量化交易入门书籍-Quantitative Trading how to Build Your Own Algorithmic Trading Business 07
由polll创建，最终由polll 被浏览 43 用户
平稳和协整
如果股票价格是平稳的，那么均值回归策略将会特别匹配，但是，多数股票价格都不是平稳的，但是如果你交易一组股票（持有空头A，多头B），那么价差可能就是平稳的，A、B股票就是协整的。通常，如果两个股票价格表现出协整，那么他们大概率都是同一领域的公司，如图所示,如果我们要买入套利组合，就是持有多头1手GLD，和空头1.6766手GDX，这个套利组合的价格就构成了一个平稳时间序列，GLD和GDX的组合比例可以通过回归方程计算。
许多套利交易者对于平稳和协整并不是很熟悉，但是他们都对相关性很熟悉，但是他们是不同的，想过性是指在同一的时间纬度下，他们的股票投资回报是相关的，如果两个股票是正相关，那么他们在大多数情况下是向同一方向运动的，然而，两者之间的正相关关系并没有说明这两只股票的长期表现。特别是，它不能保证股票从长期来看，价格不会越走越远。但是，如果两个股票是协整的，那么（适当加权）未来价格不太可能发散。但他们短期（或每周或任何其他时间段）收益可能是不相关的。
作为例子，A股票和B股票，他们是协整的但不相关，见图。股票B显然没有以A股移动任何相关的方式：有几天他们移动在同一方向上，其他日子正好相反。大多数日子，股票B一点也不动。但请注意，A股和B股之间的价差通常会在一段时间后回到1美元左右。
平稳性并不局限于股票之间的价差：它可以也可以在一定的货币兑换率中找到。例如，加拿大元/澳元（加元/澳元）交叉汇率等。
因子模型
金融评论员常说这样的话：“当前市场看好价值股票，“市场关注收益、增长“，”或者“投资者正在关注通胀数字。”我们如何量化这些和其他常见的回报驱动因素？
有一个众所周知的定量金融框架叫做因子模型（又称套利定价理论），试图捕捉不同收益的驱动因素，如收益公司的增长率、利率或市值。这些驱动因素称为因素。数学上，我们可以写股票的超额收益（收益减去无风险利率）R：
最简单的因子模型就是Fama和French 1993年提出可以建立一个三因子模型来解释股票回报率。模型认为，一个投资组合(包括单个股票)的超额回报率可由它对三个因子的暴露来解释，这三个因子是：市场资产组合(Rm− Rf)、市值因子(SMB)、账面市值比因子(HML)。
最后书中提了一个一月效应策略（因为美国税收问题，产生一个集体行为）。这个给了我们一个很好的策略开发方向，与其无脑测试各种“技术指标”，不如想想策略思路，归纳与演绎的区别。
本书就结束了！今天也是上班第一天！冬奥会收获第一金！