
24
|
第
1
章
本书使用的许多
Python
编程方式(例如,面向对象的编程)和程序包(例
如,
scikit-learn
),我们就不做详细解释了。重点放在了如何将这些
方式和程序包应用于算法交易过程中的不同步骤。因此,建议那些还没
有足够的
Python
(金融方面)经验的人参考更多介绍
Python
的书籍。
1.5
交易策略
本书中以四种不同的算法交易策略为例,在以下各节中将对其进行简要介绍,并在
第
4
章中对进行更详细的介绍。所有这些交易策略大部分都可以归类为
alpha
搜索。
策略,因为它们的主要目标是独立于市场方向产生积极的,高于市场的回报。在涉
及交易的金融工具时,本书中的经典示例是股指,单一股票或加密货币(以法定货
币表示)。本书没有涵盖同时涉及多种金融工具的策略(成对交易策略,篮子交易
策略等)。它还仅涵盖其交易信号来自结构化,金融时序列数据的策略,而不包括
例如新闻或社交媒体供稿等非结构化数据源的策略。这让讨论和
Python
实现简洁明
了,更易于理解,这与前面讨论过的专注于
Python
进行算法交易的方法一致。
注
9
本章的剩余部分快速概述了本书使用的四种交易策略。
1.5.1
简单移动平均线
第一种交易策略依靠简单的移动平均线(
SMA
)生成交易信号和市场头寸。这些交
易策略已被所谓的技术分析师或图表专家广泛采用。基本思想是,短期
SMA
的价
值高于长期
SMA
的信号,这表示市场处于多头状态,反之则表示中立或空头。
1.5.2
动量策略
动量策略背后的基本思想是,假定金融工具会根据其最近的表现再执行更多的时间。
例如,当一个股票指数在过去五天的平均回报为负时 ...