文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

【视频】风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例|附代码数据

平均每日收益恰好接近于零，因此为了说明目的，我们将假设平均收益为零。...模型对股市sp500收益率bootstrap、滚动估计预测VaR、拟合诊断和蒙特卡罗模拟可视化R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率R语言中的时间序列分析模型...和 VAR模型估计、预测ts 和 xts格式时间序列PYTHON用GARCH、离散随机波动率模型DSV模拟估计股票收益时间序列与蒙特卡洛可视化极值理论 EVT、POT超阈值、GARCH 模型分析股票指数...指数波动率时间序列和预测可视化Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用MATLAB用GARCH模型对股票市场收益率时间序列波动的拟合与预测R语言极值理论 EVT、POT超阈值...R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析R语言多元Copula GARCH 模型时间序列预测R语言使用多元AR-GARCH模型衡量市场风险R语言中的时间序列分析模型：ARIMA-ARCH

1.1K00

量化CTA：Deep Momentum Network的细节思考

前言 传统的CTA策略多为多品种多周期的趋势跟踪策略组合。其中对于趋势的定义，大都基于时间序列计算出的传统技术指标，如MACD、均线等。然后根据趋势的多空，构建多品种的多空组合。...DMN最大的不同是，是直接使用Sharpe比率作为损失函数： 其中： 为所有资产在过去t-1到t-n时间平均收益， 为所有资产在过去n个时间步的方差； 为品种i在时间t+1的给组合贡献的收益率，其等于...t时间计算出的信号强度 乘以组合目标波动 与品种i在过去m天的波动 ，再乘以资产i在t+1时间的收益率 。...原文的模型使用的是递推式滚动训练，每五年训练一次，其中前4年作为训练数据，最后1年作为验证数据。并在接下来的五年使用前五年数据训练的模型。...与常用的MSE、MAE作为损失函数的时间序列预测相比，量化应用场景中，我们更应该深入这些细节。这样才能更大的发挥算法的价值。

2.3K30
您找到你想要的搜索结果了吗？
是的
没有找到

【手把手教你】使用pyfinance进行证券收益分析

； ols.py：回归分析，支持pandas滚动窗口回归； options.py：期权衍生品计算和策略分析； returns.py：通过CAPM框架对财务时间序列进行统计分析，旨在模拟FactSet Research...) 比基准收益高的时间占比：47.83% 上行期与基准收益比：111.70% 下行期与基准收益比：105.32% 上行期与下行期比：106.06% 个股下行（收益负）时间占比：48.94% 个股上行（收益正...特雷诺指数（Treynor ratio）：衡量单位风险的超额收益，计算公式为:TR=（Rp―Rf）/βp，其中：TR表示特雷诺业绩指数，Rp表示某投资组合平均收益率，Rf为平均无风险利率，βp表示某投资组合的系统风险...索提诺比率（Sortino Ratio）：与夏普比率思路一致，核心在于分母应用了下行波动率概念（Downside Risk），计算标准差的时候，不采用均值，而是一个设定的可接受最小收益率（r_min），...对应的，索提诺比率的分子也采用策略收益超出最低收益的部分。与夏普比率相比，索提诺比率更看重对（左）尾部的预期损失分析，而夏普比率则是对全体样本进行分析。

2K22

一个策略的自白

但是，人们产生的“随机”序列却远比真实的有序的多。...作为一个策略，假如我的收益率分布保持不变的话，那么收益率序列的一个局部（即一段短时间内）也会出现连续涨、或者跌的结果，就正如上面扔硬币的例子。...与最大回撤的差异形成对比的是，无论是日频预期收益、波动率还是夏普率，这两个策略却都是一样的。仅仅因为涨跌序列顺序不同，造成了不同的最大回撤。...上面这段话的意思是，如果有一个非有效的策略，它的时序收益率序列由 {R(t), t = 0, 1, …} 表示；那么存在一个作用于长度为 n 的历史收益率序列 {R(t-n), …, R(t)} 的函数...h，并令 g(t) = h{R(t-n), …, R(t)}，则以 {g(t), t = 0, 1, …} 为收益率序列的新策略比原始策略有更高的夏普率：SR(g(t)) > SR(f(t))。

56800

A股市场机器学习多因子模型实证

初始训练时间为2000-2008，验证集为2009-2011，测试集2012-2020。每次训练都用上一个月末的因子去预测股票下一个月的收益，验证集主要用于超参数优化。...连续变量的因子在模型中以截面的Rank值作为输入。本文使用了以下模型，模型滚动训练，每一年重新训练一次。...network） 以上部分模型使用的超参数如下： 预测能力 样本外的预测能力主要采用R方进行评估，即样本外预测收益与实际收益的拟合度，如下式表示： 下表给出了所有模型在不同样本空间的R方表现，主要有以下几个发现...接下来分别从以下角度进行对比测试：大盘股（Top 70%）与小盘股（Bottom 30%）、大股东股票（指股东平均持股市值前70%的公司，表中用A.M.C.P.S Top 70%表示）与小股东股票（表中用...对于多空组合，我们得到的中国股市的夏普比率远高于Gu等人(2020)发现的美国股市的夏普比率。

1K30

因子建模（附代码）

我们可以使用autoplot功能通过ggplot功能绘制xts或者时间序列数据（我们仅绘制前3项资产）： ? ?...其中_ri是我们投资组合中单项资产的平均收益率，βi是我们样本期内每个资产的beta值，_f是SPY的平均收益率。因此，我们可以像这样计算alpha： ? 我们资产的阿尔法或者如下： ?...夏普（Sharpe）比率是一种报酬变动比率，它允许我们能够在调整风险之后将投资组合的表现与无风险资产进行比较。...表示夏普比率，其中x_是x从t=1到T这个历史期间的平均值，简单计算为 ?...2、下载ETF并转换成每日收益。 ? 3、将随机选择的股票的平均每日收益作为数据，并将数据与ETF合并，然后将数据设置为时间序列对象。

1.6K20

股票预测中模型复杂性的利弊

量化投资与机器学习公众号出品 前言 量化投资中预测很重要，但预测的准确性却并没有那么重要，有的时候较低的预测准确率可能会带来较高的夏普比率。...下表1给出了不同模型基于不同处理方法的结果，其中括号外的数值表示基于预测值做多指数（预测为负时持有现金）的策略的夏普比率，括号里的百分比为预测的准确度。...滚动窗口 VS 扩展窗口 表2基于排序法，比较了不同数据滚动方法的测试结果，可以看出更好的准确性并不是更好的夏普比率的先决条件。这是由于滚动窗口能够更快的适应市场的变化，在最重要的时候保持正确。...在19%的月份中，国债收益率是被选择的变量。在17%的月份中，一年期股票风险溢价是被选择的变量。仅使用二次判别分析对股息收益率进行预测，使用一天的滞后，准确率为58.0%，年化夏普比率为0.827。...它确实倾向于做多股票，因为它在80%的时间里都是做多的。图5显示了信号买入股票的月份和持有现金的月份的箱形图。

25230

投资组合优化模型

目标是在滚动的基础上计算训练集（即6个月）上的6个月平均收益mus和6个月协方差矩阵Sigmas，并将其应用于测试集（即1个月后）-每月再平衡。 正如收益数据一样，其同样适用于月度价格数据。 ? ?...价格和收益数据 第一个split的收益数据如下所示： ? 统计数据 Mus（平均收益）数据如下所示： ? Sigmas（协方差矩阵）数据如下所示： ?...二次型，其中是x向量，p是矩阵，或者在我们的例子中w是权重向量，∑是A1,···,A5的协方差矩阵。这些约束条件对应于 ? 其中我们不能给我们的资产分配负权重，我们将所有资本投资于投资组合。...我们可以通过解决优化问题，将列表绑定到单个数据框中并使用ggplot2来绘制样本最佳投资组合权重中一个月的滚动-基于前六个月的滚动mus和Sigmas来实现。 ? ? ? ?...低值的资产使我们以资产A5的权重投资于单项资产，增加λ值会增加其他资产A4的权重，从而分散了我们的风险。 ? ? 最大夏普比率 ? ? ? ? Mu五分位数投资组合 ? ? ? ? ?

1.9K21

我们需要多快的速度进行交易？

在这个计算中，不包括无风险利率，否则，当我们用相同单位的预期成本收益减去成本的夏普比率时，我们最终会把它抵消掉。 为什么说得通呢？它使得比较不同工具、账户大小和时间段之间的交易成本变得更加容易。...如果我们做一些假设，那么我们可以将其归结为你的收益（或夏普比率）与你在给定时间段内交易数量的平方根成比例。 8 预期成本收益：实践 主动管理法则是一种理论，有效地代表了可能性的上限。...使用移动平均交叉规则MAV （64,256）时的平均夏普比率约为0.28。它每年进行1.1笔交易。如果我们用更短的移动平均线，MAV（32,128）来加速呢？...建议在你的系统中保留至少3个移动平均线的变化，以获得足够的多样化，但最快的两个变化显然是在浪费钱。 重要提示：将所有工具的平均SR预期成本收益与欧洲美元的成本进行了比较。...重要提示：你还需要确保你的止损与你的预测范围一致。对于自由交易者来说，如果你打算一个月交易一次，那么请确保你的交易是基于未来几周的预期价格走势。

62731

MLQuant：基于XGBoost的金融时序交易策略（附代码）

在这篇文章中我们将一系列资产的时间序列数据分解成一个简单的分类问题，看看机器学习模型能否更好地预测下一个周期方向。目标和策略是每天投资一项资产。...()函数应用于它，而不会出现资产类的任何重叠或混合，我们这样做是为了为每个周期创建时间序列特征。...第一个rolling_origin()函数是用于通过获取前100天的数据并计算其上的tsfeatures函数来帮助在滚动的基础上向下折叠时间序列数据，这与使用zoo包的rollapply()函数来计算使用滚动平均值...——此时应执行适当的交叉验证，但是由于时间序列交叉验证非常棘手，R中没有函数可以帮助这种类型的交叉验证。我们将在后面的文章中给读者介绍其方法。 一旦模型被训练好，我们就开始做预测。...最后我们构建了时间序列特征，然后将其重新命名为 X_n。

2.8K41

基于Carry的截面和时序策略

假设在时间，某资产的某个期货合约的价格是，该资产现货的价格是，且投资者以的保证金持有一手该期货合约，在到期日期货的价格是，那么这段时间的收益为： 股票的Carry 股票Carry本质上是预期股息收益率减去本地无风险利率...被动暴露于资产类别本身仅产生0.13的平均夏普比率（或者如果我们做空期权策略，则为0.41），远低于Carry策略的平均0.78夏普比率。...Carry择时策略 我们现在考虑在每个资产类别内采用Carry择时策略，以更详细地分析Carry在时间序列上的可预测性。...然而，在某些资产类别中，该策略与被动多头策略高度相关，因为Carry大部分时间是正的或负的。将C设为给定时点之前所有资产的平均Carry结果更好，这与被动多头或空头头寸的相关性较小。...使用C等于零和等于给定时点之前的历史上平均Carry的两个时序Carry因子之间的时间序列相关性为59%。

2110

R语言收益率和波动性模拟股票价格COMP226带自测题

p=29581 在本工作表中，我们将研究价格、收益率和波动性。波动性通常用收益率的均方差来衡量，例如夏普比率的分母，它被用作风险的衡量标准。...使用这种非平稳时间序列是非常有问题的——时间序列分析的大部分集中在平稳时间序列上；在实词时间序列中使用时间序列的第一步通常是导出平稳时间序列，也就是说，一个随时间变化具有恒定均值和均方差的时间序列。...2.从正态分布中绘制一个随机数，平均μ和均方差sigma是模拟的参数。这个数字将代表日志返回。3.对日志返回进行指数运算，并将其与之前的价格相乘以获得新的价格。...股票指数进行ARIMA + GARCH交易策略 2.R语言改进的股票配对交易策略分析SPY—TLT组合和中国股市投资组合 3.R语言时间序列：ARIMA GARCH模型的交易策略在外汇市场预测应用 4....TMA三均线期指高频交易策略的R语言实现 5.r语言多均线量化策略回测比较 6.用R语言实现神经网络预测股票实例 7.r语言预测波动率的实现：ARCH模型与HAR-RV模型 8.R语言如何做马尔科夫转换模型

60210

动量因子30年

具有高(低)收益预期的股票，未来的实现收益可能会更高(更低)。在这种情况下，不需要时间序列的可预测性来从动量中获利。...在面板回归中，β对过去的收益是正的，且具有统计学意义，t统计量超过5。在过去收益为正（负）时做多（做空）的交易策略，在58种资产中有52种产生统计上为正的平均收益。...在所有资产上的等加权时间序列动量收益对各种风险调整和横截面股票动量策略的收益都是稳健的。其收益不仅高于横截面动量策略，而且能够完全解释横截面动量收益。...所以有因子动量收益受四个因素影响：因子收益的正自协方差与股票相关因子暴露的分散程度的乘积，因子之间的交叉序列自协方差，因子敞口无法解释的收益的自协方差，以及股票平均收益的横截面方差。...在65个样本中，49个样本的一阶自回归斜率系数在5%的水平上具有显著的统计学意义。此外，他们构建了一个时间序列动量策略，如果一个因子在回顾期间的回报为正（负），则该策略将做多（做空）。

1.2K30

仓位管理：超越凯利公式，梦回华尔街！

世界上最强大的力量，不是原子弹，而是复利+时间 复利投资的关键除了本金与年化收益率，便是时间的神奇“魔力”。...如果第一次抛硬币反面朝上，你就输的光溜溜了 ? 在回答这个问题之前，我们将讨论期望的概念，其表示为所有可能结果的平均值： ?...然而，我们观察到GHPR和回撤之间的一般关系与以前相同。有趣的是，这种方法建议使用的杠杆是之前确定性方法的2倍多。这有两个原因。 首先，我们大大缩短了时间范围。...虽然第一次尝试使用了SPY的整个价格历史（近25年），而第二种方法模拟了未来一年的曲线。时间越短，我们预期的回撤就越少。其次，指数收益率等金融时间序列往往同时表现出波动性聚类和自相关性。...结果表明，夏普比率与我们的度量指标有很强的相关性，且不依赖于时间。我们不寻找最大GHPR，而是优化每个加权收益序列的最大夏普比率。这样，我们就不需要生成数千条潜在的权益曲线来评估权重的最佳组合是什么。

1.7K20

这个用Python优化的比特币交易机器人简直太烧脑了...

平稳时间序列是平均值，方差和自相关系数（与其自身的滞后相关）都恒定的时间序列。...而且，加密货币价格的时间序列有着很明显的趋势和季节效应（季节效应是指与季节相关联的股市非正常收益，是股市中的一种“异像”，是与市场有效性相悖的情况），这两者都会影响算法对时间序列预测的准确率，所以在这里...它计算的是特定时间段内投资组合的超额收益与波动性的比率。...具体的计算公式如下： 夏普比率的计算公式：（投资组合的收益-大盘的收益）/投资组合的标准差 从公式中我们可以得出，为了保持较高的夏普比率，投资组合必须同时保证高收益和低波动性（也就是风险）。...最大回撤率是指比特币币价从价格顶峰到价格低谷之间的价值差，用来描述买入比特币后最糟糕的情况。 最大回撤率对我们的投资策略来说是致命的，因为只需一次币价突然跳水，我们长时间累积的高收益就会化为乌有。

1.1K20

这个用Python优化的比特币交易机器人简直太烧脑了...

平稳时间序列是平均值，方差和自相关系数（与其自身的滞后相关）都恒定的时间序列。...而且，加密货币价格的时间序列有着很明显的趋势和季节效应（季节效应是指与季节相关联的股市非正常收益，是股市中的一种“异像”，是与市场有效性相悖的情况），这两者都会影响算法对时间序列预测的准确率，所以在这里...它计算的是特定时间段内投资组合的超额收益与波动性的比率。具体的计算公式如下： ?...夏普比率的计算公式：（投资组合的收益-大盘的收益）/投资组合的标准差 从公式中我们可以得出，为了保持较高的夏普比率，投资组合必须同时保证高收益和低波动性（也就是风险）。...最大回撤率是指比特币币价从价格顶峰到价格低谷之间的价值差，用来描述买入比特币后最糟糕的情况。 最大回撤率对我们的投资策略来说是致命的，因为只需一次币价突然跳水，我们长时间累积的高收益就会化为乌有。

1.1K20

【学术】算法交易的神经网络:强化经典策略

今天我想做一个带有实际预测的金融时间序列结论:我们将用神经网络强化经典移动平均策略,证明它真的改善了最终结果，并且审查新的预测目标。...所有这些值将形成多变量时间序列，平面化后用于MLP或将保留为CNN或RNN。...[（“总收益（Total Return）”，“3.07％”）， （“夏普比率（Sharpe Ratio）”，“2799”）， （“最大回撤（Max Drawdown）”，“1.91％”）， （“回撤时间...可能的改进 这个方法似乎是可行的，我想向你介绍一些可能的改进，我强烈建议你自己尝试一下: 不同的指标策略:MACD,RSI； 配对交易策略可以通过提出的方法进行优化； 尝试预测不同的时间序列特征:赫斯特指数...在这篇文章中，我想用神经网络来完成(至少在一段时间内)金融时间序列预测主题。我们不能直接用它们来预测价格是否会上涨或下跌，来赚很多钱。我们考虑了不同的数据源和目标，仔细地处理过拟合和优化过的超参数。

77421

拓端tecdat|Python蒙特卡罗（Monte Carlo）模拟计算投资组合的风险价值（VaR）

max_sharpe() #可以使用增加目标来确保单个股票的最小零权重 最大夏普比率的资产权重 资产权重将被用于计算投资组合的期望收益。...#VaR计算rx2 = []#换为最大夏普比率的资产权重list(sharpe.values()) 现在，我们将把投资组合的股票价格转换为累计收益，这也可以被视为本项目的持有期收益（HPR）。...我使用的时间是1440（一天中的分钟数），模拟运行20,000次。时间步长可以根据要求改变。我使用了一个95%的置信区间。...这可以通过将产生的每日收益值与各自股票的最终价格相乘来实现。...---- 最受欢迎的见解 1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究 2.R语言时变参数VAR随机模型 3.R语言估计时变VAR模型时间序列的实证研究 4.R语言基于ARMA-GARCH

1.4K30

HMM模型在量化交易中的应用（R语言版）

函数形式：X(t+1) = f( X(t) ) HMM由来 物理信号是时变的，参数也是时变的，一些物理过程在一段时间内是可以用线性模型来描述的，将这些线性模型在时间上连接，形成了Markov链。...–训练数据：上证指数（2007:2009） –回测数据：沪深300成分股（ 2010:2015） 平均下来收益率比银行里的一些理财（一般5-6%）好一些。但是人家的风险比这个的低啊！...（一个模型包括：输入、样本筛选/过滤、拟合参数、拟合函数、模型的参数、目标函数等等等等。这么多东西需要测试， oh my god！） 改进 这里还是只讲HMM模型吧！...HMM的问题2：给定观察序列O=O1,O2,…OT以及模型λ,如何选择一个对应的状态序列S = q1,q2,…qT，使得S能够最为合理的解释观察序列O？...测试50次（舍弃年化收益率>10的） 收益率和夏普率还能接受，但是最大回撤还是不能令人满意！！！

2.8K80

【重磅】人人都熟知的夏普率，如何切实帮助我们提高投资管理水平呢？

按照 Sharpe (1994) 的定义，假设 R_t 为 t 期的收益率，R_f 为无风险收益率（假设为常数），则使用 t = 1 到 T 这段长度的历史数据计算的（事后）夏普率为： 用白话说，如果标准差可以理解为风险的代理指标后...在上面的公式中，无论是夏普率、收益率均值还是标准差，它们的符号上面都有一个上标，说明它们是从样本数据中估计出来的数据。它是否能准确的衡量过去一段时间一个策略或一支基金的真实夏普率呢？...夏普率的统计特性 在本文第 1 节介绍（事后）夏普率的公式中，夏普率（包括计算它的收益率均值和标准差）是从样本数据中估计出来的数据；它仅仅是某个策略或者基金业绩在过去一段时间内真实（但未知）的夏普率的一个估计...我们不能想当然的认为使用历史收益率计算的夏普率就是对过去一段真实夏普率的准确估计，它们之间的误差与夏普率的大小以及样本个数有关。 2....0, 1, …} 为收益率序列的新策略比原始策略有更高的夏普率：SR(g(t)) > SR(f(t))。

1.6K30
点击加载更多

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券