《量化投资研究-聚类案例.ppt》由会员分享，可在线阅读，更多相关《量化投资研究-聚类案例.ppt（18页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、聚类的数量化投资系列聚类的数量化投资系列（选股策略）（选股策略）基于遗传和优选行为的跟踪策略投资者对股票的偏好形成了股票市场的投资者对股票的偏好形成了股票市场的杂乱性，但是由于股票指标的可比性，也造杂乱性，但是由于股票指标的可比性，也造就了股票的相似性，这种相似性反映了一类就了股票的相似性，这种相似性反映了一类投资者的投资风格，从这点上看，股票市场投资者的投资风格，从这点上看，股票市场是可分类的。是可分类的。一个人对事物的印象分类是有限的一个人对事物的印象分类是有限的中中坏坏好好良好良好一般一般 差差优优较好较好中等中等较差较差很差很差很好很好分到五类已经分到五类已经是人脑的极限了是人脑的极限
2、了 投资者基于股票间相似性的分类是可数的，股投资者基于股票间相似性的分类是可数的，股票的每一类都代表了一群投资者的投资风格，一旦票的每一类都代表了一群投资者的投资风格，一旦投资者形成这种投资风格，则在短期内不容易变更，投资者形成这种投资风格，则在短期内不容易变更，对股票的投资会有一定的延续性，这表现在一段时对股票的投资会有一定的延续性，这表现在一段时期内会以某种投资风格为主，期内会以某种投资风格为主，持续持续投资相似度高的投资相似度高的股票组合股票组合策略一、基于遗传效应的跟踪策略策略一、基于遗传效应的跟踪策略 假设市场上存在几种不同但不确定的投资风格，在一假设市场上存在几种不同但不确定的投资
3、风格，在一段时期内，通过生物的遗传效应，我们或许可以跟踪到这段时期内，通过生物的遗传效应，我们或许可以跟踪到这样的几组股票组合序列，它们分别代表了市场上的几种投样的几组股票组合序列，它们分别代表了市场上的几种投资风格，但具体是不确定的，每一组序列的股票组合是具资风格，但具体是不确定的，每一组序列的股票组合是具有高度相似性的，每一组股票组合序列保持了一定的延续有高度相似性的，每一组股票组合序列保持了一定的延续性，也即体现了投资风格的延续性。性，也即体现了投资风格的延续性。我们的研究目的在于验证不同的组合序列之间是否存我们的研究目的在于验证不同的组合序列之间是否存在着明显的差异性，也就是不同的投资
4、者风格的是否差异在着明显的差异性，也就是不同的投资者风格的是否差异性。性。策略二、基于优选行为的跟踪策略策略二、基于优选行为的跟踪策略 同样，我们可以假设市场上存在一种恒定的投资同样，我们可以假设市场上存在一种恒定的投资偏好，投资者以一定时间内某些股票的指标的高低去偏好，投资者以一定时间内某些股票的指标的高低去衡量股票的优异性，例如一群投资者认为衡量股票的优异性，例如一群投资者认为2个月平均个月平均涨幅最高的股票为好股票，则在一段时期内，投资者涨幅最高的股票为好股票，则在一段时期内，投资者会保持投资偏好的延续性，始终以会保持投资偏好的延续性，始终以2个月平均涨幅最个月平均涨幅最高的股票作为投资
5、对象，这是一种基于优选行为的跟高的股票作为投资对象，这是一种基于优选行为的跟踪策略踪策略.我们的研究目的在于发现这样的跟踪策略是否有我们的研究目的在于发现这样的跟踪策略是否有效，或者在何种市场上是有效的。效，或者在何种市场上是有效的。策策略略一一结结果果组组合合和和指指数数走走势势图图组组合合超超额额收收益益率率图图年化超额收益率：年化超额收益率：22.36%年换手率：年换手率：336.84%组组合合和和指指数数走走势势图图组组合合超超额额收收益益率率图图策策略略二二结结果果年化超额收益率：年化超额收益率：9.90%年换手率：年换手率：646.96%策略一函数流程策略一函数流程ClusterR
6、esultClusterTrackClusterReturn_Group取数据、评取数据、评分和聚类分和聚类遗传效应的遗传效应的跟踪策略跟踪策略计算组合收计算组合收益率益率策略二函数流程策略二函数流程ClusterResultClusterReturn_Single取数据、评取数据、评分和聚类分和聚类跟踪与计算跟踪与计算组合收益率组合收益率TS函数说明函数说明1.ClusterCase1(stockid,BegT,EndT,Tcycle,Clusters,scale);说明：聚类应用范例一：基于遗传效应的聚类跟踪策略，在一定时期内，利用聚类进行相似股票的投资参数：stockid：股票列表，为证
7、券类型BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型Clusters：聚类数，为整数类型scale：换仓比例，为实数类型TS函数说明函数说明2.ClusterCase2(stockid,BegT,EndT,Tcycle,Clusters,scale,period);说明：聚类应用范例二：基于优选行为的聚类跟踪策略，利用聚类进行一类股票的投机参数：stockid：股票列表，为证券类型BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型Clusters：聚类数，为整数类型scale：投资比例，为实数类型per
8、iod：参照周期，为整数类型TS函数说明函数说明3.ClusterResult(stockid,BegT,EndT,Tcycle,Clusters);说明：取股票跟指标组成的二维数据矩阵，进行评分，并聚类，整合股票组合参数：stockid：股票列表，为证券类型BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型Clusters：聚类数，为整数类型TS函数说明函数说明4.DayToMonth(BegT,EndT,Tcycle);说明：提取周期时间参数：BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型TS函数说
9、明函数说明5.ClusterIndexValue(StockArr,EndT);说明：得到指定日期指标值参数：StockArr：股票样本，为一维字符串数组EndT：结束时间，为日期类型TS函数说明函数说明6.ClusterTrack(datas,scale);说明：聚类结果跟踪，基于遗传效应地跟踪参数：datas：聚类结果数据，为二维数组类型scale：换仓比例，为实数类型TS函数说明函数说明7.ClusterReturn_Group(CT,BegT,EndT,Tcycle,StkList);说明：计算策略一的组合收益率。参数：CT：跟踪股票列表，为二维数组类型BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型StkList：股票代码列表，为一维字符串类型TS函数说明函数说明8.ClusterReturn_Single(CT,BegT,EndT,Tcycle,StkList,scale,period);说明：聚类结果跟踪，基于优选行为的跟踪策略，并继续策略二的组合收益率。参数：stockid：股票列表，为证券类型BegT：开始时间，为日期类型EndT：结束时间，为日期类型Tcycle：换仓周期，为周期类型StkList：股票代码列表，为一维字符串类型scale：投资比例，为实数类型period：参照周期，为整数类型