期货 vwap 策略 期货策略平台

炒期货都有哪些技术指标

炒期货常用的技术指标包括： 1.移动平均线：简单移动平均线（冲并SMA）和指数移动平均线（EMA）用于识别趋势。 2.相对强弱指标（RSI）：用来衡衡指量价格波动的强度和速度，判断市场是否超买或超卖。 3.随机指标（KD指标）：用于衡量价格在给定时期内的高低水平，指示市场的超买和超卖情况。 4.成交量指标：包括成交量震荡指标（OBV）、成交量加权平均线（VWAP）等，用于分析成交量波动和分析市场趋势。 5.布林带（Bollinger Bands）：利用移动平均线和标准差来显示价格波动的带状指标，用于判断价格的上下轨道。 6.形态识别指标：例如头肩顶和头肩底等形态，用于识别市场反转信号。 7. MACD指标：用于衡量短期和长期移动平均线的差异，判断买入和卖出信号。 8.动量指标（Momentum）：衡量价格变动的速度和幅度，用于判断市场的超买和超卖情况。 9.平均真实波幅（ATR）：衡量市场波动率的指标，用于设置止损和获利点位。 10.相对强势指标（ROC）：衡量价格相对于前期价格的变咐判配动幅度，用于判断市场的趋势强弱。此外，还有许多其他的技术指标可供选择，交易者可以根据自己的交易策略和偏好选择适合自己的指标来进行炒期货。

量化投资—策略与技术的作品目录

《量化投资—策略与技术》

策略篇

第 1章量化投资概念

1.1什么是量化投资 2

1.1.1量化投资定义 2

1.1.2量化投资理解误区 3

1.2量化投资与传统投资比较 6

1.2.1传统投资策略的缺点 6

1.2.2量化投资歼此策略的优势 7

1.2.3量化投资与传袜茄统投资策略的比较 8

1.3量化投资历史 10

1.3.1量化投资理论发展 10

1.3.2海外量化基金的发展 12

1.3.3量化投资在中国 15

1.4量化投资主要内容 16

1.5量化投资主要方法 21

.第 2章量化选股 25

2.1多因子 26

2.1.1基本概念 27

2.1.2策略模型 27

2.1.3实证案例：多因子选股模型 30

2.2风格轮动 35

2.2.1基本概念 35

2.2.2盈利预期生命周期模型 38

2.2.3策略模型 40

2.2.4实证案例：中信标普风格 41

2.2.5实证案例：大小盘风格 44

2.3行业轮动 47

2.3.1基本概念 47

2.3.2 m2行业轮动策略 50

2.3.3市场情绪轮动策略 52

2.4资金流 56

2.4.1基本概念 56

2.4.2策略模型 59

2.4.3实证案例：资金流选股策略 60

2.5动量反转 63

2.5.1基本概念 63

2.5.2策略模型 67

2.5.3实证案例：动量选股策略和反转选股策略 70

2.6一致预期 73

2.6.1基本概念 74

2.6.2策略模型 76

2.6.3实证案例：一致预期模型案例 78

2.7趋势追踪 84

2.7.1基本概念 84

2.7.2策略模型 86

2.7.3实证案例：趋势追踪选股模型 92

2.8筹码选股 94

2.8.1基本概念 95

2.8.2策略模型 97

2.8.3实证案例：筹码选股模型 99

2.9业绩评价 104

2.9.1收益率指标 104

2.9.2风险度指标 105

第 3章量化择时 111

3.1趋势追踪 112

3.1.1基本概念 112

3.1.2传统趋势指标 113

3.1.3自适应均线 121

3.2市场情绪 125

3.2.1基本概念 126

3.2.2情绪指数 128

3.2.3实证案例：情绪指标择时策略 129

3.3有效资金 133

3.3.1基本概念 133

3.3.2策略模型 134

3.3.3实证案例：有效资金择时模型 137

3.4牛熊线 141

3.4.1基本概念 141

3.4.2策略模型 143

3.4.3实证案例：牛熊线择时模型 144

3.5 husrt指数 146

3.5.1基本概念 146

3.5.2策略模型 148

3.5.3实证案例 149

3.6支持向量机 152

3.6.1基本概念 152

3.6.2策略模型 153

3.6.3实证案例：svm择时模型 155

3.7 swarch模型 160

3.7.1基本概念 160

3.7.2策略模型 161

3.7.3实证案例：swarch模型 164

3.8异常指标 168

3.8.1市场噪声 168

3.8.2行业集中度 170

3.8.3兴登堡凶兆 172

第 4章股指期货套利 180

4.1基本概念 181

4.1.1套利介绍 181

4.1.2套利策略 183

4.2期现套利 185

4.2.1定价模型 185

4.2.2现货指数复制 186

4.2.3正向套利案例 190

4.2.4结算日套利 192

4.3跨期套利 195

4.3.1跨期套利原理 195

4.3.2无套利区间 196

4.3.3跨期套利触发和终止 197

4.3.4实证案例：跨期套利策略 199

4.3.5主要套利机会 200

4.4冲击成本 203

4.4.1主要指标 204

4.4.2实证案例：冲击成本 205

4.5保证金管理 208

4.5.1 var方法 208

4.5.2 var计算方法 209

4.5.3实证案例 211

第 5章商品期货套利 214

5.1基本概念 215

5.1.1套利的条件 216

5.1.2套利基本模式 217

5.1.3套利准备工作 219

5.1.4常见套利组合 221

5.2期现套利 225

5.2.1基本原理 225

5.2.2操作氏好迅流程 226

5.2.3增值税风险 230

5.3跨期套利 231

5.3.1套利策略 231

5.3.2实证案例：pvc跨期套利策略 233

5.4跨市场套利 234

5.4.1套利策略 234

5.4.2实证案例：伦铜—沪铜跨市场套利 235

5.5跨品种套利 236

5.5.1套利策略 237

5.5.2实证案例 238

5.6非常状态处理 240

第 6章统计套利 242

6.1基本概念 243

6.1.1统计套利定义 243

6.1.2配对交易 244

6.2配对交易 247

6.2.1协整策略 247

6.2.2主成分策略 254

6.2.3绩效评估 256

6.2.4实证案例：配对交易 258

6.3股指套利 261

6.3.1行业指数套利 261

6.3.2国家指数套利 263

6.3.3洲域指数套利 264

6.3.4全球指数套利 266

6.4融券套利 267

6.4.1股票—融券套利 267

6.4.2可转债—融券套利 268

6.4.3股指期货—融券套利 269

6.4.4封闭式基金—融券套利 271

6.5外汇套利 272

6.5.1利差套利 273

6.5.2货币对套利 275

第 7章期权套利 277

7.1基本概念 278

7.1.1期权介绍 278

7.1.2期权交易 279

7.1.3牛熊证 280

7.2股票/期权套利 283

7.2.1股票—股票期权套利 283

7.2.2股票—指数期权套利 284

7.3转换套利 285

7.3.1转换套利 285

7.3.2反向转换套利 287

7.4跨式套利 288

7.4.1买入跨式套利 289

7.4.2卖出跨式套利 291

7.5宽跨式套利 293

7.5.1买入宽跨式套利 293

7.5.2卖出宽跨式套利 294

7.6蝶式套利 296

7.6.1买入蝶式套利 296

7.6.2卖出蝶式套利 298

7.7飞鹰式套利 299

7.7.1买入飞鹰式套利 300

7.7.2卖出飞鹰式套利 301

第 8章算法交易 304

8.1基本概念 305

8.1.1算法交易定义 305

8.1.2算法交易分类 306

8.1.3算法交易设计 308

8.2被动交易算法 309

8.2.1冲击成本 310

8.2.2等待风险 312

8.2.3常用被动型交易策略 314

8.3 vwap算法 316

8.3.1标准vwap算法 316

8.3.2改进型vwap算法 319

第 9章其他策略 323

9.1事件套利 324

9.1.1并购套利策略 324

9.1.2定向增发套利 325

9.1.3套利重仓停牌股票的投资组合 326

9.1.4封闭式投资组合套利 327

9.2 etf套利 328

9.2.1基本概念 328

9.2.2无风险套利 330

9.2.3其他套利 334

9.3 lof套利 335

9.3.1基本概念 335

9.3.2模型策略 336

9.3.3实证案例：lof套利 337

9.4高频交易 341

9.4.1流动性回扣交易 341

9.4.2猎物算法交易 342

9.4.3自动做市商策略 343

9.4.4程序化交易 343

理论篇

第 10章人工智能 346

10.1主要内容 347

10.1.1机器学习 347

10.1.2自动推理 350

10.1.3专家系统 353

10.1.4模式识别 356

10.1.5人工神经网络 358

10.1.6遗传算法 362

10.2人工智能在量化投资中的应用 366

10.2.1模式识别短线择时 366

10.2.2 rbf神经网络股价预测 370

10.2.3基于遗传算法的新股预测 375

第 11章数据挖掘 381

11.1基本概念 382

11.1.1主要模型 382

11.1.2典型方法 384

11.2主要内容 385

11.2.1分类与预测 385

11.2.2关联规则 391

11.2.3聚类分析 397

11.3数据挖掘在量化投资中的应用 400

11.3.1基于som网络的股票聚类分析方法 400

11.3.2基于关联规则的板块轮动 403

第 12章小波分析 407

12.1基本概念 408

12.2小波变换主要内容 409

12.2.1连续小波变换 409

12.2.2连续小波变换的离散化 410

12.2.3多分辨分析与mallat算法 411

12.3小波分析在量化投资中的应用 414

12.3.1 k线小波去噪 414

12.3.2金融时序数据预测 420

第 13章支持向量机 429

13.1基本概念 430

13.1.1线性svm 430

13.1.2非线性svm 433

13.1.3 svm分类器参数选择 435

13.1.4 svm分类器从二类到多类的推广 436

13.2模糊支持向量机 437

13.2.1增加模糊后处理的svm 437

13.2.2引入模糊因子的svm训练算法 439

13.3 svm在量化投资中的应用 440

13.3.1复杂金融时序数据预测 440

13.3.2趋势拐点预测 445

第 14章分形理论 452

14.1基本概念 453

14.1.1分形定义 453

14.1.2几种典型的分形 454

14.1.3分形理论的应用 456

14.2主要内容 457

14.2.1分形维数 457

14.2.2 l系统 458

14.2.3 ifs系统 460

14.3分形理论在量化投资中的应用 461

14.3.1大趋势预测 461

14.3.2汇率预测 466

第 15章随机过程 473

15.1基本概念 473

15.2主要内容 476

15.2.1随机过程的分布函数 476

15.2.2随机过程的数字特征 476

15.2.3几种常见的随机过程 477

15.2.4平稳随机过程 479

15.3灰色马尔可夫链股市预测 480

第 16章 it技术 486

16.1数据仓库技术 486

16.1.1从数据库到数据仓库 487

16.1.2数据仓库中的数据组织 489

16.1.3数据仓库的关键技术 491

16.2编程语言 493

16.2.1 GPU算法交易 493

16.2.2 MATLAB语言 497

16.2.3 c#语言 504

第 17章主要数据与工具 509

17.1名策多因子分析系统 509

17.2 MultiCharts：程序化交易平台 511

17.3交易开拓者：期货自动交易平台 514

17.4大连交易所套利指令 518

17.5 mt5：外汇自动交易平台 522

第 18章量化对冲交易系统：D-alpha 528

18.1系统构架 528

18.2策略分析流程 530

18.3核心算法 532

18.4验证结果 534

表目录

表1 1不同投资策略对比 7

表2 1多因子选股模型候选因子 30

表2 2多因子模型候选因子初步检验 31

表2 3多因子模型中通过检验的有效因子 32

表2 4多因子模型中剔除冗余后的因子 33

表2 5多因子模型组合分段收益率 33

表2 6晨星市场风格判别法 36

表2 7夏普收益率基础投资风格鉴别 37

表2 8中信标普风格指数 41

表2 9风格动量策略组合月均收益率 43

表2 10大小盘风格轮动策略月收益率均值 46

表2 11中国货币周期分段（2000—2009年） 49

表2 12沪深300行业指数统计 50

表2 13不同货币阶段不同行业的收益率 51

表2 14招商资金流模型（cmsmf）计算方法 58

表2 15招商资金流模型（cmsmf）选股指标定义 59

表2 16资金流模型策略——沪深300 61

表2 17资金流模型策略——全市场 62

表2 18动量组合相对基准的平均年化超额收益（部分） 68

表2 19反转组合相对基准的平均年化超额收益(部分) 69

表2 20动量策略风险收益分析 71

表2 21反转策略风险收益分析 73

表2 22趋势追踪技术收益率 93

表2 23筹码选股模型中单个指标的收益率情况对比 99

表3 1 ma指标择时测试最好的20组参数及其表现 117

表3 2 4个趋势型指标最优参数下的独立择时交易表现比较 120

表3 3有交易成本情况下不同信号个数下的综合择时策略 120

表3 4自适应均线择时策略收益率分析 124

表3 5市场情绪类别 126

表3 6沪深300指数在不同情绪区域的当月收益率比较 128

表3 7沪深300指数在不同情绪变化区域的当月收益率比较 129

表3 8沪深300指数在不同情绪区域的次月收益率比较 130

表3 9沪深300指数在不同情绪变化区域的次月收益率比较 130

表3 10情绪指数择时收益率统计 132

表3 11 svm择时模型的指标 156

表3 12 svm对沪深300指数预测结果指标汇总 156

表3 13 svm择时模型在整体市场的表现 156

表3 14 svm择时模型在单边上涨市的表现 157

表3 15 svm择时模型在单边下跌市的表现 158

表3 16 svm择时模型在震荡市的表现 159

表3 17噪声交易在熊市择时的收益率 170

表4 1各种方法在不同股票数量下的跟踪误差（年化） 190

表4-2股指期货多头跨期套利过程分析 199

表4 3不同开仓比例下的不同保证金水平能够覆盖的市场波动及其概率 211

表4 4不同仓单持有期下的保证金覆盖比例 212

表6 1融券标的股票中在样本期内最相关的50对组合（部分） 248

表6 2残差的平稳性、自相关等检验 249

表6 3在不同的阈值下建仓、平仓所能获得的平均收益 251

表6 4采用不同的模型在样本内获取的收益率及最优阈值 252

表6 5采用不同的模型、不同的外推方法在样本外获取的收益率（%） 253

表6 6主成分配对交易在样本内取得的收益率及最优阈值 255

表6 7主成分配对交易在样本外的效果 255

表6-8各种模型下统计套利的结果 256

表6 9延后开仓+提前平仓策略实证结果 260

表6 10各行业的配对交易结果 261

表7 1多头股票-期权套利综合分析表 283

表7 2多头股票—股票期权套利案例损益分析表 284

表7 3多头股票-指数期权套利案例损益分析表 285

表7 4转换套利分析过程 286

表7 5买入跨式套利综合分析表 289

表7 6买入跨式套利交易细节 289

表7 7卖出跨式套利综合分析表 291

表7 8卖出跨式套利交易细节 292

表7 9买入宽跨式套利综合分析表 293

表7 10卖出宽跨式套利综合分析表 294

表7 11买入蝶式套利综合分析表 296

表7 12卖出蝶式套利综合分析表 298

表7 13买入飞鹰套利分析表 300

表7 14卖出飞鹰式套利综合分析表 301

表9 1主要并购方式 324

表9 2并购套利流程 325

表9 3鹏华300 lof两次正向套利的情况 339

表9 4鹏华300 lof两次反向套利的情况 340

表10 1自动推理中连词系统 352

表10 2模式识别短线择时样本数据分类 369

表10 3 rbf神经网络股价预测结果 375

表10 4遗传算法新股预测参数设置 379

表10 5遗传算法新股预测结果 380

表11 1决策树数据表 389

表11 2关联规则案例数据表 392

表11 3 som股票聚类分析结果 403

表11 4 21种股票板块指数布尔关系表数据片断 404

表12 1深发展a日收盘价小波分析方法预测值与实际值比较 427

表12 2不同分解层数的误差均方根值 428

表13 1 svm沪深300指数预测误差情况 445

表13 2 svm指数预测和神经网络预测的比较 445

表13 3技术反转点定义与图型 448

表13 4 svm趋势拐点预测结果 450

表14 1持续大涨前后分形各主要参数值 463

表14 2持续大跌前后分形个主要参数值 465

表14 3外汇r/ s分析的各项指标 469

表14 4 v(r/s)曲线回归检验 470

表15 1灰色马尔可夫链预测深证成指样本内（2005/1—2006/8） 484

表15 2灰色马尔可夫链预测深证成指样本外（2006/9—2006/12） 484

表16-1 vba的12种数据类型 499

表18-1 d-alpha系统在全球市场收益率分析 534