探寻西蒙斯投资之道基于HMM 模型的周择时策略研究

隐马尔科夫模型(HMM)是西蒙斯大奖章基金的主要工具之一

    成立以来到2008年,大奖章基金的平均年度净回报是35.6%。2000年科技股灾,标普500下跌10.1%,大奖章净回报98.5%;2008年,全球金融危机,大奖章净回报80%。无论牛熊市,基金表现非常不错。

    复兴技术成立初期有三位著名的科学家对公司的长期发展产生重要影响,率先提出隐马尔科夫模型的鲍姆就是其中之一。1993年加盟复兴技术的剑桥大学数学博士尼可.帕特森也是全球HMM 领域公认的专家。

    复兴技术使用HMM 模型的可能性非常大。

    HMM 模式识别模型的优势:动态刻画价量推动的过程

    股价的变化来自于未知力量的价量推动,推动的完成其需要一个动态的过程,而HMM在描述该过程的动态变化方面相对其他模式识别工具具备明显的优势,这也正是我们采用HMM尝试对股价预测的原因。

    本文将HMM模型应用到我国股市的预测中,通过对股票数据序列的模式识别来对股市每周趋势进行预测。

    我们将股票的未来走势分别划分为两种(涨、跌)和三种(涨、跌、平)状态,把股市的波动预测转化为分类问题,并通过HMM 模型进行识别。

    量化模型输入指标的选取:基于高频的资金流指标为主

    在具体构建指数预测模型时,特征提取即输入变量的选择我们考虑了若干与收盘价及成交资金量相关的指标,并最终选取了标的指数的日收益率数据、日净资金占比、日总资金环比以及标准化的日总资金作为量化择时模型的基础指标。

    模型的预测准确率:大幅超过随机预测概率

    实证中我们选取了沪深300指数作为量化择时策略的标的指数,对两类波动模式的HMM模型我们做了115期的样本外预测,准确率达到了60.87%,对三类波动模式的HMM 模型我们做了96期的样本外预测,准确率则达到了47.37%,均高于两类模型的随机预测概率50%以及33.4%。

    HMM 预测择时策略的收益远超基准

    在两类波动模式的HMM 模型中,量化择时策略于2007年12月19至2010年4月29日共115周间,在不考虑交易费用的情况下资产收益率分别为+67.84%,而同期内沪深300指数收益率为-33.3%;在三类波动类型的HMM 模型中,2008年5月12至2010年4月29日共96周间,在不考虑交易费用情况下资产收益率分别为+13.08%,而同期沪深300指数收益率为-14.2%。量化择时策略在绝大多数的时期都明显地超越了沪深300指数的收益表现。
交易技术, 交易策略, 理论基础, hmm

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！