Python量化交易基礎講堂——管理概率==理性交易

AWang 發布于2019-07-30 18:44 / 734人閱讀

摘要：那么我們改變概率這個因子，將它放大到，我們邀請個人參與局看下效果看來結果還不錯，只要增加盈利的概率，就可以在市場中獲得收益，這就是量化交易的魅力管理概率理性交易。

在《Python實戰-構建基于股票的量化交易系統》小冊子中，我們以股票為交易標的講解量化交易的學習，主要原因是股票的風險和收益介于期貨和基金之間。期貨一方面加了杠桿，另一方面走勢變化非常迅速，稍有不慎有可能血本無歸，這不太適合大眾參與。基金由專業團隊打理，雖然收益最小，但風險也是最小的，求穩的話買基金也是個不錯的選擇。

說起股票，A股市場自設立至今經歷了多次牛熊轉換，筆者身邊也有很多朋友在牛市賺了很多錢，但最終“退潮”的時候還是虧回去了。之前看到一則新聞上說中國的股民有1.2億多，統計股民的行為發現他們每天平均看盤2小時，全年平均買19只股，平均2天一次交易，可以看出大多數股民交易頻繁，對買賣點思考并不嚴謹。

本專欄將量化交易技術應用股票交易中，并不是傳授戰勝市場、一夜暴富的本領，而是想讓同學們通過量化交易管理虧盈的概率，能夠更理性的將股票投資作為理財的一個手段，而不是以賭博的心態參與其中。那么本小節，筆者結合一個簡單的市場模型來介紹下為什么在沒有概率優勢的前提下參與交易會虧錢。

假設我們投資的市場是一個具備短線交易特征的市場，可以不分晝夜的不停交易，而且還不需要交手續費。那么我們的初始資金是1000元，每次隨機的買9個股票，如果有一半以上的股票漲了的話，我們暫定賺1元，否則一半以上的股票跌了，我們就虧一元。由于我們是隨機買的，那么贏錢的概率為50%。我們邀請50個人參與1000局看下效果：

代碼如下：
def simpmarket(win_rate, play_cnt=1000, stock_num=9, commission=0.01):?

money = np.zeros(play_cnt)?    
money[0] = 1000?    
binomial = np.random.binomial(stock_num, win_rate, play_cnt)?    
print(binomial)?    
for i in range(1, play_cnt):?        
    if binomial[i] > stock_num//2:?            
       money[i] = money[i-1] + 1?        
    else:?            
       money[i] = money[i-1] - 1?        
       money[i] -= commission?        
    if money[i] <= 0:?            
       break?    
 return money

[plt.plot(np.arange(1000), simpmarket(0.5, play_cnt=1000, stock_num=9, commission = 0)) ?
for _ in np.arange(0, 50)]

結果還不錯，虧錢的人和賺錢的人基本一半一半，符合零和游戲的特征。不過市場要經營是需要有收入的，那么就需要對交易收取手續費，為了更直觀的比較出手續費對交易的影響，我們假定每次交易的手續費為0.1元。我們邀請50個人參與1000局看下效果：

和游戲，沒有一個人是賺錢的，大家都虧錢了，當局數再增大以后的結局一定是血本無歸。市場是一定會有手續費的，那我們就這么心甘情愿的當韭菜嗎？如果我們想盈利的話就只能期待每局上漲的概率大于50%時才參與，否則不參與就不會虧錢了，并且每局贏的錢要比虧的錢多。其實這些需求映射到量化交易之中就是策略回測、倉位管理、止盈止損這些功能。那么我們改變概率這個因子，將它放大到55%，我們邀請50個人參與1000局看下效果：

看來結果還不錯，只要增加盈利的概率，就可以在市場中獲得收益，這就是量化交易的魅力——管理概率==理性交易。更多的量化交易內容歡迎大家訂閱專欄閱讀！！

更多python量化交易內容互動請加微信公眾號：PythonQT-YuanXiao
歡迎訂閱量化交易課程：鏈接描述

GPU云服務器云服務器主機量化交易量化交易視頻教程大數據量化交易區塊鏈量化交易

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/42971.html

1分鐘快速了解人工智能量化投資平臺

摘要：如何實現這一價值致力于將人工智能的能力賦予每一位量化投資者，平臺擁有股美股港股期貨期權等多市場海量數據，全面支持主流框架。人工智能量化投資平臺導語：歡迎大家來到BigQuant人工智能量化投資平臺，本文將通過簡短的介紹幫助大家快速認識BigQuant，快速了解人工智可以為投資者帶來哪些價值，希望可以幫助大家快速建立起對BigQuant人工智能量化平臺的初步認識。 BigQuant是一...

caohaoyu 2019-07-30 18:42 評論0 收藏0
PyAlgoTrade框架研究

摘要：最近研究量化交易，看了幾個回測的框架，最后盯上這個項目。所以對這個框架進行了一番研究。比如的設計，也是采用事件回調來計算指標或者進行交易。在的科學計算框架體系中，是核心，其核心的數據結構也被廣泛使用于其他數據分析框架之中。最近研究量化交易，看了幾個回測的框架，最后盯上PyAlgoTrade這個項目。感覺很不錯，支持策略回測和實盤交易，提供全面的技術分析接口，算是python的量化交...

gityuan 2019-07-24 18:06 評論0 收藏0
Python進階量化交易場外篇2——線性回歸擬合股價沉浮

摘要：由于線性回歸作用于股票收盤價的整個周期，因此選擇合適的時間段非常重要。在制定量化交易策略時有一種方式是尋找現象中的特征，根據特征去生成交易條件。新年伊始，很榮幸筆者的《教你用 Python 進階量化交易》專欄在慕課專欄板塊上線了，歡迎大家訂閱！為了能夠提供給大家更輕松的學習過程，筆者在專欄內容之外會陸續推出一些手記來輔助同學們學習本專欄內容，因此同學們無需擔心專欄內容在學習上的困難，...

loonggg 2019-07-31 10:03 評論0 收藏0
擁有一臺UCloud云服務器能做啥好玩的

摘要：偶爾還是能看到，有人問個人買云服務器能用來怎么玩好，下面我根據個人經驗做一點分享。偶爾還是能看到，有人問個人買云服務器能用來怎么玩好，下面我根據個人經驗做一點分享。總的來講，買服務器可以分為3種目的：學習：學習各種計算機相關技術分享：個人博客等試驗：個人有應用的一些想法，想快速試驗一下下面是具體的用法（某一個項目可能包含上面說的多個目的在一起，就不具體劃分了）：1.做小程序服務端小程序現在...

Tecode 2022-06-28 18:59 評論0 收藏0
Python進階量化交易場外篇3——最大回撤評價策略風險

摘要：我們知道投資是有風險的，那么如何去衡量這個風險呢最大回撤率就是一種直觀的將風險切實量化的指標。最大回撤率計算公式當日收盤價當日之前最高價最高價最低價最高價。顯而易見，最大回撤率越小越好，因為回撤與風險成正比，回撤越大，風險也就越高。新年伊始，很榮幸筆者的《教你用 Python 進階量化交易》專欄在慕課專欄板塊上線了，歡迎大家訂閱！為了能夠提供給大家更輕松的學習過程，筆者在專欄內容之外...

lcodecorex 2019-07-31 10:03 評論0 收藏0