硕士研究生学位论文股票市场的量化择时策略分析姓 名 ：刘明星学 号 ：1201211991院 系 ：光华管理学院专 业 ：工商管理硕士研究方向 ：金融工程导师：王明进 教授2014年5月版权声明任何收存和保管本论文各种版本的单位和个人，未经本论文作者授权，不得将本论文转借他人并复印、抄录、拍照、或以任何方式传播。
否则，引起有碍作者著作权益之问题，将可能承担法律责任。
摘要股票市场的量化交易是目前市场上新兴的交易方式。
这种交易方式是利用程序化交易手段，通过事先设计的交易策略在市场上进行自动交易。
与传统交易策略相比，量化交易可以避免人为情绪的影响，严格执行既定策略，通常能够取得更加优异的收益率。
因此，量化交易在全球范围发展非常快，在国内股票市场所占比例也逐步扩大。
本文首先简单介绍各类量化交易策略和方法，然后引出量化交易中最为重要的量化择时策略，并利用海量的历史数据对量化择时中的趋势择时策略进行了详细的研究分析，得出趋势择时的有效性的理论依据。
更进一步，利用相关的理论知识对趋势择时策略进行了系统性完善和改进，改进后的策略可以取得更好的统计意义上的收益。
关键词：股票市场量化交易量化择时趋势跟踪Strategic Analysis of the Quantitative Timing in Stock MarketsMingxing LiuDirected by Professor MingJin WangAbstract: Quantitative trading in stock market is a new trading mode on the emerging markets. By program trading means, this trading strategies conducts on the market through the process of pre-designed automated trading. Compared with the traditional trading strategies, quantitative trading can avoid the impact of human emotions, strictly execute the given strategies, which usually able to achieve more excellent yields. Therefore, quantitative trading range is developing very fast in the world, the proportion of the stock market in China has gradually expanded.This paper simply describes the various types of quantitative trading strategies and methods, then the transaction leads to quantify the most important market timing strategies. Using the mass of historical data, this paper make a detail research analysis to the trend timing strategies, which is a part of quantitative timing, then draw a conclusion that the trend timing strategies is valuable based the relevant theory. Furthermore, the tendency timing strategies has been refined and improved by systematic theoretical knowledge, and the new strategies can achieve better returns on statistical significance.Keywords: Stock Market, Quantitative Trading, Quantitative Timing, Tendency Tracking目 录第一章 引言 (1)一、股票市场的量化投资 (1)二、本文研究的问题及研究方法 (1)三、本文的主要结构 (2)第二章 量化投资概念 (3)一、什么是量化投资 (3)二、量化投资与传统投资的比较 (4)三、量化投资历史 (6)四、量化投资主要内容 (7)第三章 量化择时介绍 (11)一、量化择时方法 (11)二、趋势跟踪择时策略 (14)第四章 趋势择时的实证分析 (18)一、方案设计 (18)二、择时参数选择 (21)三、其它参数选择 (25)四、结果分析 (27)第五章 择时策略优化 (39)一、组合策略 (39)二、仓位管理 (40)三、分散与集中 (42)四、马丁格尔策略 (43)五、全局优化 (46)第六章 结论 (48)参考文献 (50)后记 (51)第一章 引言量化投资在海外有超过30年的历史，在国内是近年来才新兴的一种投资方法。
凭借其稳定的投资业绩，量化投资在多个投资市场的市场规模不断扩大，受到越来越多的投资者的认可。
基于移动互联网的快速发展，量化投资在全球范围内的传播速度非常快，国内的很多投资者和投资机构已经逐步在各个市场采用量化投资的方法进行交易。
与国外市场相比较，真正的量化基金在国内还是比较少见的，还有非常大的发展空间。
一、股票市场的量化投资量化投资方法可以应用的市场很多，包括股票，期货，大宗商品，外汇，贵金属等等。
针对不同的投资标的，量化投资者可以按照自己的设计思路，设计不同的量化投资模型。
完成量化投资模型设计之后，一般还需要利用计算机程序化交易技术，对历史海量数据进行仿真测试，以验证模型的准确性和鲁棒性。
此外，还需要依据一定的风险管理算法验证仓位和进出场时间，从而使得风险最小，收益最大。
就国内的市场而言，股票市场相对来说较为成熟。
经过二十多年的发展，股票市场积累了大量的历史数据。
此外，股票市场有两千多支股票，数目很多，基本上能够涵盖实际操作可能遇到的各种情况。
因此，量化投资研究者通常选择股票市场作为一个切入点来进行研究，研究的结论在一定程度上具有通用性，可以较为容易地应用到其它投资市场。
二、本文研究的问题及研究方法就股票市场而言，量化投资研究的领域也很多，包括量化选股，量化择时，股指期货，对冲策略等等。
股票市场量化择时策略的一个主要思路就是利用股票的走势趋势来预测和判断股票未来的价格，并制定相应的投资策略。
从这个方面来看，和其它投资市场相比，具有一定的通用性。
因此，本文主要选择量化择时策略作为研究对象。
借用计算机技术的发展以及海量的历史数据，可以通过软件编程的方法来快速验证多个量化择时策略。
每一种量化择时策略都可以对国内市场上所有的股票进行验证，同时对进入市场的时间以及持续投资时间进行遍历，从而避免了原来人工统计的一些片面和不完善的地方。
通过大量计算和验证，可以找到量化择时的相对较好的策略和方法。
再结合目前已有的理论支持，就可以进一步对策略进行完善和改进。
三、本文的主要结构本文首先简要介绍了量化投资的基本概念和其包含的范围，接下来则对量化投资中的量化择时的八大手法做了进一步详细的介绍，其中，重点介绍了趋势跟踪策略，这也是目前几乎所有主流择时方法用到的最主要的择时策略。
本文的重点部分是通过对10年间国内股市的所有股票进行的统计计算，得出了量化择时中的趋势跟踪方法在长时间内能够优于固定投资策略和股票持有策略的结论，并引入几个简单的理想模型对结论做了解释。
接下来的工作是对上一部分工作的进一步完善，研究了目前流行的一些理论和观点，并对其有效性做了理论分析，结合它们的有效部分对趋势跟踪择时策略进行了改良和完善。
最后对量化择时的趋势跟踪策略进行总结，对未来的研究工作提出了建议。
第二章 量化投资概念量化投资是利用计算机技术来建立数学模型，并利用模型去指导投资方法，实现投资策略的过程。
其主要特点是：纪律性，及时性，准确性，系统性和分散化。
量化投资的历史可以追溯到20世纪50年代，近10年来得到了迅速的发展，量化投资基金在国外数量的增幅非常快，在国内的量化投资基金从2009刚刚起步，正处于朝阳阶段。
一、什么是量化投资近年来，量化投资在国内越来越引起重视，发展非常迅速。
国内的基金公司如上投摩根基金、光大保德信基金、华商基金、中海基金、嘉实基金、长盛基金和富国基金等，先后都推出了不同的的量化基金产品。
此外，量化投资人才也供不应求，不少基金公司开始在国内外大量招聘量化投资人才，“量化基金”的热潮在国内悄然掀起。
量化投资就是在计算机技术发展的基础上，利用统计学、概率论、数学、信息技术的多种量化方法来建立数学模型指导投资策略的过程。
量化投资需要考虑的因素很多，包括宏观数据、交易数据、市场情绪、资金流向、企业财务数据等多个方面。
同时，在建立大数据库的基础上，通过数据挖掘、统计分析等方法建立数学模型，以得到最优的投资收益率。
目前，量化投资方法已经得到国外投资人的广泛认可。
在美国市场近年发行的面向个人投资者的主动型股票基金中，量化投资基金占据了15%以上的市场份额。
机构投资者对量化投资关注更多，很多知名的基金投资公司，如高盛国际资产管理公司、道富环球投资管理公司、巴克莱全球投资管理公司等都逐步建立起以量化投资为主要投资策略的投资团队。
量化投资以经过大数据验证过的数学模型替代人为的主观判断，消除了人为情绪波动的影响。
同时，借助计算机系统强大的信息处理能力，可以同时处理海量的信息和数据，使得投资更加稳健，并能避免在市场极度悲观或狂热的情况下做出错误的投资决策。
詹姆斯·西蒙斯，被誉为“最赚钱基金经理”和“最聪明亿万富翁”，是量化投资领域最为知名的传奇人物。
他创办的基金采用了量化投资方法，从1989到2006年期间的平均年化投资收益率超过了38%，远高于同期股神巴菲特平均20%的年回报率①。
①该资料出自董亮（2013），《量化投资风声渐起》，金融界股票。
即使在2001的互联网泡沫破灭以及2007年次债危机爆发期间，该基金依然能够取得50%以上的年回报率。
与巴菲特的“价值投资”不同，西蒙斯采用的量化投资管理方法管理着自己公司的巨额基金，西蒙斯创办的文艺复兴科技公司很少雇用华尔街的分析师，而是大量招聘数学和自然科学的博士，依靠鲁棒的数学模型和强大的计算机系统来捕捉市场机会，由计算机软件来快速做出交易决策，从而取得了空前的成功。