我们的系统首先导入管道和统计数据，比如简单移动平均线、平均交易量和回报的滚动线性回归。根据这些因素创建了一个排名靠前的项目集合，并对算法进行编码，以从列表中选择出表现尤为突出的项目和列表中排名较低的项目。我们的算法会卖空表现差的项目，同时多头买入表现最佳的项目。再平衡部分有两个关键组成部分，即目标和约束。我们的目标是在这个“阿尔法”或主动交易策略中使用管道的“组合排名”。我们希望在投资组合中最大化动量、质量、价值和贝塔系数的组合排名，并同时最小化约束——确保投资组合在预先定义的贝塔系数范围内。
该投资策略主要包括买入被低估的股票并卖空被高估的产品，因为我们假设多头头寸的价值会增加，而空头头寸的价值会下降。即使多头头寸价值下降，该策略仍然会盈利。由于我们拥有市场中性投资组合，所以多头头寸的表现会优于空头头寸。任何可能导致多头证券下跌的情况都会导致多头头寸亏损和空头头寸盈利。同样地，可能导致多头和空头头寸证券上涨的事件对投资组合利润的影响很小，因为头寸相互平衡，这将带来最小的市场风险。
在未来，亿启量化将需要我们的量化分析团队运用新技术来处理这些新数据。量化和人工智能/机器学习之间的界限将变得模糊。
本站所有软件信息均由用户上传发布，版权归原著所有。如有侵权/违规内容，敬请来信告知邮箱：764327034@qq.com，我们将及时撤销！ 转载请注明出处：https://czxurui.com/zx/17421.html
微信扫一扫 
支付宝扫一扫 
发表回复
评论列表（0条）