登录社区云，与社区用户共同成长
邀请您加入社区
技术是一种非常著名的简单动量策略。它通常被认为是量化交易的示例。此处概述的策略仅适用于多头。创建两个单独的线过滤器，具有特定时间序列的不同回溯期。当较短的回溯移动平均线超过较长的回溯移动平均线时，就会出现购买资产的信号。如果较长的平均值随后超过较短的平均值，则资产将被卖回。当时间序列进入强劲趋势期然后缓慢逆转趋势时，该策略非常有效。对于这个例子，我选择了苹果公司（AAPL）作为时间序列，短回溯期为
概述400多年前，西班牙文学大师塞万提斯在其巨作《唐吉珂德》中提出了一个被投资界奉为经典的思想：“智者不会把所有的鸡蛋放在同一个蓝子里”。那么如何分散投资才能实现最大程度地获取收益而最小程度的承担风险呢？资产配置主要就是解决这个问题。资产配置是将财富分散到各种不同的资产中，目的是为了在未来某个时点达成某个收益目标，通过合理的配置，能够在达成收益目标的过程中，将财富的波动程度控制在个人可以接受的范围
01引言均值回归交易策略是一种经典的交易策略，可以追溯到很早的交易历史。其基本原理是当价格偏离其长期平均水平时，价格趋向于回归到其平均水平，这是由于市场的反复波动和回归特性所导致的。因此，该策略认为价格的偏离程度越大，回归的力度越大，可以通过采取相反的交易方向（即价格偏低时买入，价格偏高时卖出）来获取收益。均值回归交易策略的优点在于其简单易懂、操作便利、风险可控和适用范围广泛等特点。因此，该策略在
本案例主要介绍了均值-方差模型然后通过Python语言实现了均值-方差模型，并把均值-方差模型的投资组合策略与随机配置投资组合策略进行了对比分析，结果发现在长期时间内均值-方差模型配置投资组合比随机配置投资组合更胜一筹。
本文系统解析投资组合优化问题，基于Markowitz均值方差理论构建数学模型。通过股票历史收益数据分析，演示如何利用LINGO求解二次规划问题，确定最优资产配置比例。重点讨论无风险资产引入后的模型扩展，验证分离定理的实际应用。结合具体案例，对比分析不同期望收益率下的风险变化趋势，揭示投资组合优化的核心逻辑。
这段代码实现了一个简单的均值回归交易策略，其中交易信号基于价格相对于其移动平均线的偏离程度。通过模拟交易，我们可以看到策略的表现，并通过图表直观地展示结果。
赫兹量化交易软件集成了多种交易工具和分析功能，使交易者能够轻松设计、测试和部署自动化交易系统。软件支持多种资产类别，包括股票、期货、外汇和加密货币，使其成为多元化投资策略的理想选择。
均值回归是一种逆势交易，交易者预估价格将返回到某种形式的均衡点位，通常依据均值或其它向心趋势统计值来衡量。本文赫兹量化讨论一个非常简单的均值回归交易策略。行情通常以无规律的周期波动。这意味着，当我们查看图表时，我们往往会看到上升、下降和相对平坦的阶段。交易和投资的关键是能够判定这些阶段的变化，这些阶段也称为行情制度。均值回归可以采用移动平均线的形式，如果行情离它太远，它可能会回退到其区域附近。均值
这就完成了向量化，因为 NumPy 或者 PyTorch 都针对卷积做了特殊优化。为了更好利用向量化来加速，滑动窗口使用。
