fuzzywanglixin的个人博客分享 http://blog.sciencenet.cn/u/fuzzywanglixin

博文

谁说炒股不赚钱:君子爱财,取之有道,没什么丢人的

已有 27187 次阅读 2016-1-15 21:37 |系统分类:论文交流

   当一个大户决定买入一只股票,比如索罗斯的量子基金决定买入一只港股,通常买入量是很大的。问题的关键是,在一个时间点上可供买卖的股票数量非常有限,通常不到想要买入量的千分之一,所以大户们通常只有时间换空间,将一个大单分割成许多小单,一点一点地完成交易。

   我们仔细分析一下这些小单是怎样完成的。如果价格处于上升趋势,而小单还是持续买入,那么上升趋势会被加强,这样一则入货成本大大提高,二则很可能买不到股票,因为交易对手发现股价快速上升很可能会停下来重新估值,不再卖出。所以,这些小单的大部分应该是在价格处于下降趋势时完成的,而且下降趋势越大,小单完成的频率越高。如果我们能用具体的数学函数刻画上述的大户买卖行为,那么我们就可以根据具体的股票价格数据辨识出大户的存在,进而跟庄操作,获取利润。下面我们来看具体怎么做。

   首先定义一个趋势变量 x(t),通常是现时股价 p(t) 相对于某个移动平均 MA(t) 的相对变化比,即

       x(t) = ln[p(t)/MA(t)]

其中

       MA(t) =[p(t)+p(t-1)+p(t-2)+p(t-3)+p(t-4)]/5

5天移动平均线,也可以是3天或10天移动平均线,而 ln[p(t)/MA(t)]~= [p(t)-MA(t)]/MA(t) 为相对变化比。x(t)>0 表示现时股价 p(t) 在移动平均线 MA(t) 之上,价格处于上升趋势;而 x(t)<0 表示现时股价 p(t) 在移动平均线 MA(t) 之下,价格处于下降趋势。

   再来定义大户的特征函数,分别为大买家特征函数 buy[x(t)],和大卖家特征函数 sell[x(t)],具体定义为:

        buy[x(t)] = -x(t) if x(t)<0; = 0 if x(t)>0

        sell[x(t)] = -x(t) if x(t)>0; =0 if x(t)<0

即当价格处于下降趋势时(x(t)<0),大买家 buy[x(t)]=-x(t)>0 呈正特征,且强度与趋势成正比,而此时大卖家 sell[x(t)]=0,没有操作;反过来,当价格处于上升趋势时(x(t)>0),大卖家 sell[x(t)]=-x(t)<0 呈正特征(对卖家来说负为正),且强度与趋势成正比,而此时大买家 buy[x(t)]=0,没有操作。

   接下来就可以建立由大买家和大卖家为主要动力的价格动态方程,如下:

    ln[p(t+1)] = ln[p(t)] + aup(t)*buy[x(t)] + adown(t)*sell[x(t)] + e(t)

其中 ln[p(t+1)]–ln[p(t)]~= [p(t+1)-p(t)]/p(t) 为股价的相对变化,时变参数 aup(t) adown(t) 分别代表大买家和大卖家的操作强度,而e(t)代表除大买家和大卖家之外的其他投资者对股价相对变化的贡献 。

   t+1 为现时,即我们知道股价数据 p(t+1),p(t), p(t-1), p(t-2), …,因此价格动态方程中ln[p(t+1)], ln[p(t)], buy[x(t)], sell[x(t)] 为已知量,根据经典的“加权递推最小二乘算法”,我们可以辨识出大买家和大卖家的实时操作强度 aup(t) adown(t),进而提出以下两种跟庄交易策略:

   策略1:跟踪大买家:如果 aup(t)>0(大买家出现)且 adown(t)<0(没有大卖家),则全仓买入,持有;一旦 aup(t)<0(大买家离场),则立即清仓退出,持有现金,等待下一个回合。

   策略2:随风骑行:如果 aup(t) > adown(t)(大买家占上风),则全仓买入,持有;一旦 aup(t) < adown(t)(风向逆转),则立即清仓退出,持有现金,等待下一个回合。


   下面的论文详细描述了这些交易策略从200773日至201472日七年间对香港20只主要银行及地产股票的具体操作记录。只要你懂一点卡尔曼滤波器,我相信你就能读懂这些论文,并且能自己编程,实现这些交易算法,构建属于自己的“印钞机”,吹响向财务自由进军的冲锋号。祝你成功!


L. X. Wang, “Dynamical models of stock prices based on technical trading rules PartIII: Application to Hong Kong stocks,” IEEE Trans. on Fuzzy Systems (IF=8.7), Vol. 23, No. 5, pp. 1680-1697, 2015. part-III-publish.pdf

L. X. Wang, “Dynamical models of stock prices based on technical trading rules PartI: The models,” IEEE Trans. on Fuzzy Systems (IF=8.7), Vol. 23, No. 4, pp. 787-801, 2015. part-I-publish.pdf

L. X. Wang, “Dynamical models of stock prices based on technical trading rules PartII: Analysis of the models,” IEEE Trans. on Fuzzy Systems (IF=8.7), Vol. 23, No. 4, pp. 1127-1141, 2015. part-II-publish.pdf

RideMood的Matlab文件及论文中所用的数据:part3hk2.m meb.m hkhsigood20.xls hk0005.xls hk0939.xls hk1398.xls hk3988.xls hk2628.xls hk0001.xls hk0016.xls hk0388.xls hk0004.xls hk2388.xls hk0011.xls hk0101.xls hk0012.xls hk3328.xls hk0017.xls hk0066.xls hk0023.xls hk0083.xls hk0291.xls hk0267.xls




http://wap.sciencenet.cn/blog-2999994-950653.html


下一篇:请宽容一字不改的抄袭:答何先生《科技工作者的希波克拉底誓词》

11 朱豫才 孟凡 杨正瓴 孙建成 王恪铭 张鹰 王安良 蔡宁 陈朝焰 yangb919 vicanio

该博文允许注册用户评论 请点击登录 评论 (42 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-4-17 17:34

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部