很多策略都没有仓位控制阿~~ATR和海龟不一样~ 隐马，隐马最大熵，神经网络，SVM，四五六代 隐马是考虑非显影响变量对结果影响，隐马最大熵把熵的概念加入隐马算法里，但是隐马类算法有个大问题，它假定输出独立。而神经网络其实并不是简单的权重系统，svm部分基于神经网络，而且在模型准确度方面有大幅度提升。当然是不同代的算法。 而就算法发明年代看，也是这个顺序。 另外分代不是那么简单就分了，而且还要考虑各个算法承接关系，解决问题效果，算法开发的初衷、意义、效果，不足。
真不敢当。这句话来自George Box，普林斯顿大学教授。时间序列，实用统计建模，贝叶斯统计方面的一代宗师。大师身体好的时候，每当有演讲，演讲大厅就会涌进大批的年轻人，西装革履却席地而坐。这些人都是从华尔街慕名赶来的，就为一睹大师风采。 这句话的意思很简单：任何统计模型，都仅是一个供使用的工具，而不是所研究的真相本身。不仅不是，而且可能相距甚远。 先不说这句话的对错。如果你是做统计套利的，那你看的每一本书都在醒目的地方印着这句话。你的同事会不经意提起这句话。你上学时的老师会一百遍、一千遍地重复这句话。所以你不可能不知道这句话。你google一下，会发现这句话在网上铺天盖地。我一个美国同事讲过一个笑话，说是一百年后，把Box教授的演讲录音拿到坟地播放一遍，所有做过统计套利的死人坟墓都会激动得战抖。 什么时候中国的大学里能出现Box这样的人物，中国的产学交流就有了成效了。 提提这句话，就是想结识一下国内作统计套利的同行。现在看来。。。还行。
这帖子很值得研究 提个很外行的问题 所有的模式为什么都不提如何设置止损？ 一个模型的胜率很难超过50%，控制了亏损，也就解决了盈利的问题 无论哪代技术，用任何模式按图索骥，总能找到符合模式的走势，问题是这种模式如何对未来进行分析和操作？这也就是统计性模型看起来好看，吃起来不好吃的一个原因。 请高手指点，谢谢
如何定义市场的无效率？历史上统计出来的无效率概念在未来是否有效？统计出现的无效率是否能有机会入市并把握住？...这些节点可比硬币只有两面多很多 个人观点： 投机比不上扔硬币的概率的，但是投机能比扔硬币活的更长久的核心就是控制亏损
市场的无效率就是市场定价的失效。 举个例子，你能在地铁站台上看到别人丢下的硬币，这就是市场无效率的表现。如果市场是完美的，那这个钱币早就被别人捡走了，决不会等到你看到的。统计套利能够工作，就是因为市场尚未进化到完美。参见Andrew W. Lo教授的文章。 一个统计模型是否具备预测能力是统计建模的基本问题。找一本统计建模的教科书吧，譬如 Ruey S. Tsay教授的那本。
电子在通过高压云室的时候会不断与微小的水滴发生碰撞，导致水滴电离。电离后的水滴一部分向阳极移动，一部分向阴极移动，形成微小的电流，从而被计算机记录下来。电子的轨迹就这样出现在计算机屏幕上。 但是这并不是电子的真正轨迹，而是电子不断与水滴发生相互作用的痕迹。 同样，当股票沿着固有的内禀轨迹通过市场的时候，不断与投资人发生相互作用。股票的市场价格、交易量就被记录下来。这个被记录下来的，同样也并不是股票的内禀轨迹，而是股票与市场发生相互作用的痕迹。 统计并不是目的，而是一个手段。恰如其分地使用统计，再现股票的内禀轨迹 -- 如果我们把那个叫做轨迹的话。 但凡你看到的，都是不确定的。但凡你测量的，都是测不准的。观测必然扰动被测粒子，套利活动必定消灭套利机会。 在统计套利里面，所有的矛盾都在风险因子上统一起来。
呵呵，理论没问题，然后呢？ 请问什么时候买卖？ 如何控制仓位？ 举个最简单的例子，下午期货的哪个品种该多？或者哪个品种该空？ 统计难点在于如何实盘操作....我不反对统计的有效性，还是解决统计存在的问题更重要
為什么市場是用效率來描述？這好像是在形容一種物理系統運轉的自組織性、自調節適應性。似乎是一種從高往下管理者的眼光，或者說旁觀者的眼光來審視這個生態環境。 但以現實的生態環境來看，比如菜市場、數碼市場、各種批發市場，市場若是有效率的，那就意味著資源和交換機會是均等的，就不會出現壟斷渠道、囤貨獨大的實力上家。 可能有效率的市場做為一種數學假設，只存在于沒有時間維度、沒有歷史先后優劣的紙面上。
这个很抱歉。这个行业的特点大家都知道。任何我公布出来的模型，不出三个月就不再工作了。在美国市场有人公布了一个成对交易模型，最后交易的人太多，协整关系被破坏，此人和他的追随者都亏损惨重。你们不想重蹈这个覆辙吧？ 统计套利的实践者为数众多，实盘操作从来不是问题。仓位控制参见我同事 Attilio Meucci 的那本书。