量化投资二-两类阿尔法模型

阿尔法模型可以分为:理论驱动型和数据驱动型。
理论驱动型:绝大多数宽客是理论驱动型的,他们通过观察市场行为,寻找可能用来解释这些行为的普适性理论,在依据市场数据来检验该理论是否可以有效解释市场行为。

数据驱动型:少数派,通过对现实情况的经验观察和分析并进行总结,可以取代理论的地位,需要花费大精力去发掘隐藏在数据中繁芜丛杂的各种关系模式,被称为数据旷工,其实这也许适合人工智能干的事情。

理论驱动型的策略又可以分为6类:趋势型,回复型,技术情绪型,价值型/收益型,成长型,品质型。这些策略和主观判断型交易者(也就是不适用计算机量化投资的人)是完全相同的。

其中趋势型和均值回归型依赖于价格数据(其实就是技术分析的范畴了),技术情绪型策略较为少见。剩下的价值型,成长型,品质型策略都基于基本面数据。

数据驱动型阿尔法策略是比较难的,可能需要很高的编程功底,需要利用算法来从各种交易数据中找到模式和匹配模式。

目前构建量化分析用python这种编程语言的似乎比较多,我使用python是因为Google,记得好多年前 google app engine最开始的时候只支持python+django,是免费的,所以我就为了这个去学了python,然后还开发了一个博客系统,可惜可惜的时候源代码现在丢了,记得那时候很满意。

言归正传,理论驱动型策略可以分为6类,其实简单想一下就会知道,把所有这些类型综合起来才是最好的,当多数分析方法都给出了一个好的结果的时候,那么这笔投资的确定性肯定要高的多,每个策略给出一个比重的分值,分数之和来确定投资标的的确定性。