原文鏈接：http://tecdat.cn/?p=23141

原文出處：拓端數(shù)據(jù)部落公眾號

定量戰(zhàn)術(shù)資產(chǎn)配置策略（QATAA）模型是使用10個月的移動平均線作為過濾器。如果在月末，資產(chǎn)的價格高于移動平均線，就留在市場中；否則就會離開市場。

10個月有什么特別之處；為什么10個月對所有資產(chǎn)和區(qū)制都是不變的。我提出了根據(jù)歷史波動率來調(diào)整移動平均線回溯的想法。也就是說，在高波動時期，較短的移動平均線會讓我們更快地離開市場，而在低波動時期，較長的移動平均線會讓我們留在市場中。但是，這導致了更差的結(jié)果。

我花了一些時間分析基礎(chǔ)的10個月移動平均線策略，看到了相當大的損失，簡單的解決方法是在10個月移動平均線周圍使用+/-5%的區(qū)間，以減少損失，增加收益。

下面我將展示這個概念是如何運作的。

延遲進場/退場的好處是交易量少，成交量小。?

我還包括了我對動態(tài)回測移動平均線的嘗試，但在這種形式下，并不實用。

SPYSPY.CASHSPY.CASH.BANDSPY.CASH.VOL.SIMPLESPY.CASH.VOLPeriodJan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Jan1993 - Feb2015Cagr9.49.912.19.28DVR41.978.391.483.874Sharpe56.783.697.190.877.1R273.993.794.192.396Win.Percent10041.110045.743.3Avg.Trade623.71.927.60.70.7MaxDD-55.2-20.1-19.1-15.9-22.3Num.Trades114612302254

接下來，讓我們把相同的帶狀策略應用于TAA模型。?

SP500EWModelModel.BPeriodJun1996 - Feb2015Jun1996 - Feb2015Jun1996 - Feb2015Jun1996 - Feb2015Cagr8.28.69.810.6DVR28.764117.4127.9Sharpe49.269.3120.4132.7R258.492.497.596.5Win.Percent10059.964.464.6Avg.Trade335.70.10.20.2MaxDD-55.2-47.5-17.1-13.1Num.Trades11113930887

帶狀邏輯很容易實現(xiàn)，增加了收益。

最受歡迎的見解

1.在python中使用lstm和pytorch進行時間序列預測

2.python中利用長短期記憶模型lstm進行時間序列預測分析

3.使用r語言進行時間序列（arima，指數(shù)平滑）分析

4.r語言多元copula-garch-模型時間序列預測

5.r語言copulas和金融時間序列案例

6.使用r語言隨機波動模型sv處理時間序列中的隨機波動

7.r語言時間序列tar閾值自回歸模型

8.r語言k-shape時間序列聚類方法對股票價格時間序列聚類

9.python3用arima模型進行時間序列預測