量化交易

摘要： 随着计算机科学技术的快速发展,人工智能在各个领域的应用也越来越广泛,其与各个学科技术相结合,已成为各领域人士关注的焦点。将人工智能应用于量化交易,通过搭建不同的神经网络模型,对股票历史数据进行挖掘,找到股票历史价格与未来价格的非线性关系,实现对未来价格的预测,早已成为历史发展的必然趋势。通过对机器学习展开研究,基于LSTM神经网络实现股票预测模型,为投资者提供参考从而带来更高的收益。

摘要： 量化交易的安全性、流动性是实现其盈利性的前提和基础,如果安全性和流动性得不到保障,那么盈利性也无法行稳致远。该文结合实务工作经验,从量化交易中人员的分工与制约、主要风控限额的前置管理、谨防交易执行端对风控限额的“逃逸”、交易执行环节其他常见问题等方面探讨了量化交易的风险管理。

摘要： 随着近年来金融科技的快速发展,信息技术与金融业务的融合不断加深,国际市场量化交易已较为普遍。在国内金融市场,量化交易也日益受到重视,不少机构将量化策略纳入自身日常业务之中。一般认为,量化交易者可以通过交易程序化有效减少非理性交易决策,实现较为稳定的盈利。但另一方面,将人工智能技术运用到量化交易中也面临着许多挑战。如何看待我国银行间外汇市场量化交易的发展及机遇?机构如何构建量化交易系统架构,应对市场有效性和资产间相关性上升的挑战?在实战中,例如在利率互换定价里如何构建量化模型?如何做好量化交易的风险管理?国际市场量化交易发展有哪些经验值得借鉴?在本期中,本刊组织专题对上述问题作深入探讨,供读者参考。

摘要： 山东省首家“两山银行”在费县成立,通过对十类生态产品进行收储和交易,在生态产品价值确权、核算、评估、交易等方面开展先行先试,有效激活了农村闲置生态资源。针对“两山银行”运行中存在的问题,提出了出台金融支持生态产品价值实现的引导性政策、实行清单和项目库管理、风险预警调控等作法,促进生态资源转化为生态资产和生态财富。

摘要： 本文分析了多因子指数增强策略的思路和实践方式,并构建收益预测模型,再构建量化多因子指数增强策略——分层抽样策略。证明了该策略在回测区间内可以获得一定的超额收益,适用于中长期的投资,与未做因子处理的结果相比,进行处理的因子可以使得策略获得更好的收益。

摘要： MACD是金融市场交易中使用非常广泛的指标,最主要的优点是假信号少,正确率高于其他技术指标,同均线指标相比,MACD技术指标克服了各交易日权重完全相同的弱点,距离较近的收盘价权重高于距离较远的收盘价权重,更加符合交易实际。技术指标作为量化交易的一种,在股票、期货等领域应用较多,因询价交易模式的固有弱点,技术指标在银行间市场债券交易应用较少。MACD技术指标包含S、L、M三个参数,文章使用中债总净价(7-10)指数检验了三个参数不同取值的收益风险情况。结果表明,三个参数任意取值都能取得正收益,取值分别为3、10、4时效果最好,从而证明MACD买卖信号同样适用于债券市场。

摘要： 本文基于中债总净价(7-10年)指数2006年11月至2021年10月共计16年数据,使用金融工程量化编程技术,研究了均线指标在债券交易中的应用效果。得出结论:短期均线使用3个交易日移动平均值,长期均线使用25个交易日移动平均值,能够取得较好的效果,收益率为50.68%,亏损概率为47.37%,单次最大损失为1.02%,年化价差收益率为3.45%,年平均买卖次数为5.18次。

摘要： 本文基于趋势捕捉型策略与正反马丁格尔交易型策略构建TC-M模型,对我国股指期货沪深300进行量化策略的实证分析,并提出TC-M模型对股指期货沪深300的模拟交易体现了持续的盈利能力,投资绩效稳健;验证了通过将正反马丁格尔策略与其他策略有效互补,可以极大程度地降低其大幅回撤、爆仓等风险,实现稳定获利;简化了构建数学模型的理论研究,从实际交易角度提出了全新的复合量化交易策略,为投资者提供决策依据具有重要的实践意义。

摘要： 近年来中国经济发展迅速,相应的,中国的金融市场也迅速发展,受到国内外投资者的关注,因此研究中国金融市场上股票价格趋势对学者、投资者和监管者具有重要的意义.随着量化交易等理念的兴起,越来越多的学者将深度神经网络(DNN)应用于金融领域.虽然近几年DNN在图像、语音以及文本等方面已经取得了极大的成功,但其在金融时间序列预测方面遇到了很多挑战,因为其数据本质上是高度动态性,且具有高噪声.作为DNN在时序数据处理的典型代表LSTM,由于该方法没有考虑不同时间点、不同来源数据的重要性程度,效果仍不理想.不同于在传统LSTM模型上引入Attention机制,通过改进Self-Attention模型,分别对日线数据和分时线数据进行编码并融合,学习资金流变化对股票趋势变化的影响.实验结果表明,所提方法将对趋势判断的准确率提高到63.04％,并在两个月的回测实验中获得了6.562％的收益,证明了该模型在股价趋势预测上具有一定的有效性和实用性.

摘要： 中国股市大部分时间都处于震荡趋势,在日内高频交易中,震荡趋势更加明显.网格交易算法是在震荡趋势中具有明显优势的量化交易方法.基于深度强化学习的交易模型风险控制算法利用网格交易算法的思想构建动作集合与回报函数,可以控制交易风险,降低最大回撤率.将基于深度强化学习的交易模型风险控制算法应用于日内高频交易中,并与基准交易策略和传统强化学习方法相比较,获得0.69的夏普比率和2.3％的最大回撤率,证明此方法在风险控制上是有效的.

摘要： 本发明主要涉及金融衍生品交易领域，特别是金融衍生品量化交易方法和量化交易系统，能够为投资者实时提供交易辅助信息以供确定其交易策略。所述金融衍生品量化交易方法基于风险价值VAR模型，并根据投资者的历史交易的风险标准差、置信值、风险持仓时间，计算在预定概率范围内的交易风险值VAR

摘要： 可为策略附加交易规则的量化交易软件和程序化交易软件，用于金融领域的量化交易和程序化交易，通过本发明的改进的交易逻辑管理模块，可将同一个规则附加给多个策略运行，也可以将其中一些策略附加多个规则运行。通过将不同规则和多个不同策略进行组合，用户可以将一些可用在策略里的条件独立出来，形成规则，规则和策略组成一个完整的交易逻辑，本发明不仅降低策略部分复杂度和减少了开发量化策略工作量，也方便验证一个策略对应不同规则时的表现。

摘要： 本发明提供一种基于图形化编程的量化回测与量化交易方法和装置、存储介质、设备和系统，方法包括：预先定义容器、显示器、逻辑连接符、函数、运算符；将策略代码编写在多个容器中，通过逻辑连接符连接容器与显示器，转换为流程图并输出；统计各容器的行情周期，得出策略回测需要的数据量；将所需要的行情周期数据加载到计算机内存中；将策略按照行情周期分类并按照数据量大小进行排序；对数据量接近的相同行情周期的策略进行并行回测；获取当期行情进行实盘交易。本发明基于图形化编程的量化回测与量化交易方案，方便用户编写策略代码，并可在基于图形化编程界面进行量化回测与交易，为用户提供了策略编写、回测、交易的便利。

摘要： 本发明公开了一种采用了Python语言的量化交易软件或程序化交易软件，可用于量化交易或程序化交易，通过采用了不同于Python的另一个种编程语言，但性能更高的编程语言来实现策略管理功能，策略管理模块实现了多个策略的计算、资金分配、仓位管理，报单，数据统计、风险控制等功能。解决了Python量化交易软件或程序化交易软件因GIL锁导致性能低下的问题。

摘要： 本申请提供了一种交易机器人的数学量化交易方法，本方法交易机器人获取资金总量A、交易对象的买入价格P

摘要： 本发明公开的属于量化交易分析技术领域，具体为一种基于神经网络及大数据技术的量化交易数据智能分析系统，所述服务器连接有数据储存模块、证券交易数据筛选模块、证券交易数据采集模块、用户投资策略设置模块、量化交易生成模块和量化交易执行模块、所述量化交易生成模块中集成有神经网络数据模型，证券交易数据筛选模块基于用户投资策略设置模块中用户设置的投资策略对证券交易市场的实时交易行情数据和历史行情交易数据通过大数据技术进行筛选，获得相关的实时交易行情数据和历史行情交易数据，然后通过证券交易数据采集模块进行采集，提高量化交易分析的准确性，减小分析预测的结果与未来实际股票行情走向之间的误差。

摘要： 本发明公开了一种基于ESG指标的ETF量化交易方法及系统，属于量化交易方法技术领域；包括S1、获取ETF量化交易指标、ESG指标因子值；S2、对ETF量化交易指标、ESG指标因子值进行预处理；S3、ETF量化交易指标、ESG指标因子值构件深度学习模型并进行训练；S4、获取预设时间点前的ETF量化交易指标、ESG指标因子值预处理后导入预先训练好的深度学习模型，计算ETF交易动作，基于动作完成ETF量化交易；本发明利用ESG指标及基金风险、收益指标构建深度学习模型，利用深度学习模型及马尔可夫决策过程模型实现ETF的量化交易，本发明相较于传统的人工操盘具有一定的优越性；相较于传统的模型，本发明利用ESG指标作为核心，一定程度上降低投资风险，带来超额回报。

摘要： 本申请公开了一种量化交易策略生成方法、系统、设备及存储介质，所述量化交易策略生成方法包括：获取目标用户对应的交易配置信息，其中，所述交易配置信息包括策略指标、交易条件、量化交易规则、交易执行操作和策略风控属性中的一种或多种，将所述交易配置信息转化为交易策略树，调取所述交易策略树各节点对应的代码函数，对所述交易策略树进行转码，获得目标策略代码，基于所述目标策略代码，生成量化交易策略。本申请解决进行交易策略的专业要求门槛较高，导致用户进行交易体验差的技术问题。

摘要： 本申请提供了一种量化交易策略测试方法及装置，可用于金融领域或其他领域，该方法包括：获取市场真实行情数据；根据所述市场真实行情数据和待测试量化交易策略，得到策略运行报告，该策略运行报告包括：多个指标信息；根据每个指标信息的指标类型，确定该指标信息对应的回归策略验证模型；根据每个指标信息各自对应的回归策略验证模型，对该指标信息进行测试，若各个指标信息均测试通过，则确定所述待测试量化交易策略正常，所述回归策略验证模型包括：偏离度衡量算法或卡方分布算法。本申请能够提高量化交易策略测试的准确性和效率，进而保证量化交易策略的可靠性。

摘要： 本发明公开了一种全天候自动量化交易方法。本交易方法能够支持目前主流外汇、期货的智能买入卖出，利用波动偏移量算法、均线偏移开仓算法、开仓量计算算法、仓位目标盈利价格算法及止损价格算法等多种算法来实现对国际金融外汇全天候7*24小时的自动量化交易，无需人工操作，大大提高了交易的效率，自动计算出止盈止损，减低了人工操作的各种干扰风险，同时期望实现单品种具有较高的收益率。