量化交易行業(yè)丨研究結(jié)論

　　●本報告詳細(xì)闡述了看跌看漲比率指標(biāo)(Put/Call Ratio)的計算方法、數(shù)值特征、以及基本應(yīng)用。期權(quán)看跌看漲比率，顧名思義通常是指看跌期權(quán)與看漲期權(quán)的交易量之比。在衍生品高度發(fā)達(dá)的海外市場中，期權(quán)看跌看漲比率是一種廣受投資者關(guān)注的技術(shù)指標(biāo)，也是學(xué)術(shù)界用于度量投資者情緒的重要工具。

　　●看跌看漲比率可以在一定程度上反映當(dāng)前的市場情緒。如果看跌看漲比率較高，則說明市場購買看跌期權(quán)的數(shù)量多于看漲期權(quán)，顯示市場中看空后市的投資者居多;反之，如果看跌看漲比率較低，則說明市場中購買看漲期權(quán)的數(shù)量多于看跌期權(quán)，顯示看多后市的投資者居多。

　　●在實際應(yīng)用中，看跌看漲比率通常被作為市場反向指標(biāo)使用。如果看跌看漲比率攀升至極端高位，則標(biāo)志著市場已處于超賣狀態(tài)，是買入的信號;如果數(shù)值處于極端低值，則是一個負(fù)向的警告信號，表明市場可能已處于超買狀態(tài)，是賣出的信號。

　　指標(biāo)簡介

　　量化交易行業(yè)丨期權(quán)看跌看漲比率，又稱認(rèn)沽認(rèn)購比例，英文名稱為Put/Call Ratio(簡寫PCR)。顧名思義，看跌看漲比率，即為看跌期權(quán)與看漲期權(quán)交易量的比值。在衍生品發(fā)達(dá)的海外市場中，期權(quán)看跌看漲比率是一種廣受投資者關(guān)注的技術(shù)指標(biāo)，也是學(xué)術(shù)界用于度量投資者情緒(investor sentiment)的研究工具。

　　20世紀(jì)的80年代，美國國內(nèi)針對期權(quán)的市場功能和作用展開了大范圍的討論。在這一大背景下，越來越多的研究開始著眼于對期權(quán)市場信息的提煉。1988年，美國密歇根州立大學(xué)學(xué)者安東尼(J. H. Anthony)在題為“股票與期權(quán)市場成交量數(shù)據(jù)的相互關(guān)系”的論文中，建議考察看漲期權(quán)與看跌期權(quán)交易量。他認(rèn)為看多的交易者傾向于交易看漲期權(quán)，而看空的交易者則更喜歡交易看跌期權(quán)，因而看漲期權(quán)與看跌期權(quán)交易量的相對比值可能用于預(yù)測股市的收益。

　　1997年，研究者Oyster在學(xué)術(shù)論文中提到，“觀測期權(quán)看跌看漲比率，是我們度量市場投資者情緒的最有效方式之一”。所謂市場情緒，是指反映市場冷熱狀態(tài)、反映市場投資者心理樂觀或悲觀程度的指標(biāo)。另一位研究者Arbeter 在2007年的論文中，同樣也引用看跌看漲比率用于討論投資者情緒與標(biāo)普500指數(shù)的行為。上述兩位研究者的結(jié)論均認(rèn)為，當(dāng)看跌看漲比率上升時，市場常常傾向于下跌。

　　指標(biāo)計算

　　期權(quán)看跌看漲比率的計算公式如下：

　　Put/Call Ratio = Put volume / Call volume

　　其中，分子Put volume為看跌期權(quán)成交量的總和，分母Call volume為看漲期權(quán)成交量的總和。值得指出的是，這里的成交量總和包括了正在交易的不同交割月份、不同行權(quán)價的所有合約。

　　指標(biāo)邏輯

　　成交量描述了市場交易的活躍度，是分析市場走勢的重要依據(jù)。借助看跌期權(quán)與看漲期權(quán)成交量的對比，我們可以判斷市場看漲和看跌的程度：當(dāng)預(yù)期標(biāo)的資產(chǎn)未來價格上揚時，投資者更傾向于購買看漲期權(quán)，從而導(dǎo)致看漲期權(quán)的交易量大于看跌期權(quán)的交易量;同理，當(dāng)預(yù)期標(biāo)的資產(chǎn)未來價格下跌時，投資者則更傾向于購買看跌期權(quán)，從而導(dǎo)致看跌期權(quán)的交易量大于看漲期權(quán)的交易量。

　　從這個意義上講，考察期權(quán)市場中看跌期權(quán)與看漲期權(quán)交易量比值的變化，可以在一定程度上預(yù)判市場未來的價格趨勢。如果看跌看漲比率比較高，則說明市場購買看跌期權(quán)的數(shù)量多于看漲期權(quán)，顯示市場中看空后市的投資者居多;相反，如果看跌看漲比率比較低，則說明市場購買看漲期權(quán)的數(shù)量多于看跌期權(quán)，顯示看多后市的投資者居多。以美國市場為例，芝加哥期權(quán)交易所每一個交易日都會將所有個股和指數(shù)期權(quán)的看跌與看漲期權(quán)匯總，并計算成交量的看跌看漲比率。美國股票市場的實證結(jié)果顯示，市場中性時期對應(yīng)的看跌看漲比率約為0.9左右，看跌看漲比率大于1.1視為弱市，小于0.7則視為強市。

　　指標(biāo)特征

　　成立于1973年的芝加哥期權(quán)交易所(Chicago Board Options Exchange, CBOE)，是世界第一家以期權(quán)產(chǎn)品為主的交易所，其對于期權(quán)類產(chǎn)品的開發(fā)可謂不遺余力。1983年3月11日，芝加哥期權(quán)交易所推出了S&P 100指數(shù)期權(quán)(代碼OEX)，OEX是較早推出的綜合股價指數(shù)期權(quán)，也是目前世界上成交量最大的美式期權(quán)合約。同年，芝加哥期權(quán)交易所又推出S&P 500指數(shù)期權(quán)(代碼SPX)，SPX是目前全球成交量最活躍的歐式期權(quán)合約之一。

　　芝加哥期權(quán)交易所在其官方網(wǎng)站上提供了期權(quán)看跌看漲比率的相關(guān)統(tǒng)計數(shù)據(jù)，投資者可以公開獲取多種看跌看漲比率數(shù)據(jù)。其中，最為市場熟悉的4種看跌看漲比率如下表所示。代碼為equityPC的指標(biāo)，計算了在芝加哥期權(quán)交易所交易的所有個股期權(quán)的成交量看跌看漲比率;indexPC計算了在芝加哥期權(quán)交易所交易的所有指數(shù)期權(quán)的成交量看跌看漲比率，統(tǒng)計范圍覆蓋了以道瓊斯指數(shù)、納斯達(dá)克指數(shù)、標(biāo)普500指數(shù)、標(biāo)普100指數(shù)、羅素2000指數(shù)等為標(biāo)的的眾多指數(shù)期權(quán);totalPC則計算了包括所有個股期權(quán)和指數(shù)期權(quán)的成交量看跌看漲比率。此外，芝加哥期權(quán)交易所還提供了標(biāo)普500指數(shù)期權(quán)的看跌看漲比率指標(biāo)spxPC。

　　

　　(1) 標(biāo)普500指數(shù)期權(quán)的看跌看漲比率

　　標(biāo)普500指數(shù)期權(quán)是芝加哥期權(quán)交易所1983年推出的以標(biāo)普500指數(shù)為標(biāo)的的歐式期權(quán)，合約乘數(shù)為100美元。標(biāo)普500指數(shù)(S&P 500 Index)是由標(biāo)準(zhǔn)•普爾公司1957年開始編制并維護(hù)的，其覆蓋的所有公司均在美國主要交易所(如紐約證券交易所、納斯達(dá)克交易所)上市。與道瓊斯指數(shù)相比，標(biāo)普500指數(shù)包含的公司更多，具有采樣面廣、代表性強、風(fēng)險更為分散等特點，因而能夠反映更為廣泛的市場變化。

　　圖1展示了標(biāo)普500指數(shù)期權(quán)看跌看漲比率與標(biāo)普500指數(shù)的歷史走勢，時間范圍為從2010年7月6日至2014年1月3日。從趨勢上觀察，我們大致可以發(fā)現(xiàn)兩者具有弱的負(fù)相關(guān)關(guān)系。實際計算的結(jié)果顯示，兩者的相關(guān)系數(shù)為-0.23。

　　

　　為了考察指標(biāo)的數(shù)值特征，在圖2中我們計算了標(biāo)普500指數(shù)期權(quán)看跌看漲比率數(shù)值的頻率分布?？梢钥吹剑瑯?biāo)普500指數(shù)期權(quán)看跌看漲比率的數(shù)值在大多數(shù)情況下都大于1，主要集中分布在1和2.5之間。這意味著，標(biāo)普500指數(shù)看跌期權(quán)的成交量高于看漲期權(quán)的成交量，是市場的常態(tài)。

　　

　　下表展示了關(guān)于標(biāo)普500 指數(shù)期權(quán)看跌看漲比率的描述性統(tǒng)計。在長達(dá)882 個交易日的歷史統(tǒng)計中，標(biāo)普500 指數(shù)期權(quán)看跌看漲比率的平均值為1.71，最大值為3.37，最小值為0.86。

　　

　　(2) CBOE 所有個股期權(quán)的看跌看漲比率

　　圖3 展示了CBOE 所有個股期權(quán)看跌看漲比率與標(biāo)普500 指數(shù)的歷史走勢，時間跨度從2006 年11 月1 日至2014 年1 月3 日。這里之所以選擇標(biāo)普500 指數(shù)作為參照比較，主要是考慮到標(biāo)普500 指數(shù)的覆蓋范圍相對較廣。同樣，我們不難從趨勢上發(fā)現(xiàn)兩者之間的負(fù)相關(guān)關(guān)系，實際計算的結(jié)果也顯示兩者的相關(guān)系數(shù)為-0.21。

　　

　　作為一個具體的例子，我們來看一下2008年金融危機期間的指標(biāo)行為。2008年的金融海嘯，最初起源于2007年美國國內(nèi)的次級房屋信貸危機，其后逐漸波及各個國家地區(qū)與各類金融領(lǐng)域。2008年9月14日，雷曼兄弟在美國聯(lián)準(zhǔn)會拒絕提供資金支持援助后提出了破產(chǎn)申請。同一天，美林證券宣布被美國銀行收購。這兩個事件揭開了2008年9月全球股市大崩盤的序幕：9月15日(星期一)和9月17日(星期三)，全球股市均發(fā)生市值暴跌;9月29日，即著名的黑色星期一，美國政府的紓困計劃在眾議院公開表決時未獲得通過，當(dāng)天美國股票市場嚴(yán)重下挫，道瓊工業(yè)指數(shù)在數(shù)分鐘內(nèi)即下跌300點，收盤下跌約778點，創(chuàng)下史上最大跌幅;納斯達(dá)克指數(shù)下跌約200點并跌破2000點大關(guān);標(biāo)準(zhǔn)普爾500指數(shù)也下跌了8.77%。

　　圖4選取了2008年7月至2008年12月的時間區(qū)間，用以觀察CBOE所有個股期權(quán)看跌看漲比率在2008年金融危機中的指標(biāo)行為。我們可以發(fā)現(xiàn)2008年中看跌看漲比率發(fā)生多次明顯攀升的過程，比如9月4日-9月15日以及9月20日-10月10日，對應(yīng)時期內(nèi)的標(biāo)普500指數(shù)均發(fā)生下挫。

　　

　　圖5展示了CBOE所有個股期權(quán)看跌看漲比率的數(shù)值分布。與標(biāo)普500指數(shù)期權(quán)看跌看漲比率不同的是，CBOE所有個股期權(quán)看跌看漲比率的數(shù)值多數(shù)情況下都小于1，分布主要集中分布在0.5和1之間。這意味著，對于所有個股期權(quán)的匯總，市場的常態(tài)是看漲期權(quán)的成交量高于看跌期權(quán)的成交量。

　　下表展示了關(guān)于CBOE所有個股期權(quán)看跌看漲比率的描述性統(tǒng)計。統(tǒng)計顯示，在1805個歷史交易日中，看跌看漲比率的平均值為0.66，最大值為1.34，最小值為0.32。

　　

　　交易策略

　　在實際應(yīng)用中，分析師將看跌看漲比率視為一個短期的、領(lǐng)先的技術(shù)指標(biāo)，用以判斷大眾投資者對未來市場走勢的情緒。技術(shù)分析大師約翰•墨菲在《金融市場技術(shù)分析》一書中也提到，看跌看漲比率通常被作為一個市場的反向指標(biāo)使用：如果看跌看漲比率攀升至極端高位，則標(biāo)志著市場已處于超賣狀態(tài)，是買入的信號;如果數(shù)值處于極端低值，則是一個負(fù)向的警告信號，則表明市場可能處于超買狀態(tài)，是賣出的信號。

　　看跌看漲比率的反向指標(biāo)理論基于以下邏輯。通常而言，期權(quán)交易由普通的大眾投資者所主導(dǎo)，分析師們認(rèn)為普通的大眾投資者在預(yù)測市場走勢時常常是錯誤的，因而構(gòu)造交易策略時應(yīng)該將看跌看漲比率的極端值作為反向指標(biāo)使用。另一方面，從唯象的角度上看，也不難理解這種做法——如前文展示的歷史數(shù)據(jù)所示，期權(quán)看跌看漲比率的數(shù)值與股票市場走勢呈現(xiàn)同步的負(fù)相關(guān)關(guān)系，因此如果按照“均值回復(fù)”的理念，則看跌看漲比率處于極端高點時，市場雖然處于低點，卻正是進(jìn)入市場的良好時機。

　　1988年，R. S. Billingsley和D. M. Chance在題為“看跌看漲比率與市場擇時的有效性”的論文中，對看跌看漲比率的策略效果做了一次檢驗。他們選用標(biāo)普100指數(shù)期權(quán)(OEX)的看跌看漲比率以及CBOE所有個股期權(quán)看跌看漲比率作為待檢驗的信號指標(biāo)。基于前者的交易策略被應(yīng)用于標(biāo)普100指數(shù)，基于后者的交易策略則被應(yīng)用于標(biāo)普500指數(shù)。測試的時間范圍從1983年3月11日到1986年12月31日。策略的回測結(jié)果如下表所示。其中第一列為信號發(fā)生的閾值設(shè)置，比如124/53表示當(dāng)看跌看漲比率大于124%時做多，而小于53%時做空。表下中較佳的收益對應(yīng)于將大于70%作為OEX看跌看漲比率的買入信號，其平均日收益為0.2%，而且82次交易中有54次獲得正收益，統(tǒng)計檢驗的結(jié)果也是顯著的。

　　

　　進(jìn)階討論

　　在前面論述的基礎(chǔ)之上，期權(quán)看跌看漲比率還有許多可供拓展討論的空間。以下我們選取幾個較為重要的方面做簡單的介紹。

　　(1)指標(biāo)的標(biāo)準(zhǔn)化與平滑處理

　　按照看跌期權(quán)交易量除以看漲期權(quán)交易量的計算方式，看跌看漲比率的取值范圍從零到正無窮大。一方面，指標(biāo)的變動幅度可能非常大;另一方面，假如以數(shù)值1作為樂觀與悲觀的分界點，則樂觀的指標(biāo)區(qū)間(0，1)與悲觀的指標(biāo)區(qū)間(1，+∞)在長度上存在不對等。解決此類困難的較佳方法，是對指標(biāo)進(jìn)行標(biāo)準(zhǔn)化的處理，新的指標(biāo)公式可以如下：

　　Put/Call Signal = (Put volume – Call volume) / (Put volume + Call volume)

　　顯然，標(biāo)準(zhǔn)化處理后的看跌看漲相對指標(biāo)，其取值的變化范圍將在-1到1之間。

　　另一方面，從前面的實證數(shù)據(jù)中，我們不難發(fā)現(xiàn)看跌看漲比率隨時間的波動非常頻繁。為了過濾短期的噪音，分析師們常常會考慮引入移動平均(moving average)的方法對指標(biāo)進(jìn)行平滑處理。

　　(2)考察持倉量或開倉量

　　雖然看跌看漲比率最為常見的是基于成交量的比值，某些研究者也使用基于期權(quán)持倉量或開倉量的看跌看漲比率。其基本邏輯是：當(dāng)市場投資者預(yù)期標(biāo)的價格會上漲，看漲期權(quán)的持倉量就會增加，而看跌期權(quán)的持倉量則會減小;反之，當(dāng)市場投資者預(yù)期標(biāo)的價格會下跌，看跌期權(quán)交易量會增加。因此，基于期權(quán)持倉量的看跌看漲比率也可以反映市場對標(biāo)的價格未來走勢的看法。2006年，美國麻省理工學(xué)院金融學(xué)教授潘軍在其發(fā)表的學(xué)術(shù)論文中，對美國股票期權(quán)開倉量的看跌看漲比率進(jìn)行了研究，他們發(fā)現(xiàn)具有低看跌看漲比率的股票，其未來收益顯著地大于那些高看跌看漲比率的股票。

>>>點擊咨詢AQF課程相關(guān)問題

（點擊上圖了解課程詳情）

　　(3)投資者類型的細(xì)分

　　Lakonishok等在2007年的研究論文中，對芝加哥期權(quán)交易所不同投資者期權(quán)交易量數(shù)據(jù)進(jìn)行了詳細(xì)分析，發(fā)現(xiàn)不同種類投資者的期權(quán)種類偏好、期權(quán)買賣偏好、期權(quán)持有期等多方面行為特征均存在較大差別。因此，在計算期權(quán)看跌看漲比率時，如果我們能夠進(jìn)一步考慮投資者類型的因素，將可能帶來新的增量信息。其他的延伸討論，我們在此不做一一展開。下面列舉若干篇相關(guān)的文獻(xiàn)，供有興趣的讀者做更為深入的了解。

　　附: 參考文獻(xiàn)

　　1, R. S. Billingsley and D. M. Chance, “Put-call ratios and market timing effectiveness”, The Journal of Portfolio Management, 1988, pp. 25-28.

　　2, A. Bandopadhyaya and A. L. Jones, “Measures of investor sentiment: a comparative analusis Put-call ratio vs. volatility index”, Journal of Business & Economics Research, August 2008, pp. 27-34.

　　3, J. Pan and A. M. Poteshman, “The information in option volume for future stock prices”, Review of Financial Studies, 2006, pp. 871-908.

　　4, 鄭振龍，呂愷，林倉祥，“交易量的信息含量：臺灣期權(quán)市場的證據(jù)”，金融研究，2012，pp. 179-192。

AQF：量化金融分析師（簡稱AQF ，Analyst of Quantitative Finance）由量化金融標(biāo)準(zhǔn)委員會（Standard Committee of Quantitative Finance，SCQF）主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。>>>點擊咨詢AQF含金量

AQF量化金融分析師實訓(xùn)項目學(xué)習(xí)大綱 >>>點擊咨詢AQF考試

　　1.1.1. 第一部分：前導(dǎo)及課程介紹

1.AQF核心課程

2.量化策略的Python實現(xiàn)和回測

3.整體代碼介紹

　　1.1.2. 第二部分：量化投資基礎(chǔ)

1.量化投資背景及決策流程

2.量化擇時

3.動量及反轉(zhuǎn)策略

4.基金結(jié)構(gòu)套利

5.行業(yè)輪動與相對價值

6.市場中性和多因子

7.事件驅(qū)動

8.CTA_1（TD模型）

9.統(tǒng)計套利_低風(fēng)險套利

10.大數(shù)據(jù)和輿情分析

11.機器學(xué)習(xí)

12.高頻交易和期權(quán)交易

13.其他策略和策略注意點

　　1.1.3. 第三部分：Python編程知識

Python語言環(huán)境搭建	1.Python語言環(huán)境搭建
Python編程基礎(chǔ)	1.python數(shù)字運算和Jupyter notebook介紹
	2.字符串
	3.Python運算符
	4.Tuple和List
	5.字典
	6.字符串格式化
	7.控制結(jié)構(gòu)_1.For循環(huán)
	8.函數(shù)
	9.全局和局部變量
	10.模塊
	11.Python當(dāng)中的重要函數(shù)
Python編程進(jìn)階	1.Numpy數(shù)據(jù)分析精講
	2.Pandas數(shù)據(jù)分析詳解
數(shù)據(jù)可視化	1.Pandas內(nèi)置數(shù)據(jù)可視化
	2.Matplotlib基礎(chǔ)
	3.Seaborn
金融數(shù)據(jù)處理實戰(zhàn)	1.數(shù)據(jù)獲取_1.本地數(shù)據(jù)讀取
	1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_1
	1.數(shù)據(jù)獲取_2.網(wǎng)絡(luò)數(shù)據(jù)讀取_2.tushare
	1.數(shù)據(jù)獲取_2_網(wǎng)絡(luò)數(shù)據(jù)讀取_3.文件存儲
	2.金融數(shù)據(jù)處理_1.同時獲取多只股票
	2.金融數(shù)據(jù)處理_2.金融計算
	2.金融數(shù)據(jù)處理_3.檢驗分布和相關(guān)性
	3.金融時間序列分析_1.Python下的時間處理
	3.金融時間序列分析_2.Pandas時間格式
	3.金融時間序列分析_3.金融數(shù)據(jù)頻率的轉(zhuǎn)換
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例1
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標(biāo)條件選股分析_1
	4.金融數(shù)據(jù)處理分析實戰(zhàn)案例_案例2_多指標(biāo)條件選股分析_2

　　1.1.4. 第四部分：量化交易策略模塊

三大經(jīng)典策略	1.三大經(jīng)典策略_1.SMA
	1.三大經(jīng)典策略_2.動量Momentum
	1.三大經(jīng)典策略_3.均值回歸
配對交易策略	2.配對交易
技術(shù)分析相關(guān)策略	3.量化投資與技術(shù)分析_1.技術(shù)分析理論
	3.量化投資與技術(shù)分析_2.CCI策略的Python實現(xiàn)
	3.量化投資與技術(shù)分析_3.布林帶策略的Python實現(xiàn)_1
	3.量化投資與技術(shù)分析_4.SMA和CCI雙指標(biāo)交易系統(tǒng)
	3.量化投資與技術(shù)分析_5.形態(tài)識別和移動止損策略
大數(shù)據(jù)輿情分析策略	4.大數(shù)據(jù)輿情分析策略_基于谷歌搜索的大數(shù)據(jù)輿情分析
CTA交易策略	5.CTA交易策略_Aberration趨勢跟蹤系統(tǒng)
量化投資與機器學(xué)習(xí)	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_2_邏輯回歸原理
	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_3_SVM算法原理
	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_4_決策樹算法原理
	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_5_KNN算法原理
	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_6_神經(jīng)網(wǎng)絡(luò)算法了解
	6.量化投資與機器學(xué)習(xí)_1_機器學(xué)習(xí)算法原理_7_K-means算法原理和算法總結(jié)
	6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_1_數(shù)據(jù)集生成原理
	6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_2_數(shù)據(jù)集可視化
	6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_3_邏輯回歸算法的python實現(xiàn)
	6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_4_DT_KNN_NB算法的python實現(xiàn)
	6.量化投資與機器學(xué)習(xí)_2_機器學(xué)習(xí)算法實現(xiàn)_5_SVM算法的python實現(xiàn)
	6.量化投資與機器學(xué)習(xí)_3_機器學(xué)習(xí)算法實戰(zhàn)_6_基于邏輯回歸和SVM的股市趨勢預(yù)測

　　1.1.5. 第五部分：面向?qū)ο蠛蛯嵄P交易

1.模塊內(nèi)容整體介紹

2.面向?qū)ο蟆㈩?、實例、屬性和方?/p>

3.創(chuàng)建類、實例、方法

4._init_初始化方法

5.面向?qū)ο蟪绦驅(qū)嵗?/p>

6.繼承的概念及代碼實現(xiàn)

7.面向?qū)ο罄^承的實戰(zhàn)案例

8.多繼承和量化交易平臺的面向?qū)ο箝_發(fā)思路

9.用面向?qū)ο蠓椒▽崿F(xiàn)股債平衡策略

　　1.1.6. 第六部分 實盤模擬交易

基于優(yōu)礦平臺的面向?qū)ο蟛呗?/p>	1.優(yōu)礦平臺介紹
	2.優(yōu)礦平臺回測框架介紹
	3.優(yōu)礦框架之context對象、account和position對象
	4.優(yōu)礦其它重要操作
	5.優(yōu)礦之小市值因子策略
	6.優(yōu)礦之雙均線策略
	7.優(yōu)礦之均值回歸策略
	8.優(yōu)礦之單因子策略模板
	9.優(yōu)礦之多因子策略模板
	10.優(yōu)礦之因子數(shù)據(jù)處理：去極值和標(biāo)準(zhǔn)化
面向?qū)ο髮嵄P交易之Oanda	1.Oanda平臺介紹和賬戶配置
	2.Oanda賬戶密碼配置和交易框架原理
	3.Oanda鏈接賬戶并查看信息
	4.Oanda API獲取歷史數(shù)據(jù)
	5.Oanda市價單和交易狀態(tài)查詢
	6.Oanda高級交易訂單
	7. Oanda其它高級功能
	8. Oanda實戰(zhàn)ADX策略全講解：策略邏輯、數(shù)據(jù)讀取、歷史數(shù)據(jù)處理、可視化、實時數(shù)據(jù)和實時交易
	9. Oanda通過實時數(shù)據(jù)API調(diào)取實時數(shù)據(jù)、resample
面向?qū)ο髮嵄P交易之IB	1.IB實戰(zhàn)平臺介紹及API安裝調(diào)試
	2.IB實戰(zhàn)平臺請求和響應(yīng)遠(yuǎn)離、線程控制
	3.IB響應(yīng)函數(shù)wrapper講解
	4.IB請求函數(shù)及合約定義
	5.IB程序化下單、倉位及賬戶查詢
	6.IB三均線交易_金字塔倉位下單控制模型實盤交易之策略原理、線程控制原理、策略結(jié)構(gòu)總覽、響應(yīng)函數(shù)、交易信號、策略展示等全講解。

　　1.1.7. 第七部分：基于優(yōu)礦的進(jìn)階學(xué)習(xí)

1.1回測與策略框架

1.2評價指標(biāo)

1.3.1量化策略設(shè)計流程簡介

1.3.2擇時策略舉例（雙均線）

1.3.3量化投資模板1.0選股和擇時

2.1基于技術(shù)分析的量化投資

2.2.1技術(shù)指標(biāo)簡介

2.2.2 MACD擇時策略

2.2.3 WVAD擇時策略

2.2.4 RSI擇時策略

2.2.5 MFI擇時策略

2.2.6 CCI擇時策略

2.2.7技術(shù)指標(biāo)總結(jié)

2.3通道技術(shù)

3.1.1日期效應(yīng)

3.1.2動量效應(yīng)

3.2.1格雷厄姆成長投資

3.2.2積極投資策略

3.2.3價值投資策略

3.2.4小型價值股投資策略

3.3.1交易系統(tǒng)設(shè)計的一般原理

3.3.2均線排列系統(tǒng)

3.3.3金肯納特交易系統(tǒng)

3.3.4海龜交易法系統(tǒng)

金程推薦： AQF培訓(xùn) AQF培訓(xùn)機構(gòu) AQF是什么意思

熱線電話：400-700-9596

AQF考友群：760229148

　　金融寬客交流群：801860357

　　微信公眾號：量化金融分析師

　　>>>返回首頁