注于选取高分红的公司，认为投资高分红公司相对于投资低分红公司可以获得超额收益，因此选取现金流市值比、5年平均现金流市值比来构建股息因子， 等权合成。

基于风险因子的 Smart Beta——动量

本策略的思想为：动量因子专注于市场行情规律，通过实践发现，反转效应在A股市场更明显，所以这里又可以叫作反转因子，选取过去 60 日的收益和过去 120 日的收益来构建反转因子，等权合成。

技术指标类策略

区别于基本面对于市场经济情况及公司经验管理情况的研究，技术指标是指根据投资者对于某些特定方面市场行为的考虑，例如股价、成交量及衍生涨跌指数数据，结合数学上的计算方法，通过图表和技术指标的分析来研究市场行为和预测价格变动。

AROON指标

1．指标介绍
阿隆指标（AROON）由图莎尔·钱德(Tushar Chande)于1995年发明，通过计算价格从达到近期最高值和最低值以来所经过的周期数，帮助投资者预测证券价格从趋势到区域、区域或反转的变化。相较于关注相对于时间的价格的趋势指标，AROON指标更关注相对价格的时间。
2．计算公式
在计算阿隆指标时通常需要事先设定一个周期T，一般取25，然后通过统计距离最近一段时间的最高、最低价格的时间来计算Aroon-Up和Aroon-Down，具体计算公式为
Aroon-Up =((T - Days Since T - day High)/T) x 100
Aroon-Down = ((T - Days Since T - day Low)/T) x 100
将上面的两个指标相减，可以进一步得出Aroon-Osc指标，即
Aroon-Osc = Aroon-Up - Aroon-Down
3.指标使用说明
在对Aroon指标进行分析时，主要观察以下4种状态。
( 1) Aroon指标高于70时表示强势，低于50时表示弱势。以Aroon-Up线为例，当其达到100时，表示处于多头强势;维持在70～100时，表示处于多头上升趋势;维持在0～30时，表示多头处于较弱势;达到0时，表示多头处于极度弱势。Aroon-Down线同理。如果两条线同时处于底部，则表示处于盘整时期，无明显趋势。
(2）平行运动:当两条线平行运动时，则表示原有趋势仍在继续，直到达到极值水平或者发生交叉穿行时才会改变趋势。
(3）交叉穿行:当上行线下穿下行线时，则表示原有趋势正逐渐减弱，预计将发生反转。
(4) Arron-Osc线高于零表示处于上升趋势，低于零则表示处于下降趋势;与零线偏离越远，则表示走势越强。
4．指标回测
(1）如果 Aroon-Up高于70且Aroon-Down低于30，则买入;如果 Aroon-Down高于70 且Aroon-Up 低于30，则卖出。
(2）等权买入符合条件股票，如果可选的股票少于10只，则每只买入0.1，出现重复信号时不重复买入。
(3）如果股票数量高于可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2012年1月Ⅰ日至2017年12月31日，基准为HS300，股票池为动态HS300成分股，每日调仓。

BOLL指标

1．指标介绍
布林线指标（BOLL)由约翰·布林先生创造，利用统计原理求出股价的移动平均、标准差及信赖区间，从而确定股价的波动高低价位，因此也被称为布林带。标准的布林带由三条线构成:上轨、中轨和下轨。上下轨的范围通常不固定，随股价的变化而变化，通常在股价涨跌幅度加大时，带状区会变宽;在涨跌幅较小时，带状区同样较窄。投资者可参考压力线和支撑线、指标开口大小来进行投资决策。
2．计算公式
计算BOLL指标通常需要设置计算周期N和信赖区间倍数k，一般取N=20，k=2，其余三条轨道的具体计算方式如下。
(1）中轨:为N日的简单移动平均。
(2）上轨:为中轨与k倍的N日标准差的和。
(3）下轨:为中轨与k倍的N日标准差的差。
3.指标使用说明
在运用BOLL指标时，通常将股价与三条轨线进行比较。在一般情况下，股价应始终在信道之内运行，而信道也会随着股价的变动而变动，如果股价脱离信道运行，则意味着行情处于比较极端的情况。其中，上下轨代表股价安全运行时的最高价位和最低价位。三条线均可起到支撑作用，而上轨线和中轨线可以起到压力的作用。当股价在布林线的中轨线上方运行时，则表示股价处于强势趋势;当股价在布林线的中轨线下方运行时，则表示处于弱势趋势。
4．指标回测
(1)如果收盘价上穿BOLL 上轨，则买入;如果收盘价下穿BOLL下轨，则开盘卖掉。
(2）等权买入符合条件的股票，如果可选的股票少于10只，则每只买入0.1，出现重复信号时不重复买入。
(3）如果股票数量高于可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2014年1月1日至2017年12月31日，基准为HS300，股票池为动态HS300成分股，每日调仓。

CCI指标

1.指标介绍
CCI（顺势指标）由唐纳德·蓝伯特先生提出，通过引用价格与固定区间的股价平均区间的偏离程度的概念，来判断是否处于超买或者超卖状态。CCI指标区别于大多超买超卖型指标的0～100 界限，波动于正无穷大和负无穷大之间，无须以0为中轴线，有利于投资者对行情进行研判，对于短期内的暴涨暴跌的非常态行情也同样适用。
2．计算公式
在计算CCI指标时通常需要设置计算周期n和系数c，一般取n=20，c=0.015，数值的具体计算方式为:

其中 Typical Price =(最高价+最低价+收盘价)/3
3．指标使用说明
在对CCI 指标进行分析时，我们主要对非常态市场进行研判。
(1）当CCI 曲线向上突破+100线进入非常态区间时，则表明股价进入强势区间，投资者应及时买入。在进入非常态区间后，如果继续一直朝上运行，则表明股价持续强势。如果在远离100线的地方开始掉头，则表明强势状态已难以持续;同时，如果前期涨幅过高，则投资者应考虑逢高卖出。如果出现持续下跌状态，则表明强势趋势已经结束。
(2）当CCI曲线向下突破-100线进入非常态区间时，则表明股价进入弱势区间，投资者应考虑空仓并等待更高利润。如果在超卖区间运行一段时间后开始掉头，则表明底部已初步探明，投资者可适量建仓。当由下向上突破-100线进入常态区间时，则表明市场探底基本结束，可能进入盘整阶段，投资者可考虑逢低建仓。
通过上面的分析我们可以看出，CCI指标主要适用于股票市场的超买与超卖区间，在相对准确性方面，对于急涨急跌的行情更适合采用CCI指标。
4. 指标回测
(1）如果CCI指标低于-100，则买入;如果CCI指标高于+100，则卖出。
(2）对每只股票买入20000元左右，出现重复信号时不重复买入。
(3）如果股票数量高于可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2016年1月1日至2017年12月31日，基准为HS300，股票池为动态 HS300成分股,每日调仓。

CMO指标钱德动量摆动指标

1.指标说明
钱德动量摆动指标（CMO）由图莎尔·钱德(Tushar S.Chande）提出，利用上涨日和下跌日数据寻找极度超买和极度超卖的条件。作为动量指标，CMO指标用来衡量证券趋势强度，以土50为区间界限来衡量市场状态。
2.计算公式
计算CMO指标通常需要设置计算周期n，一般取n=20，数值的具体计算方式为

其中，计算周期内每一天的收盘价减去前收盘价的结果，如果结果为正，则将其赋给upi( dni为0);如果结果为负，则将其绝对值赋给dni( upi为0)。
3．指标使用说明
在对CMO指标进行分析时，其波动范围是-100～+100，因此我们通常有具体的定量规则对市场进行研判。
(1)CMO指标的绝对值越高，趋势越强。趋近于О则表示标的证券趋向于在早水平方向波动。
(2)一般认为在CMO指标的值低于-50时处于超卖状态,在高于+50时处于超买状态，且两者的动量值为3倍之差。
4. 指标回测
(1）如果CMO指标低于-50，则买入;如果CMO指标高于+50，则卖出。
(2）等权买入符合条件的股票，如果可选的股票少于10只，则每只买入0.1，在出现复的信号时不重复买入。
(3）如果股票的数量超过可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2012年1月1日至2017年12月31日，基准为HS300，股票池为动态HS300成分股，每日调仓。

6.7.5 Chaikin Oscillator指标

1．指标介绍
佳庆指标(Chaikin Oscillator）由 Marc Chaikin提出，是一种反映市场内在动能的动量指标。在前面提到的动量指标都是基于价格信息进行计算的，但成交量同样是一个不能忽略的重要信息来源，可以反映股价在本质上的强弱度。由于根据当日涨跌与否来将当日成交量全部看作多头或者空头的力量过于简单，所以Chaikin Oscillator指标针对这种方法进行了改进，计算出乘数因子和能量区间，进一步计算出 ADL动量指标，再计算ChaikinOscillator指标，并根据其符号的变化对涨跌趋势进行判断。
2计算公式
计算Chaikin Oscillator指标的方法略显复杂，每个标的证券在每一天都可计算出Chaikin Oscillator 指标，主要公式为

该公式看起来略显复杂，我们可以逐行解读。其中，α为两倍收盘价与当日最高价和或者最低价和之差所占当日波动的比例，可以看作一个日内波动幅度系数。V为改进后的日动量值，计算方法为α与当日总成交量的乘积。ADL为前一日的ADL 与当日V之和。最后便可求出 Chaikin Oscillator指标，即3日ADL移动平均与10日移动平均之差。
3．指标使用说明
在对Chaikin Oscillator指标进行分析时，由于其本身为短线与长线之差，因此我们可以通过其符号的变化对市场进行研判。
( 1 )Chaikin Oscillator指标由负变正时，标的资产进入上涨趋势;Chaikin Oscillator指标由正变负时，标的资产进入下跌趋势。
(2）Chaikin Oscillator指标因个股的不同而不同，因此需要对历史指标值的变化情况进行观察，判断其规律性的超买超卖界限，从而判断趋势情况。
4．指标回测
(1）如果Chaikin Oscillator 指标由负变正，则买入;如果Chaikin Oscillator指标由正变负，则卖出。
(2）等权买入符合条件的股票，如果可选的股票少于10只，则每只买入0.1，在出现重复的信号时不重复买入。
(3）如果股票数量高于可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2012年1月1日至2017年12月31日，基准为HS300，股票池为动态HS300成分股，每日调仓。

DMI指标

1．指标介绍
动向指标（DMI）是由美国技术分析大师威尔斯·威尔德（Wells Wilder）设计的，用于衡量股票价格在涨跌过程中买卖双方的力量均衡点，从而对中长期股市趋势进行判断。相对于其他类似的指标，DMI指标可将每日的具体振幅考虑在内，而非简单地考量日间的累计波动，这种统计方式更精确地度量了多空双方的力量变化。
2．计算公式
在计算DMI指标时，通常涉及4个中间指标的计算:+DI、-DI(多空指标)、ADX和ADXR（趋向指标)，各指标的具体计算方式如下。
首先，计算上升和下降动向:
上升动向+DMt-t日最高价-(t-1)日最高价
下降动向-DMt=(t-1)日最低价-t日最低价
然后，计算真实波幅TR:
TRt=max(|t日最高-t日最低|,|t日最高-(t-1)日收盘|,|t日最低-(t-1)日收盘|)其次，综合+DM、-DM、TR来计算DI:

最后，计算ADX 与ADXR:

3.对指标的使用说明
在对 DMI 指标进行分析时，其本身包含多条指标线，因此我们可以从多空及趋势这两个方面对市场进行研判。
(1)当+DI位于-DI之上时，行情以上涨为主，且当+DI上穿-DI时，为买进信号;当+DI位于-DI之下时，行情以下跌为主，且当+DI下穿-DI时，为卖出信号。
(2）当+DI 从20之下升到50之上时，有一定的上涨行情;当-DI 从20之下升到50之上时，有一定下跌行情;当+DI 以20为基准线上下波动时，行情以整理为主。
(3）当ADX上穿ADXR为金叉触发点时，预示着上涨行情的开始;当ADX下穿ADXR为死叉触发点时，预示着上涨行情的结束。
(4）当ADX与ADXR在20左右波动时，行情以整理为主;当ADX在50之上反转时，行情有很大可能开始反转;当ADX与ADXR上行至80以上时，市场可能出现大行情。
4．指标回测
(1）如果ADX指标高于50且+DI>-DI，则买入;如果ADX指标低于20或+DI<-DI，则卖出。
(2）等权买入符合条件的股票，如果可选的股票少于10只，则每只买入0.1，在出现重复的信号时不重复买入。
(3）如果股票数量高于可用资金，则随机买入其中一部分，保证资金用完。
(4）回测时间为2012年1月1日至2017年12月31日，基准为HS300，股票池为动态 HS300成分股，每日调仓。

资产配置

资产配置从投资学开设以来就是一个重要的课题，在学术上，海内外取得了重要的突破和进展。早在19世纪90年代，海外诸多研究及对冲基金的实践都表明资产配置对于投资组合的业绩贡献超过90%。在公募FOF指引正式出台之后，资产配置更是成为发行FOF产品、开发FOF策略不可或缺的一部分。
在实际应用中，资产配置使用的方法相当有限，且每种方法都有其特定的局限性。大类资产配置策略大体可以分为主动策略和量化策略。
主动策略主要是指依据宏观经济、政策等非量化指标来对各资产的预期收益率做出判断，主动调整各类资产的配置权重，例如耶鲁模式。
量化策略则是指根据各资产的风险、收益等量化特征，为了达到特定的风险收益目标而进行模型构建、求解、测验等，最终得出各资产配置权重的方法，主要有经典的马科维茨均值方差模型、Black-Litterman模型、风险平价等。

有效边界

1．投资者偏好
马科维茨均值方差模型最早提出将数理统计的方法应用到投资组合选择上，并将资产的期望收益率的波动率定义为风险。在该定义下,我们使用收益率的均值E®和标准差$\sigma$（r）来刻画“收益”和“风险”。
通常，我们认为人们是“风险厌恶”的，并构造如下形式的效用函数来代表投资者的投资偏好:

其中E（r）表示投资组合的预期收益率，${\sigma }^2$（r）表示投资组合的方差;预期收益率越高,效用值越高，收益方差越大，效用值越小。这表明投资者喜欢更高的E（r），而不喜欢高的${\sigma }^2$（r）。由于不同的投资者对于风险和收益有不同的偏好，因此在效用函数中加入风险厌恶系数参数A来表示投资者的不同偏好，A越大，则表示投资者为了追求更高的收益愿意承担更小的风险，或者说该投资者需要更高的收益来补偿面临的风险。

3．有效边界和投资组合选择
当投资者面临的可选资产大于两种时，标准差和收益的关系就不仅仅局限于一条曲线了，通过权重的选取，投资者可选的收益-标准差点就构成一个有边界的面。人们趋利避险的心理决定了理性投资人在面临同样的风险时，会选择预期收益率更高的组合;而在预期收益相同时，会选择风险较低的组合。在所有可选的预期收益-标准差点中，位于最左侧的部分构成了一条边界线，其中从最小方差点往上的部分构成了有效边界。在该边界线右下方的所有点都是无效的投资组合，没有人会选择;在该边界线左上方的所有点是不可能达到的投资组合。

Black-Litterman模型

1. Black-Litterman模型概述
   基于马科维茨均值-方差模型的资产组合分析需要获取各类资产的预期收益和方差。通常可以通过情景分析法和历史数据法估算预期收益和收益率方差。情景分析法主要根据当前行情和宏观经济环境等因素形成主观的预期，主观性和随意性显然过强;历史数据法则完全根据过去的历史收益率计算收益均值和方差，用来代替对未来的预期，这也是目前的主流做法。这种做法存在几个问题，一是历史数据往往由于历史的一些宏观环境或随机因素而存在比较大的波动性，这也意味着历史的收益率和方差在未来有可能由于宏观环境和随机因素的改变而不会保持一致;二是由于采取的历史数据的时间段不同，估算出的预期收益率和方差也会有较大的差别，导致得出的最优资产配置比例也会有较大的差别。高盛的Black F.和 Litterman R在1991年的一篇论文中提到:他们在对全球债券投资组合的研究中发现，在对德国债券预期报酬率做0.1%的小幅修正后，该类资产的投资比例竞由原来的10.0%提高至55.0%，这也意味着马科维茨的均值方差模型得到的投资组合对于输入的参数过于敏感。
   Black 和 Litteraman在前述均值方差模型的基础上，通过历史数据估计基准预期和方差，导入投资者的主观预期，把历史数据法和情景分析法结合起来，形成新的市场收益预期，从而解决了在前述模型中预期收益和方差估计存在的问题。
   
   
   
   

风险平价模型