本篇文章给各位分享高级软件开发师Snel的文章，他的主要研究领域侧重于投资组合和资产管理。他掌握了很多编程语言，如VisualBasic、Python、R、C++和Matlab，在金融科技、算法交易方面都有着丰富的经验。
这里整理了三种适合普通交易者的量化策略，包括信号检测、情绪分析和配对交易。投资者可以混合搭配来创建适合自己的交易理念。
假设您现在是一位量化基金交易员，您需要了解什么？2019年在美国，70%到80%的总交易量是通过算法交易产生的。可以肯定地说，大多数大型机构都在使用算法为他们的交易提供动力。
他们的算法通常基于一种或多种众所周知的交易策略。熟悉一些流行的策略是开始自动化交易之旅的绝佳方式。当然，请记住，还有许多其他因素可以决定交易策略的成败，例如交易场所、执行速度、市场时机和对市场的洞察力。
从广义上讲，一个交易策略的核心要么是基于对动量，要么是均值回归（两个非常不同的概念）。为了更好地理解，我们假设这种分类成立。
前者是一种理论，就像粒子一样，资产具有动量——如果它上升，它会因动量而继续上升。如果势头放缓，那么可能是时候关闭您的头寸了。
J.Welles Wilder Jr. 在他的经典著作《技术交易的新概念》中介绍了相对强弱指数(RSI)。他使用RSI作为动量振荡器来识别资产价格的逆转。动量策略基本上押注于现有市场趋势的延续。
均值回归指的是价格如果偏离平均水平就会反转回平均水平的理论。您可能会注意到，这些思想流派似乎相互矛盾。那么，您的交易策略应该基于哪一个？
这完全取决于您的交易目标和交易期限：从长远来看，基于动量的策略通常表现更好。
本文中强调的策略绝不是最好的、最有利可图的选择。选择它们是因为它们可以广泛应用于许多不同的参数。但是，我们强烈建议您进行自己的研究。在以下量化策略中，有基于动量，也有基于均值回归，您能弄清楚哪个是哪个吗？
1
信号检测
交易中的信号检测是指正在寻找某些预先确定的标准，以提示是否应该买入或卖出这项资产。信号交易或信号检测实际上是一个总称，有许多不同类型的方法都属于它。主要目标是开发一种方法，具有进入和退出阈值，可以由各种信号定义。
例如，您可以监控特定股票的交易量：如果交易量随着价格而增加，这可能表明投资者看涨该股票。您怎么看——动量还是均值回归？这可能是动量交易的一种情况，因为反应将是顺应趋势（因为一致的价格和交易量增加通常表明未来将产生更多的购买以及推高价格）。
然而，在某些时候，成交量可能会枯竭，因为例如投资者不愿意以高于特定价格的价格购买该股票。这将是基于均值回归的策略的绝佳机会。
那么，您可以使用什么样的交易信号？
“信号”不一定需要与交易量相关。事实上，它可以是交易者认为重要的任何参考因素。通常，它们基于某种技术分析，例如根据以下条件设置触发：
相对强弱指数（RSI）
移动平均线(MA)
移动平均收敛散度(MACD)
平衡量(OBV)
这些被称为技术指标，通常是基于工具特性（例如价格或交易量）的数学计算，以预测未来表现。
也许您之前听说过“看涨”和“看跌”这两个术语：通常它们与基于技术指标和交易情绪有关。
相对强度指数（RSI）是一个检测超买超卖的动量指标，移动平均（MA）是将一段时期内的资产的价格平均值连成曲线，用来显示这一交易品种历史波动情况，例如，15，30，100或200天。
上升的移动平均线可能表明价格或动量呈上升趋势。它不能归类为纯粹的动量或均值回归，因为这取决于您用它做什么。如果资产价格超过其200天均线，则基于均值回归的策略可能会执行买入操作。
移动平均收敛发散（MACD）是另一种趋势追踪动量指标，它显示了资产价格的两个移动平均值之间的关系。通过从12个周期的指数移动平均值（EMA）减去26个周期的指数移动平均值（EMA）来计算MACD。
EMA与MA的不同之处在于，它更加重视最近几天的资产价格，使其对当前信息的反应更加灵敏。当MACD为正时，短期均线高于长期均线，这是向上动量的指标（MACD为负值则相反）。平衡量（OBV）也是势头的指标，用来预测的“聪明运动的钱”，即机构投资者。
这四个指标可能会给出相互矛盾的信号，因此我们会做进一步的研究。某些指标可能更适合特定市场或特定时间点。还有很多其他指标。您听说过斐波那契回撤或Guppy多重移动平均线吗？
信号也可以基于基本面，例如收益报告等。StefanJansen 有一本关于算法交易机器学习的书和一个非常全面的公共GitHub存储库——他介绍了如何使用预测模型从各种来源（如收益报告）中提取交易信号。
信号交易可能基于动量或均值回归，具体取决于您决定遵循的信号。您的策略可以结合动量和均值回归来涵盖所有可能性。
2
情绪分析
如果您看到过诸如“我写了一个根据这位名人的推文进行交易的机器人”之类的文章，那么很有可能它是基于情感分析的。
情绪分析已成为一个非常热门的话题，尤其是随着TwitterReddit 等社交论坛的关注度增加，我们将情绪分析归类为基于动量的策略，因为您试图在动量或趋势发生之前捕捉它们。
情绪分析特别有趣，因为是使用用户生成的数据来确定对特定工具的意见。您可以直接了解投资者的情绪。一些流行的抓取来源包括社交媒体网站，如Reddit、Twitter和Facebook，或新闻网站，如BusinessTimes、YahooFinance!、Bloomberg和FinViz。
3
如何分析情绪？
有几种方法可以分析情绪。仅收集某种资产代码每天在推特上发布的次数通常是不够的。情感分析或意见挖掘基于自然语言处理(NLP)，它根据文本传达的情感和计算机语言学来确定作者/主题/主题的主观信息或情感状态。就像算法交易一样，情绪分析作为一个领域也可以深入。NLP可以区分正面、中立和负面帖子。然而，更复杂的应用程序可以超越这三个简单的类别，还可以识别愤怒、厌恶、恐惧、希望等情绪的强弱程度。
有几个Python库可以为您生成情绪分数，例如Vader。或者您可以选择结合情感分析和机器学习。
例如，我们在商业时报中搜索与Facebook相关的任何文章，挖掘文本，获取每天的整体情绪，如果情绪增加0.5，则购买其股票的10股，如果情绪下降0.5，则卖出。请记住，情绪范围从-1 到1，0表示中性，我们使用前一天的情绪在当天进行交易。
抓取与Facebook相关的商业时报文章
所以要开始实施情绪分析策略，需要确定要从何处检索数据，这可能意味着选择要抓取的Twitter帐户，或要在Twitter上关注的特定资产代码。然后，您需要一种收集推文的方法，这可以通过TwitterAPI和Python库Tweepy或snscrape来完成。获得数据后，就需要进行实际的情感分析。您可以使用我们上面提到的Vader或Textblob等。
配对交易
配对交易，也称对冲交易。1980年代中期，摩根士丹利成立了一个由数学家、物理学家和计算机科学家（其中一些甚至不精通交易）组成的团队。建立一个数学模型，为的是让摩根士丹利在华尔街能占据优势。因此，配对交易策略诞生了。
在高层次上，配对交易涉及选择过去价格一起变动的两种资产，然后当其中一种发生分歧时，做空较强的一种并购买较弱的一种，并期望价格会再次趋同。这听起来像是我们之前讨论过的均值回归理论？
为什么配对交易有效？
在配对交易中，假设过去高度相关的两种金融工具在未来仍将保持相关性。在相关性暂时失效的情况下，即一只资产上涨而另一只资产下跌，配对交易将做空“获胜”的资产并做多“亏损”资产。
配对交易允许在任何类型的市场中有获利的空间——向上、向下、盘整。它是市场中性的，这意味着您押注的是货币对的价差，而不是市场的方向。但是，由于点差（尤其是历史相关资产的点差）的变动幅度小于市场，因此要使配对交易有效，交易通常需要利用杠杆。
您应该交易哪些配对品种？
选择配对品种更可靠方法是根据历史价格计算相关性。
相关性可以采用-1 和1 之间的值，其中-1是完全负相关，0是无相关，1是完全正相关。例如，KO可口可乐和PEP百事可乐的相关性为0.88，这是相关相当高的，表明KO 和PEP可能是配对交易的良好候选者。例如，KO与通用汽车(GM)的相关系数为0.48，可能不会成为我们配对交易的首选。
在计算相关系数时，可以尝试使用不同的估值指标，例如市盈率，而不是历史价格。如果您想变得更加稳健，可以对不同资产进行聚类分析，以找到配对交易的候选者。
了解不同的交易策略是设计您自己的策略的第一步。事实上，您可以结合信号交易、情绪分析和配对交易来构建自己的“超级策略”。
免责声明：
本资料仅作信息传播之用，不可被解释为包含投资建议或投资推荐，或任何金融品种交易的要约或邀请。信息提供者与Exness均未将您的个人投资目标或财务状况纳入考量，且不对所提供信息的准确性、及时性或完整性作任何保证或承担任何责任，亦不对因所提供的任何信息、预测或其他数据而产生的任何损失提供任何保证或承担任何责任。资料中所提及的意见纯属作者个人观点，不一定代表Exness之立场。过往业绩不能作为未来业绩的担保和预测依据。
风险提示：
投资存在高风险，因此可能不适合所有投资者。投资价值可能增加也可能减少，投资者可能损失其所有投资资金。在任何情况下，本公司对任何个人或实体的、由与投资相关的交易造成的、或因其产生的、或与其关联的全部或部分损失或损害，概不承担任何责任。
举报电话: 13816368049
