Edge
Chrome
Firefox
养老还得靠大A！开启量化择时模型之旅
突如其来的65退休政策真是重伤了本打工人的心，不知道大家是不是也对今年的行情抱有极高的期待，咬了咬牙决定今年搏一搏，经过最近半年的煎熬， 终于熬夜肝出来的择时模型，看着效果还可以，能不能实现提前退休就在此一举了，现在开始立此贴， 跟踪记录对下一日的预判信号，望诸事顺利~
新手发帖，有不足之处望大家提点！
目标：年化30%
最大回撤：8%
回测最近收益：
注: 收益按指数收益进行计算，暂不计算手续费
第一次信号：
上证50：上涨概率21%
沪深300：下跌概率50%
中证500：上涨概率60%
中证1000：上涨概率100%
说明下：
在回测的时候，我们假设指数既可以做多又可以做空，直接把预测的概率直接转换为对应的仓位。例如今天模型预测上证50上涨概率21%，那么上证50对应的仓位为做多21%；模型预测沪深300下跌概率50%，那么沪深300对应仓位为做空50%。
补充（一）：
利用每个指数模型预测结果构建策略：
1、择时cta策略：直接利用各指数预测结果，进行股指多空交易，可以交易一个股指，也可以交易多个股指，帖子每天公布的组合仓位，就是这个策略。
2、指数增强：采用完全复制单个指数仓位（100%股指多头仓位）+单个指数多空择时仓位（[-100%-+100%]股指仓位）构成组合，形成纯多头仓位，仓位根据指数择时进行变动，仓位保持在0~200%之间。
3、股指强弱套利：根据模型预测各个指数涨下跌的概率，采用股指期货，做多强的，做空弱的，形成对冲交易。
补充（二）
模型组合交易股指期货，今天（3月24）创新高了。simnow仿真账户资金2000w，采用两倍杠杆，3月20日前，每个品种等权分配，3月21起：IH 100%，IF 33%,IC 33%,IM 33%.
根据指数预测强弱，对股指进行配对交易，今天（3月24）也创新高。simnow仿真账户2000w，采用两倍杠杆，四个配对等权分配（IHIC:50%,IFIC:50%,IHIC:50%,IHIM:50%)。1月之前为两个配对（IHIC,IFIC），之后为四个配对。可以明显看出4个配对收益曲线更平滑。
提示：此贴仅供个人记录，不构成任何操作建议，股市有风险，入市需谨慎
郑重申明：1、本帖一不卖信号，二不卖模型，三不加群。2、本帖主要是量化择时验证，同时展示量化择时是可行的。
突如其来的65退休政策真是重伤了本打工人的心，不知道大家是不是也对今年的行情抱有极高的期待，咬了咬牙决定今年搏一搏，经过最近半年的煎熬， 终于熬夜肝出来的择时模型，看着效果还可以，能不能实现提前退休就在此一举了，现在开始立此贴， 跟踪记录对下一日的预判信号，望诸事顺利~
新手发帖，有不足之处望大家提点！
目标：年化30%
最大回撤：8%
回测最近收益：
注: 收益按指数收益进行计算，暂不计算手续费
第一次信号：
上证50：上涨概率21%
沪深300：下跌概率50%
中证500：上涨概率60%
中证1000：上涨概率100%
说明下：
在回测的时候，我们假设指数既可以做多又可以做空，直接把预测的概率直接转换为对应的仓位。例如今天模型预测上证50上涨概率21%，那么上证50对应的仓位为做多21%；模型预测沪深300下跌概率50%，那么沪深300对应仓位为做空50%。
补充（一）：
利用每个指数模型预测结果构建策略：
1、择时cta策略：直接利用各指数预测结果，进行股指多空交易，可以交易一个股指，也可以交易多个股指，帖子每天公布的组合仓位，就是这个策略。
2、指数增强：采用完全复制单个指数仓位（100%股指多头仓位）+单个指数多空择时仓位（[-100%-+100%]股指仓位）构成组合，形成纯多头仓位，仓位根据指数择时进行变动，仓位保持在0~200%之间。
3、股指强弱套利：根据模型预测各个指数涨下跌的概率，采用股指期货，做多强的，做空弱的，形成对冲交易。
补充（二）
模型组合交易股指期货，今天（3月24）创新高了。simnow仿真账户资金2000w，采用两倍杠杆，3月20日前，每个品种等权分配，3月21起：IH 100%，IF 33%,IC 33%,IM 33%.
根据指数预测强弱，对股指进行配对交易，今天（3月24）也创新高。simnow仿真账户2000w，采用两倍杠杆，四个配对等权分配（IHIC:50%,IFIC:50%,IHIC:50%,IHIM:50%)。1月之前为两个配对（IHIC,IFIC），之后为四个配对。可以明显看出4个配对收益曲线更平滑。
提示：此贴仅供个人记录，不构成任何操作建议，股市有风险，入市需谨慎
郑重申明：1、本帖一不卖信号，二不卖模型，三不加群。2、本帖主要是量化择时验证，同时展示量化择时是可行的。
1
赞同来自: elgma
楼主主贴里面有说明：
补充（一）：
利用每个指数模型预测结果构建策略：
1、择时cta策略：直接利用各指数预测结果，进行股指多空交易，可以交易一个股指，也可以交易多个股指，帖子每天公布的组合仓位，就是这个策略。
2、指数增强：采用完全复制单个指数仓位（100%股指多头仓位）+单个指数多空择时仓位（[-100%-+100%]股指仓位）构成组合，形成纯多头仓位，仓位根据指数择时进行变动，仓位保持在0~200%之间。
3、股指强弱套利：根据模型预测各个指数涨下跌的概率，采用股指期货，做多强的，做空弱的，形成对冲交易。
补充（二）
模型组合交易股指期货，今天（3月24）创新高了。simnow仿真账户资金2000w，采用两倍杠杆，3月20日前，每个品种等权分配，3月21起：IH 100%，IF 33%,IC 33%,IM 33%.
@zhou321
补充（一）：
利用每个指数模型预测结果构建策略：
1、择时cta策略：直接利用各指数预测结果，进行股指多空交易，可以交易一个股指，也可以交易多个股指，帖子每天公布的组合仓位，就是这个策略。
2、指数增强：采用完全复制单个指数仓位（100%股指多头仓位）+单个指数多空择时仓位（[-100%-+100%]股指仓位）构成组合，形成纯多头仓位，仓位根据指数择时进行变动，仓位保持在0~200%之间。
3、股指强弱套利：根据模型预测各个指数涨下跌的概率，采用股指期货，做多强的，做空弱的，形成对冲交易。
补充（二）
模型组合交易股指期货，今天（3月24）创新高了。simnow仿真账户资金2000w，采用两倍杠杆，3月20日前，每个品种等权分配，3月21起：IH 100%，IF 33%,IC 33%,IM 33%.
@zhou321
大佬，这个怎么跟着操作
5
赞同来自: jackymin001 、sunhao5573 、xineric 、坚持存款 、tinayf更多 »
@鱼多的地方钓鱼
对于算法挖掘规律的模型，这仿佛是难以避免的问题，过去表现不错，未来还可以吗？这也是量化的灵魂问题。我的模型不是数据挖掘模型，它底层是有逻辑支撑的。纯数据挖掘的模型的确有你说的问题。最近模型表现不好的一个根本原因就是，资金流出的时候，50好像被无形的手托着，无法下跌，反而还上涨，感觉是非市场的因素在影响。
可能会说，算法会有自适应性，但从逻辑上来说，可能当算法拟合了目前的规律时，规律又发生了变化，类似于做趋势，当趋势不断反复，就不断打脸。即是为了避免这种极端情况出现，用时用了多个预测模型，觉得东方不亮西方亮，会平滑这种波动，但如果本身逻辑上不能解析，只是靠模型捕捉规律，逻辑上推理，也难以排除大部分模型...
0
知与不知 - 80后金融民工
@elgma
可能会说，算法会有自适应性，但从逻辑上来说，可能当算法拟合了目前的规律时，规律又发生了变化，类似于做趋势，当趋势不断反复，就不断打脸。即是为了避免这种极端情况出现，用时用了多个预测模型，觉得东方不亮西方亮，会平滑这种波动，但如果本身逻辑上不能解析，只是靠模型捕捉规律，逻辑上推理，也难以排除大部分模型可能持续失效的情况，从而导致整体失效，仿佛从逻辑上是无法解析模型是否具有鲁棒性。CTA策略近10年也是收益风险比明显下降，逻辑上人们认为因为周期的存在，波动总是有的，只要等到波动的到来就有收益。我对数据挖掘的算法理解不深，不知道从逻辑上能否解析模型未来能否持有有效的必然性。
本周对模型进行了迭代更新，帖子里跟踪的50单一子模型，最近的绩效衰减，模型被淘汰，后期将不再公布该子模型的信号。对于算法挖掘规律的模型，这仿佛是难以避免的问题，过去表现不错，未来还可以吗？这也是量化的灵魂问题。
可能会说，算法会有自适应性，但从逻辑上来说，可能当算法拟合了目前的规律时，规律又发生了变化，类似于做趋势，当趋势不断反复，就不断打脸。即是为了避免这种极端情况出现，用时用了多个预测模型，觉得东方不亮西方亮，会平滑这种波动，但如果本身逻辑上不能解析，只是靠模型捕捉规律，逻辑上推理，也难以排除大部分模型可能持续失效的情况，从而导致整体失效，仿佛从逻辑上是无法解析模型是否具有鲁棒性。CTA策略近10年也是收益风险比明显下降，逻辑上人们认为因为周期的存在，波动总是有的，只要等到波动的到来就有收益。我对数据挖掘的算法理解不深，不知道从逻辑上能否解析模型未来能否持有有效的必然性。
0
@elgma
今天还真被你说准了。在这个位置做空比较难，本想手动调低下仓位，但是考虑到严格忠实执行模型，我放弃了这个想法。作为择时模型，回撤肯定难免的，只要还在预期的范围内，就应该坚持模型。越到底部非市场因素越大，看这次大底模型预测功力如何，上周那根阳线之后判断还是经得住考验。
0
@sunhao5573
模型预测看样子是真又要破位了今天还真被你说准了。在这个位置做空比较难，本想手动调低下仓位，但是考虑到严格忠实执行模型，我放弃了这个想法。作为择时模型，回撤肯定难免的，只要还在预期的范围内，就应该坚持模型。
3
赞同来自: flybirdlee 、oliversea 、坚持存款
@oliversea
@骆驼1978
请教：我一直有这个疑问，市场的成交量买入永远等于卖出。北向流入100亿，只能说明国内资金流出100亿，一买一卖嘛。请问您说的国内资金流入是怎么看的？北向资金和国内资金（我指的是主力资金），这两个数据，我是看的东财网站上的数据，其他交易软件也有类似数据。北向资金流入的计算我理解是，通过沪股通和深股通买入股票市值减去卖出股票市值差。国内资金（主力资金）这个数据，具体怎么计算的，我的理解是，通过逐笔成交数据区分主力资金（资金超过多少定义为主力资金），再根据逐笔成交的方向确定买入还是卖出，总的买入与总的卖出之差。这两种资金，只是通过不同的角度反映市场资金的变化而已。
@骆驼1978
有一种方法可以判断资金是否流入，就是观察整个市场每天保证金存量的变化，如果资金变多大概率就会上涨，但这个数据只有少数人知道，他们完全可以利用这个数据赚钱。货基市场折溢价水平的变化，不就是反应市场资金变化的因子吗？
0
我认为大家要统一一下概念的定义，比如什么是预测？多长时间范围？
比如预测=标的的涨跌幅度 or 标的上下波动的范围
时间范围可分为：下一日日内，短期=3-5天，中期=1-2周，长期>3个月
以上的不同组合，结果完全不同。
个人认为预测最容易的是 预测=综合性指数上下波动范围，时间=长期
最难的是预测=个股涨跌幅度 时间=下一日日内
比如预测=标的的涨跌幅度 or 标的上下波动的范围
时间范围可分为：下一日日内，短期=3-5天，中期=1-2周，长期>3个月
以上的不同组合，结果完全不同。
个人认为预测最容易的是 预测=综合性指数上下波动范围，时间=长期
最难的是预测=个股涨跌幅度 时间=下一日日内
0
指数代表是一个组合，组合中每一个体都有独自差异性的个性，也有相同的共性。
组合中个体分配越分散，个体独自差异性被对冲越好，共性会保留越好。
组合如果被个体垄断，保留只能垄断个体的个性，共性会被削弱。
共性有很好的稳定性和连续性，个性发生突发变异概率非常大。
如果个体真的好预测的化，何必预测指数呢？
组合中个体分配越分散，个体独自差异性被对冲越好，共性会保留越好。
组合如果被个体垄断，保留只能垄断个体的个性，共性会被削弱。
共性有很好的稳定性和连续性，个性发生突发变异概率非常大。
如果个体真的好预测的化，何必预测指数呢？
2
@隔壁老张
个股预防尾部风险需要分散，而分散这方面，指数投资也是一样的。CTA里面炒股指这块也要全世界各市场的指数多空对冲，充分分散，和因子投资需要分散类似，否则单一国家的尾部风险会太大，我的行业轮动策略也至少需要选择3-5个行业（一级或二级）
中国CTA先天不足之一就在此处，不能接触外国的股债货币商品标的和各种衍生品，只能逮着国内期货市场这点毛捋，以前还连30年国债期货都没有，现在也还没创业板和科创板的期货，不像cme连板块指数期货和比特币期货都上了
@骆驼1978
个股因子的IC和ICIR远高于指数因子，但个股难以上杠杆，难以做空，交易成本较高，许多个股流动性不好。如果这些方面个股和指数平等，那么的确是“为什么还要做指数呢”
例如加密货币圈针对很大一部分币可以用合约轻松上杠杆，做空方便，交易成本较低，就可以直接预测个币，不需要预测指数
而且的确我不做局限于国内股指的策略。这种策略超额难度太大，余地太小，没必要做，不如直接量化多个微盘股策略，指数期货用于对冲市场贝塔（和/或市值因子/非线性市值因子）
@Duckruck @骆驼1978 两位老师的观点都很有启发性，我都点赞了。并且给出个人的一点思考：黑天鹅事件时指数也难以预测，例如目前流行的针对指数的各种尾部风险策略是针对1929和2008那种大跌的，面临2022那种阴跌效果就很差，这是之前人们没想到的。目前这个现象总结出来了，但还不知道怎么应对（除了做CTA）
某种程度上，集中度越高确实越好预测，这时候的预测可能更多是偏向基于历史数据总结的归纳法，一旦标的出现质变，发生黑天鹅（包括极好或者极坏两种情况），需要用到演绎法的时候，就会犯大错误，所以重仓个股非常人所能为，因为赢得起，输不起；Duckruck老师说的恒生指数难预测，除非对指数成分股做拆分，把不同...
个股预防尾部风险需要分散，而分散这方面，指数投资也是一样的。CTA里面炒股指这块也要全世界各市场的指数多空对冲，充分分散，和因子投资需要分散类似，否则单一国家的尾部风险会太大，我的行业轮动策略也至少需要选择3-5个行业（一级或二级）
中国CTA先天不足之一就在此处，不能接触外国的股债货币商品标的和各种衍生品，只能逮着国内期货市场这点毛捋，以前还连30年国债期货都没有，现在也还没创业板和科创板的期货，不像cme连板块指数期货和比特币期货都上了
@骆驼1978
我们来做一个推论：我说的的确就是个股横截面上分散，时间序列信号纯净，比指数好预测，没有你想象的所谓“逻辑不自洽”
如果集中度越高的指数越好预测，那么可以把任何个股看成一个指数，集中度高达100%，结论就是个股比指数更好预测。
那为什么还要做指数呢？
所以说逻辑自洽是一切行动的根本。
个股因子的IC和ICIR远高于指数因子，但个股难以上杠杆，难以做空，交易成本较高，许多个股流动性不好。如果这些方面个股和指数平等，那么的确是“为什么还要做指数呢”
例如加密货币圈针对很大一部分币可以用合约轻松上杠杆，做空方便，交易成本较低，就可以直接预测个币，不需要预测指数
而且的确我不做局限于国内股指的策略。这种策略超额难度太大，余地太小，没必要做，不如直接量化多个微盘股策略，指数期货用于对冲市场贝塔（和/或市值因子/非线性市值因子）
12
赞同来自: 不明真相的玩家 、zddd10 、eric16 、量化投资先锋 、灵活的蓝胖子 、 、 、 、 、 、 、更多 »
@elgma
如果定义机构客户买入大于卖出就是流入，那么前提就是你认为机构比散户更聪明，更有预见性；但实际上并不支持这个结论，因为大多数机构的买卖决策是由散户的申购赎回驱动的，本质上也是散户的决策。分析资金流入流出还不如直接观察涨跌有效。
有一种方法可以判断资金是否流入，就是观察整个市场每天保证金存量的变化，如果资金变多大概率就会上涨，但这个数据只有少数人知道，他们完全可以利用这个数据赚钱。
大资金最近持续流出，虽然昨天大涨，北向资金流入很多，近100亿，但国内资金流入很少，还不到10亿。模型是根据资金流进行择时的，因此，模型还没有完全看多。有买就有卖，买入和卖出的金额一定是相等的，严格来说没有什么资金流入和流出。
如果定义机构客户买入大于卖出就是流入，那么前提就是你认为机构比散户更聪明，更有预见性；但实际上并不支持这个结论，因为大多数机构的买卖决策是由散户的申购赎回驱动的，本质上也是散户的决策。分析资金流入流出还不如直接观察涨跌有效。
有一种方法可以判断资金是否流入，就是观察整个市场每天保证金存量的变化，如果资金变多大概率就会上涨，但这个数据只有少数人知道，他们完全可以利用这个数据赚钱。
0
@sunhao5573
这次怎么会一直看空，竟然一根中阳也不改大资金最近持续流出，虽然昨天大涨，北向资金流入很多，近100亿，但国内资金流入很少，还不到10亿。模型是根据资金流进行择时的，因此，模型还没有完全看多。
0
@elgma
1.组合模型这次怎么会一直看空，竟然一根中阳也不改
今日持仓及收益：
明日预测：
2.50子模型
今日持仓及收益：
明日预测：
提示：仅供个人记录，不构成任何操作建议，股市有风险，入市需谨慎
27
赞同来自: 邹大仙女 、Luff123D 、基里洛夫 、始终心要 、Boiledwater 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
@Duckruck
如果集中度越高的指数越好预测，那么可以把任何个股看成一个指数，集中度高达100%，结论就是个股比指数更好预测。
那为什么还要做指数呢？
所以说逻辑自洽是一切行动的根本。
我的行业轮动模型也是，越集中的指数越好预测，和许多人认为的相反，我想这是普遍现象我们来做一个推论：
个人经验是越集中的指数反而越好预测，比如二级行业指数比一级行业指数好预测，因为内部异质性的东西少，更容易预测出超额
横截面上分化程度高好，时间序列上信号越纯净越好。集中反而方便预测
恒生指数不好预测。我之前总结就是因为恒生指数组成异质性高，包括对应美股的中概，对应大A的H股和本地股三大相当不同的贝塔来源
如果集中度越高的指数越好预测，那么可以把任何个股看成一个指数，集中度高达100%，结论就是个股比指数更好预测。
那为什么还要做指数呢？
所以说逻辑自洽是一切行动的根本。
2
@elgma
@量化投资先锋
横截面上分化程度高好，时间序列上信号越纯净越好。集中反而方便预测
恒生指数不好预测。我之前总结就是因为恒生指数组成异质性高，包括对应美股的中概，对应大A的H股和本地股三大相当不同的贝塔来源
模型的预测效果，不管是历史回测和实际运行结果，和你们认为的相反，50最好，500最差。很多预期外的东西，模型无法预测，就统一当作噪声就行了。我的行业轮动模型也是，越集中的指数越好预测，和许多人认为的相反，我想这是普遍现象
@量化投资先锋
50指数中贵州茅台、中国平安、招商银行，占整个权重30%，有些标的有H股，有些标的只有A股。和外盘有一定关的联性，并不是主要原因。个人经验是越集中的指数反而越好预测，比如二级行业指数比一级行业指数好预测，因为内部异质性的东西少，更容易预测出超额
50指数主要就受三只股票影响，个股涨跌已经影响到整体指数，行业也集中。
而中证1000完全是分散的，基本为等权的。不会因为个股涨跌，影响到对整体判断。
从某种意义来说，50指数失真度比较大。300指数其次。
要预测指数，起码要对指数如何编制的，有最起码了解。
一个组合...
横截面上分化程度高好，时间序列上信号越纯净越好。集中反而方便预测
恒生指数不好预测。我之前总结就是因为恒生指数组成异质性高，包括对应美股的中概，对应大A的H股和本地股三大相当不同的贝塔来源
京公网安备 11010802031449号