短期交易策略精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的短期交易策略主题范文，仅供参考，欢迎阅读并收藏。

第1篇：短期交易策略范文

【关键词】音标教学 意义 教学策略 激励手段

一、音标教学的意义

音标在英语中的作用类似于拼音在汉语中的作用，音标可以帮助记录各种音素，各音素又对应着一定的字母。掌握了一定的规律，我们不仅可以看音标读单词，还可以听音标写出单词，因此学好音标是学好英语的基础，而搞好语音教学又是英语入门阶段教学的关键。

二、运用有效的教学策略，分步实现音标教学

1.分批教学各个音标，掌握单个音素的正确读音及其发音原理。英语国际英标共有48个音素，其中元音音素20个，辅音音素28个，对于音标的教学我采用了相对集中，分批教学，各个突破的方法。在教每个元音时首先要强调舌位（尤其是前元音），使学生有意识地感到音所发部位的前，中，后，高，低之分。口腔内不足方寸之地要发出二十个元音，舌位稍有变化就会变成另一个音。以最难区分的[i：]和[i]为例，初学者往往误以为这两个音是长短之分，其实首先是舌位高低之分。其高低相差不过一毫米左右。因此要特别仔细地体会舌位的变化。舌头是弹性的，能伸缩的，要充分利用舌头高低，伸缩时在口腔中的不同定位，发好单元音。舌头又是可移动的，利用舌头在发音过程中的移动，发好双元音。其次要强调唇形（尤其是后元音）。以[a：]和[?]为例，虽然二者舌位不同，但对发音影响大的，是唇形及舌的肌肉紧张度。辅音的教学采用清辅音和对应的浊辅音一起学，因为同组的辅音音素具有相同的发音方式，只是在发浊辅音时声带会引起震动，因此，我们只要掌握每组辅音中的其中一个就能推出另一个发音。可以让学生把手放到喉部，去感觉发浊辅音时产生的声带振动现象，清浊音一起练习。还要注意一点的是，辅音除了摩擦音和鼻辅音以外，都不能延续。假如学生在发/t/ 时拉长了声音，那么他一定是在后面多了元音[?]。辅音本来就不能单独存在，所以辅音练习应以音节为基本单位。

2.元音结合辅音的教学方法：元音：/ i：/ / I / 辅音：/ b / / p / / d / / t /，在每节教学中，单元音的教学采取相对应的长短元音结对教学，帮助W生区分易混淆的音素。每次教完几组音素后，就把元音音素和辅音音素放在一起拼读。第二节再教几组新的音素，然后把新学的和前天学的放在一起拼读，这样可以做到掌握新的，巩固前面学的，起到温故知新的效果。

3.教完音素之后，我还把音素和字母相结合起来教，这样子就能大致做到看到一个单词就大约能读出他的读音，看到或听到一个音也能大致写出单词出来，做到音形结合，为以后进一步学英语特别是背单词起到很好的作用。比如在教到双元音/ ?u /，把发/ ?u /的字母介绍给同学，然后采用金字塔式的训练模式进行巩固：如

1）rope hope home nose coke note rose

其他的音也是采用相同的方法，让学生做到看到单词能大概知道其发音。

2）或者是给音标学出单词，这种列单词的方法又有趣，又行之有效，有利于音素的牢固掌握。同时，很多的单词在老师没有教的情况下自己也可以读出来，这样子就可以做到音形结合。

4.当学生掌握了48个音素的读音后，从发音规律上继续学习，音形结合得到进一步巩固：如绝对开音节：单个元音字母后面没有辅音字母的重读音节。绝对开音节中的五个元音字母（a.e.i.o.u）读本身所发的音。例如：p pa pe pi po pu等；相对开音节：是指一个元音字母后面有一个辅音字母（除r）之外，最后是一个不发音的e构成的音节，在开音节中，这个元音字母发“字母”本身音，例如ake take make等；闭音节：以一个或几个辅音字母（r 除外）结尾而中间只有一个元音字母的音节，称为闭音节，在重读的闭音节中元音字母读做短元音。例如at sat hat rat等；五个元音的辨音：ate ete ite ote ute等；开音节和闭音节的辨别：hate------hat note------not等；字母组合的发音规律：ar car far 等；辅音的发音规律：ch chair cheap等；易混淆音的辨音：play pray等

通过以上的学习扫除了学习单词的障碍，达到轻松学习的目的，激发和培养学生学习英语的兴趣，使学生树立自信心，养成良好的学习习惯和形成有效的学习策略，发展自主学习能力，培养学生观察、记忆、思维的能力，用这种“音形结合”的方法来教英语单词，使学生具有能“见词发音”、“听音写词”和“听音选词”的较强能力，并且能简单有效地记忆大量单词。

三、运用一定的激励手段，激发学生的学习兴趣，从而促使他们主动参与学习

1.物质激励在英语教学中起着相当重要的作用，这是由学生的心理特征决定的。

2.竞争激励激发学生的自觉性，能动性和主动性。

3.树立学生学习英语的信心，鼓励他们大胆主动不畏失败。在训练过程中，我不提倡有错必纠，以免给学生造成心理压力，在教学中应以表扬和鼓励为主。这样每个学生都会感受到自己的可取之处，愿意用自己的点滴进步来换取老师的青睐。总之，在整个英语教学过程中，教师要最大限度地引入并运用多种激励机制，充分调动全体学生学习英语的积极性、创造性，更快更好地实现教学目标。

参考文献：

第2篇：短期交易策略范文

关键词：短期反转；非流动性；换手率；股票收益

中图分类号：F830.91 文献标识码：A 文章编号：1674-2265（2013）09-0008-07

一、引言

在有效市场中，因为短期内随机的未知信息对于股票基本价值的预期影响是可以忽略不计的，所以根据目前所获得的信息对资产价格的最优预期就是资产的当前价格。但是，莱曼（Lehmann，1990）的研究表明，利用短期收益反转构造的逆势投资策略每周有1.7%的超额收益；杰格迪什（Jegadeesh，1990）证实，这种超额收益在以月为研究周期的情况下更加显著，为2.5%。虽然由于交易费用的存在，这种逆势投资策略并不能使投资者在市场上真正获利，但是股票收益短期反转的普遍存在已经引起了学术界的关注，目前对股市短期收益反转问题的研究已经成为金融研究的热点之一。

在有关股市短期收益反转的研究中，部分学者从股票的自身特性出发，分别从理论和实证两个方面探究了短期收益反转的产生机理。在这方面的研究中，股票的非流动性和成交量被认为是两个重要的度量股票特性的指标。流动性描述的是资产以合理价格迅速成交的能力，则股票的非流动性体现了股票的交易成本，是股票市场微观结构的重要属性。非流动性越强，股票的交易成本越高。近年来，国外的研究结果表明，股票非流动性和成交量信息中包含了股票收益短期反转的部分信息；多数研究表明高成交量、低流动性的股票更容易出现收益反转。国内部分有关中国股市收益短期反转的研究表明，在中国股票市场中，股票成交量和非流动性对于短期收益反转具有相同的预测作用。由于我国股票市场为典型的新兴资本市场， 与成熟资本市场有较大的差距，而且我国股市的交易机制有自身独有的特点，导致我国股市的非流动性和成交量信息与成熟资本市场也存在明显的差异。例如朱小斌、江晓东（2006）等通过与欧美日等成熟资本市场的研究对比发现，我国股市的平均换手率远高于成熟资本市场的平均水平。因此，本文认为，我国股市中短期收益反转的存在性需要经过严谨的实证研究才可以确定，非流动性与成交量信息对股票收益短期反转的影响也可能会有不同于成熟资本市场的表现。

研究我国股市短期内的收益反转现象具有重要的理论和实务价值。但是，国内现存的短期收益反转实证研究大都存在数据期限较短、股票样本选择较偏、代表性较差等诸多不足。而且这些研究大都没有排除非同步交易、买卖报价反弹和“周末效应”等干扰因素的影响。国外相关研究表明，这些因素会对股票收益短期反转现象的研究产生重大影响，排除这些因素的干扰对研究结果的准确性与严谨性至关重要。因此，本文以1997年1月至2010年12月在上海证券交易所和深圳证券交易所挂牌交易的所有A股普通股股票（ST、SST、*ST、S*ST、PT类股票除外）为样本，排除“周末效应”、买卖报价反弹因素的影响，分组构建逆势投资组合，利用Fama-Macbeth回归的方法研究周周期下短期股票收益反转现象的存在性问题，并分析非流动性和成交量两个指标对短期收益反转的影响。

二、文献回顾

（一）国外文献回顾

传统的金融理论试图通过基于风险因子的定价模型来解释价格反转现象。法玛和弗伦奇（Fama和French，1996）认为，股票收益反转是因为Fama-French模型中β值没有包含所有的风险。因此，只要在模型中加入新的风险因子，超额收益或许就会消失。行为金融学家针对股票收益反转现象提出了多种理论，他们认为收益反转与收益惯性都是由于投资者根据不同类型的信息对股票未来价格进行预测时的心理偏差造成的，如波尔塔、兰考尼肖科、施莱佛和维什尼亚（Porta、Lakonishok、Shleifer和Vishney，1995），巴伯里、施莱佛和维什尼亚（Barberis、Shleifer和Vishney，1996）等学者认为是投资者对市场新信息的过度反应导致了股票收益反转现象；洪和斯泰因（Hong和Stein，1999）则从信息扩散的角度提出HS模型来分析收益反转的成因。他们认为公司规模小、换手率低的股票具有更高的反转收益。此外，部分学者认为短期收益反转与股票市场的特性及交易机制有关。如罗和麦金利（Lo和Mavkinlay，1993）认为过度反应并非是短期收益反转的唯一和主要来源，市场微观结构也是导致股票收益短期反转的一个重要原因。鲍尔、科萨里和瓦斯利（Ball、Kothari和Wasley，1995），康拉德、居尔特金和考尔（Conrad、Gultekin和Kaul，1997）的实证研究表明，逆势交易利润的很大一部分归因于买卖报价反弹因素。

与此同时，众多学者从股票本身的特性出发，探求了短期收益反转的产生机理。在这方面的研究中，股票的流动性和成交量两个指标受到了大多数学者的重视，这些研究也为预测股票收益的短期反转提供了依据。坎贝尔、格罗斯曼和王（Campbell、Grossman和Wang，1993）提出的资产配置理论（CGW模型）认为，只有流动易者的交易压力造成的剧烈价格波动才会导致反转现象，这种交易压力的产生与消除会伴随着巨大的成交量，所以该理论认为伴随高成交量的价格变动更容易出现反转。康拉德、哈米德和尼登（Conrad、Hameed和Niden，1994）的实证研究表明，短期反转收益与交易量正相关。然而，王（Wang，1994）所提出的不对称信息模型却认为，当基于信息的交易者根据私有信息调整其股票交易时，短期反转收益会随着成交量的增加而减少。鲍尔、科萨里和尚肯（Ball、Kothari与Shanken，1995）研究发现，逆势交易盈利集中出现于低价股票。对于这类股票，“流动效应”可以解释其高收益。另外，阿夫拉莫夫、科迪亚和戈亚尔（Avramov、Chordia和Goyal，2006）根据CGW模型提出推论，股票非流动性对短期收益反转具有影响。非流动性越强，短期反转越明显。对于流动性不足的股票，非基于信息的交易者对股票流动性的需求会使得市场上对股票的短期定价偏离鞅过程，当这种流动性需求因为理性投资者的介入而减弱时，收益反转现象便会出现。在随后的实证研究中，阿夫拉莫夫等验证了这种推测，证实股票非流动性指标对随后出现的短期反转具有很强的预测能力。

（二）国内文献回顾

随着我国股票市场的发展与市场数据的不断完善，国内学者在借鉴国外理论解释、研究方法的基础上，根据我国股票市场的特征对短期收益反转现象做了大量的实证研究。对于我国股票市场是否存在短期收益反转这一问题，众多研究者产生了分歧。部分研究者并没有在我国股市中发现短期收益反转现象，如张人骥等（1998）、吴世农等（2003）和唐静武等（2009）。

然而大多数学者的研究结果表明，我国股市中存在短期收益反转现象，并就其成因做出了相应的解释。王永宏和赵学军（2001）对1993—2000年间深沪两市股票交易数据的研究表明，我国股市短期内存在收益反转现象。肖军和许信忠（2004） 以我国深沪两市1993年6月至2001年6月的股票交易数据为研究对象，分析了反转投资策略的有效性，证实以账面市值比等指标构造的价值反转投资策略可以产生显著的超额收益率。肖峻、陈伟忠和王宇熹（2005）对沪深股市进行研究，同样发现存在显著的短期收益反转现象，小市值股票形成更加显著的收益反转，高成交量组合经历更加强烈的收益反转。还有郑方镳等（2007）和鲁臻等（2007）的研究结果得到了同样的结论。

通过对国内外文献资料的梳理，我们发现，研究者大都认为股市短期收益反转的成因来自于市场反应过度引起的交易过度。具体传导机制大致为：当股票市场中出现某种利好或利空消息时，可能会引起一定量的噪声交易。当这种噪声交易量足够大时，随后的正反馈交易者的介入会使股票交易需求持续增加。这种高成交量的股票表现出更多热门股票的性质，将更有可能获得更多噪音交易者的关注与交易，从而进一步放大成交量。这种短期内对股票流行性的大量需求很可能会使股票价格偏离其基本价值。当这种偏离足够大，使得理性投资者发现其中蕴含的套利机会时，他们便会介入对冲噪声交易者的操作。这个过程便会导致股票收益的反转。在这种由于噪声交易与“羊群效应”使股票短期定价偏离鞅的过程中，通常伴随有异常大的成交量。所以依照这种理论，个股的非流动性和成交量与随后的短期收益反转之间存在一定的关系，收益反转将更有可能发生于前期成交量大而流动性差的股票。

我国股票市场属于资金推动型市场，市场中机构投资者偏少、个人投资者所占比例偏大。大部分个人投资者素质不高，并不能对其所投资的股票做出理性的分析，其情绪容易受机构投资者的影响，跟风、盲目信赖专家等现象普遍存在，他们属于正反馈交易者。因此，我国股市中容易出现“羊群效应”。基于这种情况，当股票市场中出现庄家故意散播利好利空消息等异常情况时，很可能会出现大量的噪声交易，随后正反馈交易者的介入会使股票交易需求持续增加。因此部分国内学者认为，在我国股市中，非流动性和成交量对股票收益短期反转的影响应该更加明显（如王春峰、郝鹏、房振明和梁崴（2004）等）。

三、样本数据选择与研究方法

（一）样本数据

本文研究样本为在上海证券交易所和深圳证券交易所上市交易的A股普通股股票（剔除ST、 SST 、*ST、 S*ST、 PT类股票），数据来源为锐思数据库。我国股市自1995年1月1日起交易制度由“T+0”改为“T+1”，自1996年12月16日起实行涨跌幅10%的限制。为了规避这些交易制度的变化对市场短期交易行为产生的影响，本文将数据样本期定为1997年1月至2010年12月。另外，为排除新股上市初期异常收益的干扰，新上市股票第一个月的交易数据也被剔除。样本期内年均股票数量为1265只。

（二）指标说明

1. 周指标计算规则。本文以周为周期研究股市短期收益反转问题。在国外近些年的实证研究中，学者们认为每周周末股市暂停交易会对股票价格及收益率产生影响，因此在实证研究中应避免以周一作为每周统计数据的开端。为了避免这种“周末效应”对研究结果的影响，本文采用与国外相关研究类似的方法，计算股票各个周指标时以周四为第一个交易日，下周三为最后一个交易日。

2. 指标计算方法。

（1）周收益指标。本文以周为周期研究股市短期收益反转问题，采用每周的日平均收益率作为股票每周收益的度量指标。样本期内日均收益率均值为0.046%。

（2）非流动性指标。一般认为，股票的流动性反映的是在不影响股票市场价格的情况下，以较低成本快速买入或卖出足额股票的能力。本文采用阿摩哈（Amihuh，2002）所使用的对股票非流动性的测度方法，将个股非流动性定义为每一单位成交额的价格冲击，计算方法如下：

[ILLIQit=1Ditt=1DitPitd-Pitd-1VOLitd*106] （1）

其中，Pitd为股票i在t周d日的收盘价（已做复权处理）；VOLitd为股票i在t周d日的成交额；Dit为股票i在t周的交易天数 。样本期内非流动性指标的均值为0.028。

（3）成交量指标。国内外相关研究普遍将换手率作为成交量的测度指标。为了消除换手率的低频率波动对研究结果的影响，本文参照洛伦特、麦可利、吉迪恩和王（Llorente、Michaely、Gideon和Wang，2002）的做法，将去趋势化的流通股平均日换手率作为每周成交量的测度指标。其计算方法为：

[Vit=logturnoverit-113s=-13-1logturnoverit+s] （2）

其中，[logturnoverit=log（turnoverit+0.000002）]；

[turnoverit]为股票i在t周的流通股平均日换手率。样本期内，成交量指标的均值为0.057。

（三） 研究方法

1. 考察我国股市短期收益反转现象的存在性。首先对研究样本中所有股票的周收益进行Fama-Macbeth（1973）截面回归，得到β时间序列均值。通过观察β均值的符号及其显著性来判断我国股票市场是否存在短期收益反转现象。

[Rit=αt+βtRit-1+εit] （3）

2. 考察周收益、换手率和非流动性指标之间的相关性。为了增强研究的可信度，有必要对周收益、换手率与非流动性3个指标之间的相关性进行分析，尤其是换手率与非流动性指标之间的相关性。在早期的研究中，换手率一直被认为是反映股票流动性强弱的指标之一。但是，近年来有学者认为换手率和流动性之间存在明显的区别，李和斯瓦米纳坦（Lee和Swaminathan，2000）证明换手率并不是一个好的流动性指标。为了能够独立地分析换手率和非流动性对短期收益反转的影响，本文首先要验证这两个指标之间的非相关性。

3. 分组构建投资组合，考察换手率和非流动性指标对短期反转的影响。在投资组合的形成期t-1周，以每周日平均收益率、换手率和非流动性指标为依据，对样本股票进行分组，构建投资组合。本文依据股票收益率R由低至高将股票分为四组：R=1，2，3，4。其中，R=1组和R=2组为输家，R=1组具有最低的收益水平；R=3组和R=4组为赢家，R=4组具有最高的收益水平。为了排除买卖报价反弹因素的干扰，本文在投资组合形成期只计算周四至下周二的日平均收益率，在组合形成期与持有期之间跳过一天。同时，本文依据t-1周的换手率和非流动性指标由低至高分别将样本股票分为四组：V=1、2、3、4；ILLIQ=1、2、3、4。其中，V=1组为换手率最低的一组，ILLIQ=1为非流动性最低的一组。至此，共得到64个投资组合。

在投资组合的持有期第t周，本文将计算每个投资组合的等权重日平均收益，通过考察组合收益水平的变化规律确定换手率和非流动性指标对短期收益反转的影响。

4. 采用Fama-Macbeth回归考察各投资组合的收益序列相关性。为了更进一步地分析换手率和非流动性因素对短期收益反转的影响，本文对基于换手率和非流动性指标分组的投资组合分别进行公式（3）形式的Fama-Macbeth回归，观察每个组合的β序列均值的变化情况。

四、实证结果及分析

（一）实证结果

1. 我国股市短期收益反转现象的存在性研究结果。对研究样本中所有股票的周收益做Fama-Macbeth截面回归，得到的β时间序列均值为-0.0565，其t值为-9.44，β的估计值在1%的水平下显著。这说明在上一周收益率比较高（低）的股票在本周获得了比较低（高）的收益，证实了我国股票市场中确实存在短期收益反转现象。

2. 收益率、换手率与非流动性指标的相关性研究结果。每周日平均收益率、换手率和非流动性指标的相关系数如表1所示。

从统计结果来看，除了收益率与换手率之间的相关性偏高外，收益率与非流动性、非流动性与换手率之间的相关性很低，这说明三个指标之间并没有彼此包含太多相同的影响因素。尤其是非流动性与换手率之间的低相关性确保能够独立地分析两个指标对短期收益反转的影响，对于本文研究结果的可信度具有重要的意义。

3. 换手率和非流动性指标对股票收益短期反转的影响。在投资组合的持有期第t周，本文计算出每个投资组合的等权重日平均收益，并对收益率的显著性进行研究。表2为组合持有期每个投资组合的平均收益及其标准差，收益率的显著性水平被*号标出，*、**、***分别代表10%、5%和1%的显著性水平。

表2显示，收益反转现象更多地集中于组合形成期t-1周的输家。在R=1组和R=2组各个组合中可以明显地发现：投资组合持有期收益随着非流动性指标ILLIQ的增大而增加。当ILLIQ=4时，除（ILLIQ=4，V=4）组合外，其他组合都获得了在1%水平上显著的正收益。例如在（R=1，V=2）4个投资组合中，随着非流动的增强，日平均收益从0.05%上升至0.169%，买空卖空投资组合更是实现了超过0.1%的日平均收益。这说明在输家组合中，短期收益反转现象随着非流动性的增强而更加显著。

与此不同是，换手率并没有表现出国外相关研究中所发现的对短期反转的预测作用，以换手率分组构建的投资组合没有表现出有规律的收益变化。值得注意的是，V=4组合与V=1、2、3组合的表现明显不同：V=4组合获得的收益明显小于其他组合，例如在（R=1，ILLIQ=1）4个投资组合中，V=1、2、3组合都获得了0.05%以上的日平均收益，而V=4组合却获得了-0.036%的负收益。同时，换手率V=4组合的特殊性也显著地影响了非流动性指标对收益反转的预测作用。

相比于输家组合，赢家组合R=3和R=4只是部分地表现出了收益反转。其中R=4组合表现出的收益反转更加明显，有13个组合获得了负收益，虽然这些负收益显著性水平并不高。在赢家组合中，非流动性因素并没有表现出像输家组合中那么明显的预测作用，依据换手率分组构建的投资组合也没有因为换手率的变化而出现规律性变化。但是，V=4组合仍然与众不同。在输家组合中，高换手率抑制了收益反转的出现，而在赢家组合中V=4组合却表现出了更多的收益反转现象。例如在（R=4，ILLIQ=1）4个投资组合中，V=4获得了-0.093%的日平均收益，低于其他3个组合的平均水平，且在5%的水平下是显著的。也就是说，具有极高换手率的输家组合相比其他输家组合表现出较弱的短期收益反转，而具有极高换手率的赢家组合相比其他赢家组合表现出更强的短期收益反转。但是这并不能说明换手率越低输家组合短期反转越显著，换手率越高赢家组合短期反转越显著，因为在V=1、2、3组合中并没有发现这种规律性。

为了更加直观地说明换手率与非流动性指标对股票短期收益反转的影响，图1给出了R=1组共16个投资组合在组合形成期和持有期的等权重平均收益。

通过对投资组合形成期与持有期收益水平的对比，可以明显地发现股票输家的短期收益反转现象。在投资组合持有期，对于每1个换手率水平，反转收益随着非流动性的提高而增加，而换手率对收益的影响则没有表现出规律性。图1表明，在形成期，投资组合的收益水平随着换手率增加而逐渐提高，说明股票价格在组合形成期因为成交量的放大而受到更大的冲击，但是在组合持有期却并没有出现有规律的反转现象。

以上实证结果表明，极高换手率组合对股票输家的收益反转抑制作用和对股票赢家的收益反转促进作用并没有出现同质性规律，这使我们对国外相关研究成果在我国股市中的适用性产生了质疑。之所以会出现这种情况，可能的原因在于我国股市中投资者的非理性投资。我国股票投资者整体素质偏低，多数属于流行易者，很容易出现盲目投资行为。在这种情况下，极高成交量的股票会更多地被投资者关注和交易。对于这些股票，当股票在前一周获得较大的正收益时，随着正反馈交易者的进入，部分投资者的抛售行为就可能被放大，所以股票在接下来的一周会获得负收益，即极高的成交量促进了股票赢家的收益反转。但是如果股票在前一周获得了较大的负收益，投资者很可能认为股票价格还会继续下跌而不敢买进，所以造成了极高的成交量，从而抑制了股票输家收益反转的现象出现。

4. 各换手率与非流动性组合的收益序列相关性研究结果。通过分别对基于换手率和非流动性指标分组的投资组合进行的Fama-Macbeth回归，本文进一步证实了非流动性对股票收益短期反转的预测作用。表3列出了每个投资组合收益的Fama-Macbeth回归β时间序列均值及其t统计量。表3中Panel A为本文对研究样本中所有股票周收益数据所做的Fama-Macbeth截面回归结果，Panel B和Panel C为分别以非流动性和换手率为分组指标分组得到的投资组合截面收益回归结果，Panel D为以非流动性和换手率两个指标分组得到的投资组合截面收益回归结果。

在以非流动性指标分组做回归分析时，非流动性最低的ILLIQ=1组合得到的平均β值为-0.0401，非流动性最高的ILLIQ=4组合得到的平均β值为-0.0639。从整体趋势来看，随着非流动性的提高，组合的短期收益反转在不断增强。在以换手率指标分组做回归分析时，得到的平均β值却没有表现出相似的规律性，V=1、2、3、4这4个组合回归得到的平均β值分别为-0.0593，-0.0664，-0.0664和-0.033，这与之前的分析结果一致。V=4组合同样表现出异常，-0.033明显大于其他3个组合的β均值，说明极高的换手率对股票输家短期反转的抑制作用要强于对股票赢家短期反转的促进作用。以非流动性和换手率两个指标分组得到的回归结果表明，非流动性对短期反转具有与上文的分析一致的影响。随着非流动性水平的提高，组合周收益的序列负相关性整体上呈现出加强的趋势。

（二）非同步交易对研究结果的影响

为了减小非同步交易因素对股票收益自相关的影响、验证本次实证结果的可靠性，本文剔除了每周交易少于5个交易日的股票数据后，重新进行了短期收益反转的存在性研究，并重新验证了换手率和非流动性指标对短期反转的预测作用，结果如表4所示。表4列出了剔除非同步交易的影响后，每个投资组合收益的Fama-Macbeth回归β时间序列均值及其t统计量。其中，Panel A为对研究样本中所有股票周收益数据所做的Fama-Macbeth截面回归结果，Panel B和Panel C为分别以非流动性和换手率为分组指标分组得到的投资组合截面收益回归结果。

从表4可以发现，非同步交易对我国股市短期收益反转现象几乎没有影响。排除非同步交易因素后，对全部股票收益进行Fama-Macbeth截面回归得到的β时间序列均值为-0.0569，与之前相比几乎没有变化。换手率和非流动因素对短期收益反转的影响并没有因为排除非同步交易因素而改变。非流动性对短期收益反转影响的整体趋势仍然是短期收益反转随着非流动性的提高而更加显著。换手率对短期收益反转的影响仍然没有表现出规律性，换手率极高的组合短期收益反转程度仍然明显低于其他换手率组合。

五、结论

近年来，股市中股票收益短期反转的普遍存在性引起了学者的重视。有研究表明股票非流动性和成交量信息对股票短期收益反转具有一定的影响。本文以1997年1月—2010年12月在上海证券交易所和深圳证券交易所挂牌交易的所有A股普通股股票（ST、SST、*ST、S*ST、PT类股票除外）为样本，在排除“周末效应”、买卖报价反弹等干扰因素的前提下，分组构建逆势投资组合，利用Fama-Macbeth回归的方法实证研究了周周期下我国股票市场中的短期收益反转现象。

实证结果表明：在以周为周期的情况下，我国股市存在显著的短期收益反转，而且这种短期收益反转在股票输家中表现得更为明显。股票非流动性指标对股票短期收益反转具有一定的预测作用：随着非流动性的增强，短期收益反转将越来越显著。这种规律性主要体现在股票输家上。短期收益反转并没有随换手率（成交量指标）的变化而出现规律性的变动。值得注意的是，极高的换手率对股票输家的短期收益反转具有抑制作用，而对股票赢家的短期收益反转具有促进作用，但是这种作用并不显著。由于短期收益反转主要表现在输家组合，从总体来看，极高的换手率抑制了股票收益的短期反转。

参考文献：

[1]Bruce N.Lehmann.1990.Fads，Martingales and Market Efficiency[J].The Quarterly Journal of Economics，105（1）.

[2]Narasimhan Jegadeesh.1990.Evidence of Predictable Behavior of Security Returns[J].The Journal of Finance，45（3）.

[3]Eugene F. Fama，Kenneth R.French.1996.Multifactor Explanations of Asset Pricing Ano- malies[J].The Journal of Finance，51（1）.

[4]Rafael La Porta，Josef Lakonishok，Andrei Shleifer，Robert Vishny.1997.Good News for Value Stocks：Further Evidence on Market Efficiency[J].The Journal of Finance，52（2）.

[5]Nicholas Barberis，Andrei Shleifer，Robert Vishny.1998.A Model of Investor Sentiment[J].Journal of Financial Economics，49（3）.

[6]Harrison Hong，Jeremy C.Stein.1999.A Unified Theory of Underreaction， Momentum Trading， and Overreaction in Asset Markets[J].The Journal of Finance， 54（6）.

[7]AW Lo， AC Mavkinglay.1999.When Are Contrarian Profits Due to Market Over-reaction？[J].Review of Financial Studies，3（2）.

[8]Ball Ray， S.P.Kothari， Charles E.Wasley.1995.Can We Implement Research on Stock Trading Rules？[J].Journal of Portfolio Management，1995，21（2）.

[9]吴世农，吴超鹏.我国股票市场“ 价格惯性策略”和“盈余惯性策略”的实证研究[J].经济科学，2003，（4）.

[10]唐静武，王聪.市场情绪、溢价与波动[J].经济评论，2009，（4）.

[11]王永宏，赵学军.中国股市“惯性策略”和“反转策略”的实证分析[J].经济研究，2001，（6）.

[12]肖军，许信忠.中国股市价值反转投资策略有效性实证研究[J].经济研究，2004，（3）.

[13]肖峻，陈伟忠，王宇熹.中国股市短期反转策略实证研究[J].系统工程，2005，（3）.

第3篇：短期交易策略范文

359

2015-4-6

投资者报

近20年来，随着金融信息化建设的不断完善以及金融工程学和金融数学理论的不断发展。量化交易逐渐从幕后走向台前，逐渐被广大投资者认识、接受。据统计显示，在美国的证券市场中有60%的指令是由程序发出的，占比十分可观。

从国内外历史经验上看，量化交易的持仓周期一般较短，频繁地进出操作，要求交易标的必须具有良好的流动性，并且价格波动较大以便获利。

期货合约作为交易所上市的标准资产，往往具有极好的流动性，而且支持做空和T+0结算，交易手续费低廉，是量化投资的理想对象。如国外的标准普尔500指数期货、美国国债期货、布伦特原油期货，国内的股指期货、塑料、白糖、PTA期货等，都是量化交易者青睐的交易标的。

几种典型的期货量化交易策略

经过20余年的发展，期货量化交易的理论和实践有了较大的发展，诞生了多种不同思路的量化交易策略。

1. 期货期限套利策略

期限套利是最常见的期货套利策略，赚取现货和期货的瞬间价差，以股指期货为例，当沪深300股指期货价格显著高于现货时，可以做空股指期货，同时买入沪深300一揽子股票，等待价差减小后将期货和现货头寸平仓。同样对于商品期货，也可以有类似的期现套利操作。笔者在实际应用这种策略操盘时发现，当基差扩大至30基点和负基差时，可明显观察到有大量套利盘平仓。

采用这种策略操作存在的问题是，虽然套利策略相比单边投机策略风险较小，但若期货和现货价差继续扩大，则头寸将面临损失。另外，一手股指期货对应的是100万元左右的现货资产，加上股指期货的保证金，一个套利头寸的建仓成本在115万元左右，仅适合资金量较大的投资者。

2. 跨品种统计套利策略

在期货市场往往存在统计相关性较高的期货品种，如大豆和豆油、豆粕，原油和塑料，菜籽油和菜粕等等。若当前价差显著大于或者小于历史水平时，可以建立头寸，等待二者的价差恢复到正常水平。与期限套利相同，统计套利也面临着当价差扩大后头寸面临损失的风险。

3. 趋势跟踪类策略

与主观交易经常预测未来行情走势不同，趋势跟踪类策略往往不预测也不预见，它们以价格为基础，每当价格有所变动发出趋势信号时，就跟进追涨杀跌。比较经典的趋势跟踪型策略有均线交易系统、MACD交易系统、布林带交易系统等。量化交易员往往使用不止一个指标来识别趋势，并利用多种过滤方法来过滤虚假信号，提高胜率。

4. 事件驱动型量化交易策略

随着自然语言处理和数据挖掘技术的不断增长，出现了基于舆情挖掘的交易策略，量化交易者的服务器会在互联网搜索任何与该期货合约有关的文本的信息，基于搜集到的信息判断该合约在短期内的价格走势。

5. 高频交易策略

随着计算机技术和网络技术的不断发展，传统基于K线交易系统的交易速度，已经无法满足量化交易者的需求。从而产生了以Tick数据为单位的高频交易策略，现有的高频交易策略包括自动做市，订单流跟踪，统计套利等。高频交易成功的关键在于交易速度，为了追求极致，高频交易者往往不惜花重金在期货交易所周边购置服务器，以图达到最快的交易速度。

主观交易VS程序化交易

关于主观交易和量化交易孰优孰劣的问题一直是投资界争论的话题。从经验上看，若交易方法得当，辅以不错的手气，主观交易往往能在短时间内带来巨大的收益，但是由于投资者在主观交易中经常违背交易纪律，不能做到坚决的止盈和止损，“净身出户”的例子屡见不鲜。

与主观交易不同，量化交易的交易纪律是由计算机程序保证的，若价格运行到程序设定的止损点位时计算机会坚决止损，不会出现主观交易者常犯的“死扛等反弹”的情况，其收益曲线一般较主观交易者更为稳定。除了维护交易纪律，量化投资者对比主观人工交易者还有以下几点比较优势：

1. 体力与精力

受制于体力和脑力，主观交易者无法时刻保持最旺盛的精力，进而影响交易绩效。而且当前三大商品期货交易所纷纷推出了夜盘交易，这更对主观交易者的脑力和体力提出了严峻挑战。

2. 交易速度与滑点

主观交易者在投资决策前需要用肉眼收集相关信息，进行思路整理，进行必要的计算，最后打开软件下单，即使是最富有经验的交易员完成这一系列动作平均也需要5秒左右的时间，对于以日内短期交易为主的期货交易来说，5秒延迟的滑点成本巨大，严重影响交易绩效。而由计算机执行的量化交易从收集信息到执行交易，仅仅需要毫秒级别的时间，滑点成本显著小于主观交易者。

3. 理性与感性

按照行为经济学的理论，投资者在投资活动中存在各种认知偏差。如损失厌恶偏差，自确认偏差、参照点偏差、过度自信偏差、后悔厌恶偏差等等，这些负面的认知偏差往往令主观交易者在金钱与身体上面临双层煎熬，而计算机执行的量化交易显然无需考虑此问题。

近日，微量网和国内某媒体合作举办了“首届全国期货全明星人机大战实盘争霸赛”，通过对比主观交易组和程序化交易组的成绩我们发现了有趣的结果。大赛排名前十名的选手中主观交易和程序化交易各一半，其中前3名全部都是主观交易选手，但在11名到50名的选手中，程序化组的选手却占到70%以上，而且即使排名靠前的主观交易选手大都是身经百战，程序化交易选手的平均回撤率也显著小于主观交易选手，达到8%之多。

量化交易发展空间巨大

2005年之后，伴随着量化投资的传播，程序化交易开始出现在内地市场。在开始阶段，量化交易主要利用模型辨别交易信号，并以手工下单为主。

2010年股指期货推出后，由于市场流动性好，交易信号明显，成为程序化交易的主要标的，但参与量化交易的仍然以机构投资者居多。2011年至2012年，市场上涌现出文华财经、交易开拓者、天语等交易软件，他们大多使用简单，上手容易，推动了程序化交易的普及，使采用程序化交易的投资者数量快速增加。2012 年开始，随着期货资管的开闸，私募基金开始大量利用程序化交易参与到期货市场中，程序化交易技术和成交量均得到飞速发展。

第4篇：短期交易策略范文

【关键词】量化投资 量化投资策略 资产配置

量化投资是投资者借助计算机信息化建立数学模型，把最新市场数据和相关信息输入到模型中，通过公式计算出投资对象，做出最优投资决策。量化投资不依靠投资者的感觉直觉，不依赖个人判断，而是将其经验利用信息通过模型实现投资理念。同时，投资者期望达到收益和风险的合理配比，利用夏普比率等科学方法控制收益和风险。量化投资者不用每天重复的分析琐碎信息，只需要不断完善这个模型并不断创造新的可以盈利的模型。

二、量化投资策略

（一）量化投资策略分类

量化投资策略，主要包括量化择时策略、统计套利策略、算法交易策略、组合套利策略、高频交易策略等。

（1）量化择时策略是收益率最高的一种交易策略，通过对宏微观指标的量化分析判断未来经济走势并确定买入、卖出或持有，按照高抛低吸原则获得超额收益率。在量化择时策略中，趋势跟踪策略是投资者使用最多的策略。量化择时分析策略包括：趋势跟踪策略、噪音交易策略、理易策略。

（2）统计套利是风险套利的一种，通过对历史数据的统计分析，利用统计学理论，估计相关变量的概率分布，判断规律在未来一段时间内是否继续存在。统计套利策略包括协整策略和配对利差策略、均值回归策略以及多因素回归策略。

（3）算法交易又称为自动交易，主要是研究如何利用各种下单方法，降低冲击成本的交易策略，将一个大额交易通过算法拆分成数个小额交易，以此来减少对市场价格造成冲击，降低交易成本。算法交易策略包括交易量加权平均价格策略、时间加权平均价格策略、盯住盘口测量、执行落差策略、下单路径优选策略。

（4）组合套利策略主要针对期货市场上的跨期、跨市及跨品种套利的交易策略。组合套利策略包括均衡价格策略、套利区间策略、牛市跨期套利、熊市跨期套利等。

（5）高频交易是一种持仓时间短、交易量巨大、交易次数多、单笔收益率低的投资策略，人们从无法利用的极为短暂的市场变化中寻求获利的计算机化交易，依靠快速大量的计算机交易以获取高额稳定的收益。高频交易策略包括流动性回扣交易策略、猎物算法交易策略和自动做市商策略。

如下是量化投资中几种主要的投资交易策略：

（1）趋势跟踪策略。趋势跟踪策略追随大的走势，向上突破重要的压力线可能预示着更大一波的上涨趋势，向下突破重要的支撑线可能预示着更大一波的下跌趋势。趋势跟踪策略试图寻找大趋势的到来，在突破的时候进行相应的建仓或平仓的投资操作来获得超额收益。

趋势型指标进行择时的基本理念是顺势而为，跟踪市场运行趋势。在趋势策略中使用的技术指标是最多的，常用有：移动平均线（MA）、平滑异动移动平均线（MACD）、平均差（DMA）、趋指标（DMI）等。

（2）噪音交易策略。噪声交易是指交易者在缺乏正确信息的情况下进行密集交易的行为。有效市场中噪声只是一个均值为零的随机扰动项，但市场并不总是有效的，市场上有很多异常信息，往往有人能够提前获得这些异常信息，很可能对投资的判断提供重要的价值。噪声交易策略的运用主要是机构投资者通过计算得到市场的噪声交易指数，监测该指数的变化，根据其变化来设计量化交易策略。

（3）协整策略。在统计套利策略中，协整策略是应用最广泛的一种策略。协整套利的主要原理，是找出相关性最好的几组产品，再找出每一组的协整关系，当某一组投资产品的价差偏离到一定程度时建仓，买入被低估的资产、卖出被高估的资产，当价差均衡时获利了结平仓。协整策略包括协整检验、GARCH检验、TARCH检验以及EGARCH检验。

（4）多因素回归策略。多因素回归策略，也是一种被广泛使用的投资策略。这一策略利用影响投资收益的多种选择因素，并根据其与收益的相关性，建立多元回归模型，简化投资组合分析所要求的证券相关系数的输入，这类方法的代表是套利定价模型。

（二）量化投资策略组合

量化投资策略组合综合考虑交易商品、策略类别、策略数量、时间周期因素。量化投资策略组合相比较单一投资策略有以下优势：

（1）策略组合降低了对单一策略的依赖，当单一策略失去竞争力，使用策略组合的方式，可以利用不同产品价格变化、变化幅度、周期等多个方面把握投资机会，在一定程度上保证了稳定的收益率，盈利机会更多；

（2）策略组合可以分散单一策略的交易风险，降低风险，通过策略组合将投资风险分散化，尽可能规避市场风险、策略风险及系统风险等。

三、量化投资资产配置

资产配置是指资产类别选择，即投资组合中各类资产的适当配置及对这些混合资产进行实时管理。量化投资管理打破了传统投资组合的局限，它与量化分析结合，将投资组合作为一个整体，确定组合资产的配置目标和分配比例，深化了资产配置的内涵。

资产配置包括战略资产配置和战术资产配置两大类。战略资产配置是长期资产配置，针对较长时间的市场情况，控制长期投资风险以达到收益最大化。战术性资产配置是依据资产预期收益的短期变化，获取超额收益的机会。因此，战术资产配置是建立在长期战略资产配置过程中的短期分配策略，二者相辅相成。在长期投资活动的战略资产配置下，战术性资产配置利用其积极的灵活的投资机会，适当的配合战略资产配置，获取较高收益。

四、前景展望

在量化投资飞速发展的今天，它己经成为金融市场中不可忽视的一个领域，中国的金融市场在逐步发展及完善，中国的量化投资也会继续发展和前进，随着量化投资方面的加大投入，量化投资的进程加快，中国量化投资的前景无限。

参考文献：

第5篇：短期交易策略范文

尽管量化投资已经成为市场投资的发展趋势,但是大多数投资者并不是很熟悉量化投资。一方面是由于量化投资一定程度上依赖数学模型,而赚钱的投资模型都是机构的秘密武器,不会轻易披露。另一方面是由于量化投资采用计算机系统,设计各种交易手段,有着较为复杂的数学计算与技术要求,现在许多量化投资都是计算机自动执行的程序交易。另外,量化交易者,俗称宽客(quants)的交易和故事多多少少增加了量化投资的神秘感。所以,人们一般把量化投资称为“黑箱”。纳兰(Narang,R.,2012)描述了量化交易系统的典型构造,打开了量化投资的“黑箱”。纳兰认为阿尔法模型用来预测市场未来方向,风险控制模型用来限制风险暴露,交易成本模型用来分析为构建组合产生的各种成本,投资组合构建模型在追逐利润、限制风险与相关成本之间做出平衡,然后给出最优组合。最优目标组合与现有组合的差异就由执行模型来完成。数据和研究部分则是量化投资的基础:有了数据,就可以进行研究,通过测试、检验与仿真正确构建各个模型。预测市场并制定策略是量化投资的核心,即阿尔法模型在量化投资中处于核心地位。随着量化投资的不断发展,量化投资模型也在不断改进。简单的策略可能就是证券或组合的套利行为,如期现套利组合、市场异象研究中的差价组合等。统计套利策略是经典的量化投资策略,如匹配交易或携带交易。近年来,高频交易成为量化投资的重要内容,基于高速的计算机系统实施高频的程序交易已经是量化投资的重要利器。丁鹏(2012)将量化投资的主要内容分为以下几个方面:量化选股、量化择时、股指期货套利、商品期货套利、统计套利、期权套利、算法交易、ETF/LOF套利和高频交易等。他认为量化投资的优势在于:纪律性、系统性、及时性、准确性和分散化。

二、量化投资“黑箱”中的构造与证券投资学的差异

在传统的证券投资学中,投资组合理论、资本资产定价模型、套利定价理论和期权定价理论是现代金融理论的四块基石。前两者主要依靠均值-方差组合优化的思想,后两者则主要依靠市场的无套利条件。传统的投资方法主要是基本面分析和技术分析两大类,而量化投资则是“利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程”。从概念看,量化投资既不是基本面分析,也不是技术分析,但它可以采用基本面分析,也可以采用技术分析,关键在于依靠模型来实现投资理念与投资策略。为了分析量化投资对证券投资学的启示,本文从量化投资“黑箱”的各个构成来探讨量化投资与证券投资学中思路和观点的差异。

(一)资产定价与收益的预测

根据组合优化理论,投资者将持有无风险组合与市场风险资产组合,获得无风险利率与市场风险溢价。资本资产定价模型则将此应用到单一证券或组合,认为证券的风险溢价等于无风险利率加上与风险贡献比率一致的风险溢价,超过的部分就是超额收益,即投资组合管理所追求的阿尔法值。追求显着正的阿尔法是资产定价理论给实务投资的一大贡献。基于因素模型的套利定价理论则从共同风险因素的角度提供了追求阿尔法的新思路。其中,法玛和佛伦齐的三因素定价模型为这一类量化投资提供了统一的参考。可以说,在因素定价方面,量化投资继承了资产定价理论的基本思想。对于因素定价中因素的选择,证券投资学认为,对资产价格的影响,长期应主要关注基本面因素,而短期应主要关注市场的交易行为,即采用技术分析。在量化投资中,主要强调按照事先设定的规则进行投资,这在一定程度上与技术分析类似。但是,在技术分析中,不同的人会有不同的结论,而量化投资则强调投资的规则化和固定化,不会因人的差异而有较大的不同。另外,量化交易更强调从统计和数学模型方面寻找资产的错误定价或者进行收益的预测。

(二)无套利条件与交易成本

在证券投资学里,流动性是证券的生命力。组合投资理论、资本资产定价模型以及套利定价理论等都认为市场中存在大量可交易的证券,投资者可以自由买卖证券。这主要是为了保证各种交易都能实现,如套利交易。根据套利定价理论,一旦市场出现无风险的套利机会,理性投资者会立即进行套利交易,当市场均衡时就不存在套利机会。现实市场中往往存在套利限制。一是因为凯恩斯说的“市场的非理性维持的时间可能会长到你失去偿付能力”。二是因为市场总是存在交易费用等成本。但证券投资学中,对市场中套利限制与非流动性的关注较少,这是因为传统金融理论中简化了市场结构。市场微观结构理论研究在既定的交易规则下,金融资产交易的过程及其结果,旨在揭示金融资产交易价格形成的过程及其原因。在市场微观结构理论中,不同的市场微观结构对市场流动性的冲击是不同的。因而,从量化投资的角度看,为了降低交易带来的价格冲击,能实施量化投资策略的证券往往都应有较好的流动性,因为交易时非流动性直接影响投资策略的实施。从这个意义上讲,量化投资时的交易成本不仅包括交易费用,更主要的是要考虑市场交易冲击的流动性成本。

(三)风险控制与市场情绪

在证券市场中,高收益与高风险相匹配。量化投资在追求高收益的同时,不可避免地承担了一定的风险。在证券投资学中,系统性风险主要源于宏观经济因素,非系统性因素则主要源于行业、公司因素,并且不考虑市场交易行为的影响。在量化投资中,较多地使用因素定价模型,不仅会考虑市场经济因素,而且会考虑交易行为等因素,只是不同的模型有不同的侧重点,在多模型的量化投资系统中自然包括了这两方面的因素。除了各种基本面和市场交易的因素风险外,量化投资还有自身不可忽视的风险源。一方面,量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,隐藏着巨大的风险。另一方面,市场冲击的流动性成本也是量化投资的风险控制因素,理所当然地在图1的风险控制模型中体现出来。另外,在一般的投资过程中,市场情绪或多或少会成为风险控制的一个对象。然而,在量化投资中,更多的交易都是通过计算机来实现的,如程序交易等,这样以来,投资者情绪等因素对投资决策的影响相对较小。所以,在量化投资的风险控制模型中较少地考虑市场情绪以及投资者自身的情绪,主要是通过承担适度的风险来获得超额回报,因为毕竟减少风险也减少了超额回报。

(四)执行高频交易与算法交易

在对未来收益、风险和成本的综合权衡下,实现投资策略成为量化投资的重要执行步骤。为了达到投资目标,量化投资不断追求更快的速度来执行投资策略,这就推动了采用高速计算机系统的程序化交易的诞生。在证券投资学里,技术分析认为股价趋势有长期、中期和短期趋势,其中,长期和中期趋势有参考作用,短期趋势的意义不大。然而,随着计算机信息科技的创新,量化投资策略之间的竞争越来越大,谁能运作更快的量化模型,谁就能最先找到并利用市场错误定价的瞬间,从而赚取高额利润。于是,就诞生了高频交易:利用计算机系统处理数据和进行量化分析,快速做出交易决策,并且隔夜持仓。高频交易的基本特点有:处理分笔交易数据、高资金周转率、日内开平仓和算法交易。高频交易有4类流行的策略:自动提供流动性、市场微观结构交易、事件交易和偏差套利。成功实施高频交易同时需要两种算法:产生高频交易信号的算法和优化交易执行过程的算法。为了优化交易执行,目前“算法交易”比较流行。算法交易

优化买卖指令的执行方式,决定在给定市场环境下如何处理交易指令:是主动的执行还是被动的执行,是一次易还是分割成小的交易单。算法交易一般不涉及投资组合的资产配置和证券选择问题。 三、对量化投资在证券投资教学中应用的思考

从上述分析可以知道,量化投资的“黑箱”构造与证券投资学之间存在一定的差异,因此,在证券投资的教学中应当考虑量化投资发展的要求。

(一)市场微观结构与流动性冲击

在理性预期和市场有效假说下,市场价格会在相关信息披露后立即调整,在信息披露前后市场有着截然不同的表现。在证券投资学里,一般认为价格的调整是及时准确的,然而,现实的世界里,价格调整需要一个过程。在不同的频率下,这种价格形成过程的作用是不同的。在长期的投资中,短期的价格调整是瞬间的,影响不大。然而,在高频交易中,这种价格调整过程影响很大。市场微观结构就是研究这种价格形成过程。市场微观结构理论中有两种基本的模型:存货模型和信息模型。存货模型关注商委托单簿不平衡对订单流的影响,解释没有消息公布时价格短暂波动的原因。信息模型关注信息公布后信息反映到价格中的这一过程,认为含有信息的订单流是导致价格波动的原因。无论是关注委托订单的存货模型还是关注市场参与者信息类型的信息模型,这些市场微观结构的研究加强了流动性与资产价格之间的联系,强调流动性在量化投资决策中的重要作用。一般的证券投资学中基本没有市场微观结构的内容,因而,为了加强证券投资学的实用性,应关注市场微观结构的内容与发展。

(二)业绩评价与高杠杆

对于证券组合而言,不仅要分析其超额收益和成本,还要考虑其风险与业绩。在组合业绩评价中,一方面要考虑风险的衡量,另一方面则要分析业绩的来源。在证券投资学中,组合业绩来自于市场表现以及管理者的配置与选股能力。对于量化投资而言,市场时机和管理者的能力依然重要,然而,量化投资的业绩评价还应考虑另一个因素:高杠杆。量化交易中,部分交易是采用保证交易的期货、期权等衍生品交易,这种杠杆交易具有放大作用,在市场好的时候扩大收益,但在市场不好的时候会加速亏损,这些与传统的业绩评价就不太一样。在一般的证券投资学里,业绩评价主要考虑经风险调整的收益,很少考虑其杠杆的作用,这不仅忽略了杠杆的贡献,而且有可能夸大了投资者的技能水平。

(三)人为因素与模型风险

在量化投资中,非常注重计算机对数据和模型的分析,这突出了量化投资的规则性和固定性。然而,实际中,别看量化采用了各种数学、统计模型,但策略设计、策略检测和策略更新等过程都离不开人的决策。量化交易策略与判断型交易策略的主要差别在于策略如何生成以及如何实施。量化投资运用模型对策略进行了细致研究,并借助计算机实施策略,能够消除很多认为的随意性。但是,量化策略毕竟体现投资者的交易理念,这一部分依赖于投资者的经验,一部分依赖于投资者对市场的不断观察与更新。实际上,人始终处于交易之中,对于市场拐点以及趋势反转的判断主要还是依赖投资者的经验。光大的乌龙指事件充分表明了人为因素在量化投资中的两面性:决策实施依赖于人的设定,而人的设定不仅依赖于经验,而且人还会犯错。人之所以会犯错,一方面是因为人们对市场的认知是不完全的,另一方面则是人们使用了错误的模型。经典的证券投资理论中,股票价格的变动被认为是随机的,小概率事件出现的机会比较小,但是经验研究表明股票收益率具有肥尾现象,小概率事件发生的机会超出了人们原先的认识,即市场还会出现“黑天鹅”。更为关键的是,量化投资更依赖数学和统计模型,这就使得量化投资存在较大的模型风险,即使用了错误的模型。为了防范模型风险,应采用更为稳健的模型,即模型的参数和函数应该适应多种市场环境。近年来,研究表明,证券收益及其与风险因素的关系存在较大的非线性,同时,市场中存在一定的“噪声”,采用隐马尔科夫链等随机过程和机器学习等数据挖掘技术进行信息处理成为量化投资的重要技术支持。

第6篇：短期交易策略范文

研究中国利率政策，必须理解中国银行业的市场化进程。

近年来，人民币利率市场化改革取得了长足进展，实现了同业拆借利率、回购利率、国债和政策性金融债发行利率和二级市场收益率的市场化；扩大了金融机构贷款利率的浮动区间；2004年1月1日，人民银行还放开了对人民币贷款计息方式的管理，借贷双方可选择采用浮动或固定的贷款利率计息方式。

中国的商业银行现在仍以存款为主要负债业务、以贷款为主要资产业务，考察其利率风险，分析利率敏感性缺口，需要认真考虑资产负债的重新定价期限。有的观点认为，商业银行一年（含）以下的存款约占存款总量的80％，而一年以上的中长期贷款约占贷款总量的40％，于是认为中国的商业银行体系有巨大的负债敏感性缺口，当利率上升时将会遭受巨额的利率风险损失。

实际上，问题并没有想像的那么严重。按照现有的人民币利率管理规定，金融机构定期存款以存入日所定利率计息，活期存款以提取日挂牌利率计息。由于存款利率管制，存款的重新定价期限与基准利率调整期吻合。再看贷款利率，金融机构一年及一年以内的短期贷款利率按照贷款合同签订日的相应档次利率计息；2004年1月1日前，一年以上的中长期贷款利率实行一年一定（实际是一种准浮动利率方式）。据统计，2004年1～6月全国性商业银行新发生贷款中，期限在一年以下的固定利率贷款和浮动利率贷款约占全部贷款发生额的90％以上。这也就意味着，贷款计息制度改革前及改革以来发放的贷款利率的重新定价周期并不等于合同期，而是接近于基准利率的调整周期。因此商业银行存款和贷款的重新定价期限是非常接近的，并没有巨大的负债敏感性缺口。

金融市场的利率风险

如果在金融市场上普遍存在“以短搏长”的融资交易行为，在短期利率上升幅度高于长期收益率上升幅度时，的确会出现投资者抛售长期债券的现象。

所谓“以短博长”的融资交易，是指投资者通过滚动方式融入短期资金，投资长期债券，利用短期利率通常低于长期利率的情况进行套利交易。当短期利率保持稳定且收益率曲线呈现向上倾斜的正常形态时，这种套利策略是有效的。但是，当短期利率波动超过长期利率波动，甚至导致收益率曲线向下倾斜时，投资者就将面临亏损，甚至由于短期融资偿还困难，而被迫抛售长期债券。

融资交易只是一个普通的市场交易策略，本不会引起系统性风险。但如果缺少相应的风险揭示机制和合理的强制止损制度，个体的风险就有可能转化为系统风险。特别是当投资人通过非法手段将风险转移给第三方（如挪用客户资金），投资人只享受收益不承担风险的时候，道德风险引发的过度投机就难以避免。

融资交易的风险应该通过实施更有透明度的会计准则、完善托管、交易、结算等市场基础制度来控制。对长期债券投资采取市价法估值就是风险揭示手段之一。同时，建立对风险进行交易的市场，运用市场规则通过正常的交易来转移风险，有助于防范银行体系的风险，有利于货币当局完善利率间接调控体系。

利率风险与利率调控

利率风险是客观存在的，任何一国的货币当局都不会因为存在利率风险而放弃使用利率政策工具。

那么，中国是否具备运用利率进行宏观调控的基础？

有的观点认为，借款人的预算软约束将制约利率政策的效果，并由此否认在宏观调控中运用利率工具的必要性。

作为资金的价格，无论管制利率，还是市场利率，都具有配置资源的作用。只是在计划经济体制下，利率调控侧重利益分配；在市场经济的宏观调控中，利率调控服务于维持人民币币值稳定并以此促进经济增长的货币政策最终目标。毋庸置疑，中国已经确立了社会主义市场经济体制的改革目标，我们不应该脱离社会主义市场经济这个大前提，来抽象地探讨宏观调控工具的适用性和作用。

第7篇：短期交易策略范文

[关键词] 移动平均线 黄金分割法 K线形态图 平均周期收益率

随着我国市场经济的深入发展，人们的投资途径已经相当广泛，其中最常用的就是股票投资。投资者把资金投放于证券市场，期望违避投资风险，同时追求较高的预期收益。他们主要关注市场中短期趋势，为市场提供了不可或缺的流动性，能促进金融资产的顺利转移。

移动平均线是趋势指标中的一种重要技术指标。它构建了一套追踪趋势的机制，使技术分析者有能力捕获主要的市场运动，尤其当市场处在趋势明显的状态时更能发挥作用；但均线指标在价格走势预测方面具有滞后性。为了弥补这个缺点，本文利用移动平均线趋势指标与黄金分割线、K线形态图进行相互验证技术，改进一般的基于均线的证券买卖准则，并选用宝钢股份自2007年10月16日至今的数据，计算改进后的周期收益率与改进前基于移动平均线投资策略的周期收益率并作比较。实证结果表明，基于改进后的均线买卖准则进行证券投机，具有可操作性和高收益性.

一、改进的移动平均线投资策略

移动平均线采用统计学中的“移动平均”原理，将一段时期内的股票价格的平均值连成曲线，用来显示股价的历史波动情况，进而反映股价指数未来发展趋势。移动平均线根据期间长度不同分为短线（如3、5、10、13日线）、中线（如20、30、50、60日线）和长线（如90、100、120、150、200、250日线）。葛兰碧所创的“移动平均线八项法则”是移动平均线使用的重要规则。但是经过长期试验后，葛兰碧认为上述八法则中若将第一与第二条合并使用，第六与第七条合并使用，会发现平均线从下降转为水平而有向上波动趋势，股价从水平线下方向上突破平均线，回跌时若不跌破移动平均线，是运用短期移动平均线操作最佳买进时机；平均线从上升转为水平而又向下波动趋势，股价从平均线上方向下突破平均线，回升时无力穿过平均线，是运用短期移动平均线操作的最佳卖出时机。葛式法则第四与第五条虽然是可以使用的原则，但是没有明示投资人距离平均线究竟多远才可以买进卖出——这是一大缺憾。

黄金分割率是自然界与社会中存在的一种数学规律。黄金分割法来源自黄金分割率，是计算强阻力位或强支撑位的一种方法，即人们认为指数或股价运动的阻力位或支撑位会与黄金分割率的一系列数字有关，可用这些数字来预判点位。黄金分割法中最重要的数字是0.191、0.382、0.5、0.618、1、1.191、1.382、1.5、1.618、2。其具体应用是：①在上升行情掉头向下时，可用近期上升行情的涨幅乘以以上数字，再加上近期上升行情的起点，得到此次下跌的强支撑位；②在下跌行情转头向上时，可用近期下跌行情的跌幅乘以以上数字，再加上下跌的最低点得到上涨的强阻力位。

我们对移动平均线交易准则进行了扩展，买卖点确定为黄金交叉和死亡交叉的一定范围。设交易触发范围为1.6%，指数—10日均线交易策略为：

式中为第t天的收盘指数，为股票数量。

基于以上分析，再结合黄金交叉与死亡交叉信号、K线图形态对均线买卖应用准则进行改进，对每个买卖周期（1次买入和1次卖出操作）确立如下买卖准则。

买入准则：按照黄金分割法计算支撑位，当股价运行到支撑位发出买入信号；K线出现买入形态时发出买入信号；短期均线黄金交叉时发出买入信号。由于三种技术手段发出买点的时间先后有差别，在这里我们将买入操作策略确定为得到两个或两个以上买入卖出信号确认时全仓操作，得到一个信号确认时半仓操作。

卖出准则：股价运行至黄金分割法计算阻力位时发出卖出信号；K线出现卖出形态时发出卖出信号；短期均线死亡交叉时发出卖出信号；损失超过10%卖出。由于三种技术手段发出卖点的时间先后有差别，在这里我们将卖出操作策略确定为得到两个或两个以上买入卖出信号确认时全仓操作，得到一个信号确认时半仓操作。

二、实证研究

本文选取的样本的时间区间是2007年10月中国股市最高6124点至今，从沪深两市中选择4只不同行业的样本股票进行实证研究。每股收益（不计交易手续费）与收益率分别由和计算. 其中为第买卖周期卖出点的收盘价，为第买卖周期买入点的收盘价，其中i=1、2、3……为交易周期数。

下表分别给出了基于传统的移动平均线投资策略和改进后的移动平均线投资策略的操作结果。

由上述两表可知，从收益的角度来看，基于改进后的买卖准则进行股票买卖，其收益高于改进前的收益；且基于改进前的买卖准则，进行股票买卖亏损的可能性较大。从买卖周期长度来看，改进后的交易准则进行交易的时间周期较长，避免了频繁操作。因此，改进后的买卖准则在证券投机中具有较高的操作价值，它使投机者几乎能捕捉到每一波段行情。不足的是，在牛市中若股价做短暂的回落调整之后继续攀升，回调的幅度较浅，没有达到预定的价位，可能会错过最佳的买入时机，则根据改进后的买卖准则，有可能踏空这波行情。

[参考文献]

1.赵永亮 张记伟《上证指数：移动平均线有效性的技术交易规则检验》[J]（《中国证券期货》2010.9）

2.刘仙云《快慢平均线的边际分析》[J]（《中国证券期货》2010.2）

3.曾宪聚 代文强《基于移动平均线的证券投资决策方法研究》[J]（《经济师》2003.10）

4.李卫华《一种新的移动平均线pvma》[J]（《湖南大学学报》2002.9(6)）

第8篇：短期交易策略范文

关键词：反应不足，过度反应，香港股市

金融市场的反应过度现象最初由Debondt和Thaler (1985)进行了较为系统的研究。Debondt和Thaler认为反应过度是相对于合适的反应而言的。反应过度的产生在于投资者并没有使用Bayes法则进行客观的信念和行为调整，而是在忽视历史几率的情况下高估新信息的重要性，导致市场价格与基本价值产生过高或过低的偏离。

针对众多实证检验所揭示的反应过度和反应不足现象，从20世纪90年代起，行为金融研究者尝试发展理论模型，对反应过度和反应不足进行更为深入的理论。迄今为止，其中最有影响力的模型是BSV模型、DHS模型和HS模型。

Barberis, Shleifer和Vishny (1998)将反应过度和反应不足归因于心理学上两个重要的认知偏差：代表性偏差和保守性。BSV模型认为，人们进行投资决策时存在两种错误范式：其一是代表性偏差，即投资者习惯于将某些事件视为某一特定类别的典型，而忽视此间的概率法则，令投资者对信息过度反应。另一种是保守性偏差，投资者不能及时根据变化了的情况修正自己的预测模型，导致对新信息反应不足。BSV模型是从这两种偏差出发，解释投资者决策模型如何导致证券的市场价格变化偏离效率市场假说的。

Daniel，Hirsheifer and Subrahmanyam(1998)认为反应过度和反应不足是由投资者的过度自信和自我归因偏差所引起的。过度自信是指投资者认为自己比实际更能估计股票的价值，他们低估自己犯错的风险，过度自信将会对前期的私人信息赋予更大的权重，这将导致股价的过度反应。当公共信息与投资者的信念一致时，他们的自信程度会随着增长，但是当公共信息与之矛盾时，他们的自信并没有相应程度的降低。心理学研究表明，人们习惯于根据过去的成功来增加自己的信心，却把失败归因于外在干扰，这就是有偏的自我归因。自我归因偏差使得他们对有关价格的公共信息不够重视，对公开信息反应不足。

HS模型是由Hong and Stain (1999)提出的，HS模型以投资者的行为偏差为基础，在资产价格的决定上更强调不同投资者主体间相互作用的方式，讨论两类有限理投资主体间相互作用的方式。

具体地，HS模型中投资者被分为两类，一类是“信息观察者”，一类是“动量交易者”。前者指可以观察到有关未来的信息，并仅据此做出预测和进行投资的投资者;后者指只根据过去股价走势进行投资活动的投资者。信息观察者并不相信过去的价格，而动量交易者则不相信基本信息。他们都仅使用有限信息进行决策，因此都是非理性的。

在上述假设下，HS模型将反应不足和过度反应统一归结为关于基本价值信息的逐渐扩散，而不包括其他的对投资者情感刺激和流动易的需要。模型认为最初由于“信息观察者”对私人信息反应不足的倾向，使得“动量交易者”力图通过套期策略来利用这一点，而这样做的结果恰好走向了另一个极端 - 过度反应。

数据与检验方法

本文样本数据为1979年1月至2010年7月所有香港上市公司交易数据，总数为1385只股票。

本研究方法如下：首先确定组合的形成期和持有期，然后计算形成期个股的超常收益率与市场平均的收益率，并检验所构建的组合在持有期内的表现。

若持有期累积收益持平，表示持有期的动量策略收益为反应不足所造成；若持有期的累积收益下降，表示持有期之动量策略收益为过度反应所造成；若持有期的累积收益上升，即表示持有期的动量策略为随机漫步所造成。

为了解决小样本偏差的问题，本文采用每次仅移动1个月的重叠期间的方法计算，并采用Newey and West(1987)的方法对统计结果作出调整，以解决重叠期间可能造成之异质性与自相关性。

研究结果

为了检验行为模型有关反应不足与过度反应的说法及理性模型有关飘移随机游走的适应性，本小节以香港股市的状况加以实证，不同形成期(1、2、3、6、12、24月)的动量策略分别计算其在不同持有期下(1、2、3、6、12、24月)，累积收益变化的情况，如图1、2及3所示。

由以上实证结果可知，我们发现香港股市中不同形成期策略的持有期表现模式差异很大。就超短期策略(形成期1-2月)而言，收益率持续性维持很短，随着持有期时间增加，累积收益显著下降。意味着股票过去超短期收益表现中掺杂了过多的短期噪音交易信号，股价持续的信息质量不佳。大量的噪音交易表现为股票市场中投资者非理性的从众行为，致使许多并未有明确信息到达的股票被逐步推离其内在基本价值，之后随着股价的回归产生收益率回复与短期过度反应现象。在我们检验的6种形成期策略中，以形成期12个月的收益率持续性信号最佳，在其之后的24月内，我们未发现明显的收益率回复之现象，这个研究结果跟反应不足的行为模型结论一致。

总之，整体而言，香港股市之动量策略以中短形成期投资组合效果最佳，由以上实证结果可知，投资者对新信息反应不足是其主要原因。但在使用超短期动量策略时，其内部隐含着大量噪音交易所造成的过度反应的不稳定因素，故使用时应非常小心，否则获利能力将大为减损。而就中长期形成期投资组合而言，因存在较为显著的收益率回复及过度反应的现象，故以执行反向策略而存在获利之机会。

参考文献

1. 高雷、李芬香，2007《中国股票市场动量及反转策略实证研究》，《汕头大学学报》(人文社会科学版)，第23卷第2期。

2. 杨善林、王素风，2005《股市中的过度反应与反应不足》，《华东经济管理》第19卷第2期。

3. 张人骥、朱平方、王怀芳，1998《上海证券市场过度反应的实证检验》，《经济研究》第5期，第58-64页。

4. Barberis, N., Shleifer, A., Vishny, R., 1998, "A Model of Investor Sentiment", Journal of Finance, Vol. 49, Issue 3, PP307-343.

5. Conrad, J., Kaul, G., 1998, "A Anatomy of Trading Strategies", Review of Financial Studies, Vol. 11, No. 3, PP489-519.

6. Daniel, K., Hirshleifer, D., Subrahmanyam, A., 1998, "Investor Psychology and Security Market Under and Overreactions", Journal of Finance, Vol. 53, Issue 6, PP1839-1886.

7. De Bondt, W. F. M., Thaler, R., 1985 , "Does the Stack Market Over-react?", Journal of Finance, Vol. 40, Issue 3, PP793-808.

8. Hong, H., Stein, 1999, "A Unified Theory of Under-reaction, Momentum Trading and Overreaction in Asset Markets", Journal of Finance, Vol. 54, PP2143-2184.

作者简介：

第9篇：短期交易策略范文

关键词：供应链；供应链伙伴关系；专用性投资

所谓供应链是指一个整合的生产制造的程序，将原材料转换成最终商品然后送到顾客手中的过程，在供应链中有多个不同的企业个体，如：供应商、制造商、物流商及零售商等，目的是将上下游的厂商结合在一起形成一个链状的供应模式，以发挥整合的功效。由于信息技术的进步和因特网的逐渐成熟，企业面临的环境日益复杂。面对如此激烈竞争的环境，许多企业改变以往和上游厂商敌对的状态转而建立联盟或伙伴关系，因为有着相同的经营目标，企业和企业间才能共生共荣，分享彼此的知识和信息。

一、供应链伙伴关系的内涵

伙伴关系是指人与人之间或是组织与组织间的一种关系，主要是说明此种关系是一种较为紧密的，为了完成某特定目的而相互支持的一种合作意愿。供应链伙伴关系则是指在供应链中两个独立的企业个体为了达到某一特定目标和利润所相互维系的一种关系，此两个体通常为供应者和买者或顾客，同意在一定的期限内分享彼此的信息并共同承担风险，借着降低成本、减少存货来提高双方在财务或作业上的绩效。

二、伙伴关系的形态

企业和企业间的关系由传统的短期交易关系逐渐地转向长期合作的策略型伙伴关系。从企业内外的角度来看，影响供应链伙伴关系主要有六个因素：(1)组织成员和技术；(2)面对市场的竞争力；(3)供给者本身；(4)边界跨越工作的本质；(5)企业内各作业间的关系；(6)关系本身所带来的效益。更进一步，专用性投资的程度可以用来衡量在买方和供应商间伙伴关系的差异性。见图1

依据供应商或买方对专用性投资的高低，双方的关系可以被分成四类：当买卖双方都有很高的专用性投资时，所呈现的关系是战略性的伙伴关系，表示双方的合伙关系很密切。而当双方都没有很高的专用性投资时，呈现市场交易关系，表示合伙关系很薄弱，转换成本很低，可以很轻易地在市场中寻找其它的合作对象。而当买方有高专用性投资而供应商却很低时，有受控制的买方的关系，表示买方因投资了不易移转的设备而受制于供应商。相对地，当供应商有高专用性投资而买方却很低时，有受控制的供应商的关系。

当企业与企业间的利害关系及相依赖程度不是很高时，或是只为短暂利益而结合的，其可能维持的关系就仅仅是短期的、一般的合作关系，而供应链中的企业因双方的互动性很高，具有共同的目标且相互支持及学习，就能形成一种紧密的伙伴关系，因此和一般的合作关系间有明显的区别，见表1。

对企业来说，短期的合作是为了通过市场交易的效率来获得利润；而长期的合作则是着眼于通过与其它厂商间的良好关系在一连串的交易过程中获得最大利润。

三、多角度的伙伴关系

从组织策略的角度来看合伙关系的特征，当厂商的策略为成本导向时，厂商所需要的伙伴关系是能够提供：(1)持续的资本投资；(2)程序改造的技巧；(3)人力资源的管理；(4)便利的产品设计；(5)低成本的配送系统，主要在控制成本结构；当策略为产品差异化时，伙伴关系是能提供(1)有力的市场营销；(2)特殊的产品特色；(3)提升竞争能力；(4)优异的协调能力，主要是厂商在寻找有高技术力的供应商，通过合作的过程来增加本身的特殊竞争优势，这是传统以竞价为主的供应商所无法提供的；当策略为市场导向时，厂商需的是能提供技术及资源的伙伴，即综合前两种策略的能力，以期在市场上获利。

伙伴关系的优势在于它能提供一个稳定的合作关系以及较佳的合作绩效，并以减少成本及提高价值来回馈给客户，这对于在面对环境是稳定或动态改变的情形下都具有正面的效果。从买方的角度来看，与其它企业建立伙伴关系的目的在于能获得更低的采购价格或成本优势并且确保企业拥有可信赖的供货来源；从供应商的角度，则是提供一个可靠的供货市场。因此，伙伴关系使得企业在合作的过程中有机会去改善企业的经营，因为它使企业能专心在核心能力上，将其它的功能委托给合作的伙伴。

作者单位：黄海峰 辽宁石油化工大学;王依群 中国石油东北化工销售抚顺分公司

参考文献：