Python算法交易实战

第5章　复杂的算法策略

在本章中，我们将探讨算法交易业务中领先的市场参与者所采用的更复杂的交易策略。我们将在基本算法策略的基础上，学习更先进的方法（如统计套利和配对）及其优缺点。我们将学习如何创建一个针对交易工具波动性进行调整的交易策略，还将学习如何针对经济事件创建交易策略，并了解实施统计套利交易策略的基本知识。

本章将介绍以下主题。

●　创建根据交易工具的波动性进行调整的交易策略。

●　制定经济事件的交易策略。

●　实施基本的统计套利交易策略。

5.1　创建根据交易工具的波动性进行调整的交易策略

思考价格波动的一个直观方法是思考投资者对具体工具的信心，即投资者有多大的意愿将资金投入具体工具，以及他们愿意在该工具中持仓多长时间。当价格波动率上升时，由于价格以更快的速度呈现出更大的波动，投资者的信心就会下降。相反，当价格波动率下降时，投资者更愿意拥有更大的头寸，并在更长的时间内持有。少数资产类别的波动往往会波及其他资产类别，从而将波动慢慢扩散到所有经济领域，例如住房成本、消费成本等。显然，复杂的交易策略需要遵循类似的模式来进行动态调整，以适应交易工具波动性的变化，并在持仓、持仓时间、盈亏预期等方面都更加谨慎。

在第2章中，我们看到了很多交易信号。在第3章中，我们将机器学习算法应用于这些交易信号。在第4章中，我们探讨了基本的交易策略。这些方法大多没有直接考虑基础交易工具的波动性变化，也没有对其进行调整或说明。在本节中，我们将讨论交易工具的波动性变化的影响，以及如何应对这种变化才能提高赢利能力，降低风险敞口。

5.1.1　调整技术指标中交易工具的波动率

在第2章中，我们研究了用预定的参数生成交易信号。比如，20天移动平均线、时间段数，或者平滑常数，并且这些参数在整个分析期间都保持不变。这些参数的优点是简单，缺点是随着时间的推移，交易工具的波动率发生变化时，表现就会不同。 ...