各位老铁们，大家好，今天由我来为大家分享量化交易平台测试评估流程，以及期货可以用量化交易吗的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！

本文目录

1. 量化投资—策略与技术的作品目录
2. 期货可以用量化交易吗
3. 下列关于量化模型测试评估指标的说法正确的是( )。

一、量化投资—策略与技术的作品目录

1.2.3量化投资与传统投资策略的比较 8

2.1.3实证案例：多因子选股模型 30

2.2.4实证案例：中信标普风格 41

2.4.3实证案例：资金流选股策略 60

2.5.3实证案例：动量选股策略和反转选股策略 70

2.6.3实证案例：一致预期模型案例 78

2.7.3实证案例：趋势追踪选股模型 92

2.8.3实证案例：筹码选股模型 99

3.2.3实证案例：情绪指标择时策略 129

3.3.3实证案例：有效资金择时模型 137

3.4.3实证案例：牛熊线择时模型 144

3.6.3实证案例：svm择时模型 155

4.3.4实证案例：跨期套利策略 199

5.3.2实证案例：pvc跨期套利策略 233

5.4.2实证案例：伦铜—沪铜跨市场套利 235

9.1.3套利重仓停牌股票的投资组合 326

10.2人工智能在量化投资中的应用 366

10.2.2 rbf神经网络股价预测 370

10.2.3基于遗传算法的新股预测 375

11.3数据挖掘在量化投资中的应用 400

11.3.1基于som网络的股票聚类分析方法 400

11.3.2基于关联规则的板块轮动 403

12.2.2连续小波变换的离散化 410

12.2.3多分辨分析与mallat算法 411

12.3小波分析在量化投资中的应用 414

13.1.4 svm分类器从二类到多类的推广 436

13.2.2引入模糊因子的svm训练算法 439

13.3 svm在量化投资中的应用 440

13.3.1复杂金融时序数据预测 440

14.3分形理论在量化投资中的应用 461

15.3灰色马尔可夫链股市预测 480

16.1.2数据仓库中的数据组织 489

17.2 MultiCharts：程序化交易平台 511

17.3交易开拓者：期货自动交易平台 514

17.5 mt5：外汇自动交易平台 522

第 18章量化对冲交易系统：D-alpha 528

表2 1多因子选股模型候选因子 30

表2 2多因子模型候选因子初步检验 31

表2 3多因子模型中通过检验的有效因子 32

表2 4多因子模型中剔除冗余后的因子 33

表2 5多因子模型组合分段收益率 33

表2 7夏普收益率基础投资风格鉴别 37

表2 9风格动量策略组合月均收益率 43

表2 10大小盘风格轮动策略月收益率均值 46

表2 11中国货币周期分段（2000—2009年） 49

表2 13不同货币阶段不同行业的收益率 51

表2 14招商资金流模型（cmsmf）计算方法 58

表2 15招商资金流模型（cmsmf）选股指标定义 59

表2 16资金流模型策略——沪深300 61

表2 17资金流模型策略——全市场 62

表2 18动量组合相对基准的平均年化超额收益（部分） 68

表2 19反转组合相对基准的平均年化超额收益(部分) 69

表2 23筹码选股模型中单个指标的收益率情况对比 99

表3 1 ma指标择时测试最好的20组参数及其表现 117

表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120

表3 3有交易成本情况下不同信号个数下的综合择时策略 120

表3 4自适应均线择时策略收益率分析 124

表3 6沪深300指数在不同情绪区域的当月收益率比较 128

表3 7沪深300指数在不同情绪变化区域的当月收益率比较 129

表3 8沪深300指数在不同情绪区域的次月收益率比较 130

表3 9沪深300指数在不同情绪变化区域的次月收益率比较 130

表3 10情绪指数择时收益率统计 132

表3 12 svm对沪深300指数预测结果指标汇总 156

表3 13 svm择时模型在整体市场的表现 156

表3 14 svm择时模型在单边上涨市的表现 157

表3 15 svm择时模型在单边下跌市的表现 158

表3 16 svm择时模型在震荡市的表现 159

表3 17噪声交易在熊市择时的收益率 170

表4 1各种方法在不同股票数量下的跟踪误差（年化） 190

表4-2股指期货多头跨期套利过程分析 199

表4 3不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211

表4 4不同仓单持有期下的保证金覆盖比例 212

表6 1融券标的股票中在样本期内最相关的50对组合（部分） 248

表6 2残差的平稳性、自相关等检验 249

表6 3在不同的阈值下建仓、平仓所能获得的平均收益 251

表6 4采用不同的模型在样本内获取的收益率及最优阈值 252

表6 5采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253

表6 6主成分配对交易在样本内取得的收益率及最优阈值 255

表6 7主成分配对交易在样本外的效果 255

表6-8各种模型下统计套利的结果 256

表6 9延后开仓+提前平仓策略实证结果 260

表6 10各行业的配对交易结果 261

表7 1多头股票-期权套利综合分析表 283

表7 2多头股票—股票期权套利案例损益分析表 284

表7 3多头股票-指数期权套利案例损益分析表 285

表7 5买入跨式套利综合分析表 289

表7 7卖出跨式套利综合分析表 291

表7 9买入宽跨式套利综合分析表 293

表7 10卖出宽跨式套利综合分析表 294

表7 11买入蝶式套利综合分析表 296

表7 12卖出蝶式套利综合分析表 298

表7 14卖出飞鹰式套利综合分析表 301

表9 3鹏华300 lof两次正向套利的情况 339

表9 4鹏华300 lof两次反向套利的情况 340

表10 2模式识别短线择时样本数据分类 369

表10 3 rbf神经网络股价预测结果 375

表10 4遗传算法新股预测参数设置 379

表10 5遗传算法新股预测结果 380

表11 3 som股票聚类分析结果 403

表11 4 21种股票板块指数布尔关系表数据片断 404

表12 1深发展a日收盘价小波分析方法预测值与实际值比较 427

表12 2不同分解层数的误差均方根值 428

表13 1 svm沪深300指数预测误差情况 445

表13 2 svm指数预测和神经网络预测的比较 445

表13 3技术反转点定义与图型 448

表13 4 svm趋势拐点预测结果 450

表14 1持续大涨前后分形各主要参数值 463

表14 2持续大跌前后分形个主要参数值 465

表14 3外汇r/ s分析的各项指标 469

表15 1灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484

表15 2灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484

表18-1 d-alpha系统在全球市场收益率分析 534

二、期货可以用量化交易吗

期货可以使用量化交易，而且量化交易所占的比例越来越高，以基金等大资金账户为主。

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

量化投资和传统的定性投资本质上来说是相同的，二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”，更加强调数据。

量化交易具有以下几个方面的特点：

1、纪律性。根据模型的运行结果进行决策，而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点，也可以克服认知偏差，且可跟踪。

2、系统性。具体表现为“三多”。

一是多层次，包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型；

二是多角度，定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；

三是多数据，即对海量数据的处理。

3、套利思想。定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会，从而发现估值洼地，并通过买入低估资产、卖出高估资产而获利。

4、概率取胜。一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用；二是依靠组合资产取胜，而不是单个资产取胜。

量化投资技术包括多种具体方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。

量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验，并依据一定的风险管理算法进行仓位和资金配置，实现风险最小化和收益最大化，但往往也会存在一定的潜在风险，具体包括：

1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换，也可能导致模型失败，如交易流动性，价格波动幅度，价格波动频率等，而这一点是量化交易难以克服的。

2、模型设计中没有考虑仓位和资金配置，没有安全的风险评估和预防措施，可能导致资金、仓位和模型的不匹配，而发生爆仓现象。

3、网络中断，硬件故障也可能对量化交易产生影响。

4、同质模型产生竞争交易现象导致的风险。

5、单一投资品种导致的不可预测风险。

为规避或减小量化交易存在的潜在风险，可采取的策略有：保证历史数据的完整性；在线调整模型参数；在线选择模型类型；风险在线监测和规避等。

三、下列关于量化模型测试评估指标的说法正确的是( )。

A项，收益风险比是测试量化交易模型优劣的最重要的指标。B项，并不是同样的收益风险比，模型的使用风险就是相同的，因为交易结果还取决于不同的资金管理策略。C项，一般认为，交易模型的收益风险比在3:1以上时，盈利才是比较有把握的，收益风险比在4:1或5:1时，结果则更好。

关于量化交易平台测试评估流程，期货可以用量化交易吗的介绍到此结束，希望对大家有所帮助。