基于连续期货的投资组合点差
连续时间套利理论pdf下载 is a great book that will not leave you indifferent after reading.
Please note that this site may not have this book. We collect traffic from all over the internet. Nevertheless, our advertisers are trying to collect for you the largest number of interesting and fresh books. If you have any questions, write to the contacts listed on the main page! All information is collected from open sources.
For what I remember, I was always more afraid than anyone else. What happened? Almost nothing - I just had the bout. Are there any spasms of something wrong? Maybe he's afraid he's contagious. And then why are you talking about the devil? Why a prison? I had a piece of bread. It was fresh and fragrant. Yesterday I made him his own hand. I have to say that I really did this time. Suddenly 基于连续期货的投资组合点差 基于连续期货的投资组合点差 my bite began to bang in my throat. Somewhere near the window, he sat down and began to sneak around his changing trills around. He whispers and leaves for a moment where he likes. Everywhere he finds something in his beak . I've been trying to be in his place .
基於連續期貨的投資組合點差
本文我們想讓您瞭解如何創建個人綜合工具, 以及如何通過技術分析預測它的趨勢. 我們來分析4個CFD: 小麥, 棉花, 凍牛肉和DJI. 個人工具的構成為: 投資組合[小麥+棉花], 對資產[DJI+牛肉]. 權重選擇一樣的比例- 25%. 我們先來描述一下當前的基本趨勢和影響這些資產走勢的事件.
小麥期貨的CFD交易是按照美元/100蒲式耳. 從年初開始它的牌價下跌18%, 從5月初的最大值 基于连续期货的投资组合点差 - 下降了三分之一. 主要原因是: 中國國家庫存的穀物銷售和全球產量預期增大
據中儲糧資料顯示, 國家小麥庫存高出去年3倍. 此外公司已收購了2434萬噸新糧食. 因此中國國家糧油資訊中心預計在2014/2015季較往年縮減57%的小麥進口. 並且中儲糧預計2014年5月初至10月份 小麥的國家庫存銷售將達到3200噸. 差不多是一半的庫存, 我們預計繼續縮減庫存的幾率很低了.
據中國國家糧油資訊中心預期, 中國的小麥, 玉米, 水稻今年的總產量預期小幅上漲 1.7% 基于连续期货的投资组合点差 - 達到5.521億噸. 國內需求的增長因經濟增長的放緩(2%). 但是往年的具體的庫存將用於銷售 ,進口將縮減34.3%(1150萬噸). 在我們看來,庫存的銷售和縮減進口是全球糧食價格下降的關鍵因素. 我們認為, 當前的過程是暫時的, 在中國舊的庫存銷售後,糧食的價格將趨於穩定.
在世界人口增長的背景下, 全球糧食產量的提高對沖了需求的增加. 因此應該與全球庫存相比較更正確. 美國農業部預測, 2014/2015季全球小麥庫存上漲值1.9638億噸(2013/2014季該值為1.8677億噸), 增長了5%. 與此同時, 美國小麥庫存可能更為顯著增加19％. 當然, 庫存預期增加對世界價格產生負面影響. 但我們不排除可能因天氣的影響下導致其向下修正.
不排除今年厄爾尼諾颶風的發展, 其已經導致了全球多個小麥產地的乾旱. 從歷史上看, 這種自然現象出現的時間規律間隔為三至八年. 最後的厄爾尼諾現象是在2009- 2010年. 這增加了它依次出現的概率. 更加精確的預測將在幾個星期後出現, 應該指出的是, 2008年由於中國, 哈薩克和烏克蘭地區乾旱, 以及全球庫存降至1.1億噸導致了小麥價格的飛漲.
棉花期貨CFD的單位是美元/英鎊. 在世界市場上常常論包或捆, 重達500英鎊或226.8公斤. 當前全球棉花市場的狀況與小麥相似. 中國2013/2014季底棉花庫存超過年消費的達到4500萬困(1020萬噸). 與此同時, 與小麥一起在五月初就開始在國內市場銷售, 從而導致世界價格下降了約三分之一, 達到5年低點. 當然, 庫存銷售降低了棉花的進口. 預計, 在2014/2015季進口量將下降至10年來的低點-130萬噸. 這導致了世界市場棉花的過剩. 同小麥一樣, 我們認識中國的庫存銷售是暫時的因素.
據美國農業部預測, 在2014/2015季棉花的全球庫存較2013/2014上漲6%達到2314萬噸. 我們不排除天氣因素對產量和庫存的影響.
冷凍牛肉期貨CFD單位是美元/100英鎊. 與棉花和小麥下跌所不同, 在年初肉類上漲45%. 下半年初美國牛的數量達到9500萬頭, 是1973年來的最低值. 2012年比當前的價格低30%, 當時牛的數量僅減少3%. 我們不排除在不久的將來數量增加的可能性, 因為. 如小牛的數量只比兩年前少2％. 也許牛肉價格的上漲刺激了美國農民減少奶牛數量, 但效果將在2015年完全可見.
注意, 根據美國農業部預測, 今年該國牛肉產量小幅增加0.4％. 印度是價格上漲的最大贏家. 預計, 出口量將從2012年的140萬噸增長至190萬噸, 增幅35%.
總體而言,全球牛肉產量今年可能增長4％,從2013年的5862萬噸提高到5886萬噸. 這比7％的需求增長少了2倍, 需求從5683萬噸增長至5724萬噸（供給和需求之間的差異就是全球庫存）. 這種不平衡, 在我們看來已經引起了冷凍牛肉價格快速增長. 中國今年購買量比去年增加16％. 與此同時，進口牛肉並不占消費牛肉的主角. 因為其進展中國市場份額的3％. 中國是世界上僅次於美國, 巴西和歐盟之後牛肉的第四大生產國. 因此, 我們不排除在中國冷凍牛肉進口的實際額要低於預期. 在這種情況下, 牛肉期貨價格可能會向下調整.
該指數是美國歷史最悠久的指數. 是根據美國最大的30家公司的平均值計算出來的. 所包含公司的總市值達到4.87萬億$. 在九月中旬, Dow達到了歷史的最高值, 之後出現回檔. 目前比年初下降1.2%.
我們不排除美國股市下降可能會繼續. 因為美國年度重要金融事件是結束第三輪量化寬鬆政策（QE3）. 這項工作將在10月29日的美聯儲會議進行. 這將是緊縮貨幣政策的下一步. 美國監管機構的行為已經影響到了 貨幣市場, 引起了美元連續12周大幅加強. 投資者認為QE3結束後, 美聯儲將開始提高利率. 當前利率水準為0.基于连续期货的投资组合点差 25％. 根據大多數的預測, 首次加息將在明年7月份. 利率升高自然提高信貸利率, 這將提高美國公司的成本. 目前, 他們花費高達90%的例如用於股息或股票回購, 通過低廉的貸款成本發展業務. 這一政策極大地促進了牌價上漲值歷史的新高. 加息也會提高債券市場的投資吸引力, 這將與股票市場爭奪資金. 企業分紅可能下跌, 債券收益率將上升.
在進入技術分析之前, 我們想強調的是, 所提出的個人綜合工具[Сotton+Wheat]/[F-Cattle+DJI]並不是固定的,僵化的, 而是包含了一些想法,還可以進一步的思考. 理論上, 可以將基礎部分改為玉米(corn),而報價部分改為JDI和 S&P500 基于连续期货的投资组合点差 或 Nasdaq. 嘗試不同的組合以實現更清晰的信號. 我們這次僅分析我們提出的個人工具.
我們來看一下技術分析的主要信號 基于连续期货的投资组合点差 從下面的圖中可以看出, 價格突破了下跌趨勢通道,這是第一個反轉信號. 突破阻力位0.97726將是重要的事件, 該水準也是分形所在. RSI（13）是價格反轉前的重要信號. 同時趨勢指標"抛物線"給出了看漲信號. 我們可以看到9月份指標形成了"雙底", 圖中紅色區域內.
當前, 震盪指標證實了上漲趨勢. 同時價格上漲超過了 均線, 以上, 呈現出穩步上漲. 我們認為, 立即做多, 止損放置在0.93140水準. 該水準是雙底的位置, 工具上漲的潛力要高於風險幾倍, 價格高於1995年的最低值(6.8%). 因此交易具有高收益的應該強調的是, 基礎部分工具（棉花, 小麥）顯示略有超賣. 棉花高於歷史最低值126%(61.68對27.30), 同時小麥的價格 - 280% (512.7 對 232.4). 我們看到, 個人綜合工具的組成使得技術分析的信號更加明顯.
埃尔顿《现代投资组合理论与投资分析（原书第9版）》笔记 第五部分 评估投资流程 第26章 评价投资组合业绩
假设由无风险资产和投资组合A构成的组合的贝塔为 \beta_P ，投资组合A的贝塔为 \beta_A ，无风险资产的贝塔为 \beta_F 。整个组合的贝塔是单个证券的贝塔的加权平均值。因此 \beta_P=X\beta_A+(1-X)\beta_F 。但是，无风险组合的贝塔为0，即 \beta_F=0 。因此， X=\beta_P/\beta_A 。整个组合的预期收益率是单向资产期望收益率的加权平均值。因此， \overline_P=X\overline+(1-X)R_F 。将X换成 \beta_P/\beta_A ，得到
如果基金经理人选择对基金进行主动管理（积极策略），那么衡量基金经理人表现的一个指标就是在相同的风险水平下，主动管理获得的收益率与经理人消极策略的实际收益率之间的差异，这里的消极策略是通过投资于市场组合和无风险资产而实现的。连接无风险资产与市场组合的直线的斜率为 (\overline_M-R_F)/\beta_M ，截距就是无风险利率。市场组合的贝塔为1.因此，直线的方程为
其中， \alpha 是詹森差别收益率的估计值。事实上，在任何一个业绩模型中， \alpha 都被公认为是业绩差异的表现项。
26.2 一个防操纵的业绩指标
其中 \hat <\Theta>统计的是经风险调整后的投资组合溢价收益的估计值。也就是说，投资组合的排序与一个连续复合收益率超出利率 \hat <\Theta>的无风险资产的排序是相同的。此外，T是观测总数， \Delta t 是每次观测之间的时间间隔。这两个变量将业绩指标年度化。在时点t，投资者的收益率（未年化）为 r_t ，无风险利率为 r_0 。在选择系数 \rho 时，要确保对不知情的基金经理人而言，持有基准组合是最优的。
26.3 时机选择
基于连续期货的投资组合点差 
式中， R_ ——基金i在t期的收益率；
如果基金收益率和市场收益率的关系如图26-7所示，那么这些散点的最佳拟合结果是一条直线。在这种情况下，新增的平方向并不能提高拟合程度， c_i 将等于0。如果基金收益率与市场收益率的关系如图26-8所示，那么新增的平方项（拟合结果为曲线）就会提高拟合程度， c_i 降维正数。所以， c_i 是对基金时机选择能力的度量参数。
其中， D=0 ，如果 R_-R_\geqslant 0 ，上行市场；
考虑当 R_-R_ 为不同值时，上述方程的具体形式：
\begin R_-R_ &\quad\quad 方程式 \\ + &\quad\quad R_-R_=a_i+b_i(R_-R_)+e_i \\ 0 &\quad\quad R_-R_=a_i \\ - &\quad\quad R_-R_=a_i+(b_i-c_i)(R_-R_)+e_i \end \\
考察上面的方程式，可以看出 b_i 是上行市场时的贝塔， (b_i-c_i) 是下行市场时的贝塔， c_i 就是上行市场与下行市场的贝塔之差。一个成功的市场时机选择将会有一个正的 c_i 。如果在统计上 c_i 具有显著性，就多少表明基金取得的优异业绩是因为时机选择能力，而不是运气所致。
量化投资经典案例策略与法律分析
投资组合保险技术是Hayne Leland, John O’Brien和Mark Rubinstein于1981年2月创立的一种投资策略，核心思路是让投资组合在风险可控的前提下具有大幅上升潜力，具体手段是对用一部分资产做固定收益投资产生安全垫，作为风险资产的保护。如果对标的价格的随机性做出假设，就可以建立金融工程模型，根据资产价格的走势，使用股指期货动态复制一个看跌股指期权，保护自己投资组合的下行风险。
二、高频交易的秘密
高频交易是量化投资的一种，虽然必然使用程序进行执行，但从策略逻辑而言，和上面提到以趋势投机和系统交易为特征的程序化交易不同。广义的高频交易可能包含的特征有使用超级计算机生成、发送和执行交易指令；使用服务器托管和特别网络缩短信息处理时间；建立和结清交易头寸的时间非常短，尤其不持有隔夜仓；可能会送大量交易指令，又快速撤单。常见的高频交易策略包括自动做市商交易（Automated Market Trading, AMMs），流动性回扣交易（Liquidity Rebate Trading），闪电订单（Flash Orders）和暗池（Dark Pool）。
无独有偶，前文提到《说谎者的扑克牌》的作者Michael Lewis于2014年3月中旬，出版了一本新书《闪击者》（Flash 基于连续期货的投资组合点差 基于连续期货的投资组合点差 Boys），书中的基本对高频交易持批评态度。作者主要强调抓住高频交易捕捉微观价差这一事实，为私人交易所鸣不平。但没有考虑高频交易具有不同目的的多种策略，另外作为连续交易的市场，高频交易整体上为市场提供了流动性，和其对应的风险补偿。
(二)高频交易的天敌：3 Red Trading, Panther Energy Trading和幌骗交易
2014年11月，美国商品期货交易委员会（CFTC）发布公告，芝加哥投资公司3 Red Trading LLC以及交易员Igor B. Oystacher涉嫌利用“幌骗”（spoofing）手段及欺诈设备操纵市场，对其发起诉讼。据CFTC的指控文件，Oystacher在359790份交易合约中累计进行1316次“幌骗”交易。同期，CME向Oystacher处以15万美元的罚款和一个月的市场禁入，Oystacher同意支付罚款并接受处罚，但对于违规行为既不承认也未否认。后来据金融博客Zero Hedge评论， Oystacher通过发现僵化的高频交易市场漏洞，从而操纵了其他的高频交易者。
2015年11月3日，美国联邦法院裁定Panther Energy Trading公司的负责人Michael Coscia在商品交易欺诈以及幌骗(spoofing)罪名成立，这是美国2011年多德-弗兰克规定出台以来，关于其中“防欺诈法规”的首个案例，也是全球的首宗刑事起诉。
而真正连接一切业务和客户的核心，是骑士资本的电子交易服务系统。该系统本质上是一个暗池（Dark Pool），具备高频交易功能，做市商功能，通过嵌入量化模型，为客户提供高效和快速的市场信息和交易服务业务。该平台与100多个交易所、电子交易中心、暗池和其他做市商的交易中心相连接，可以交易美国证券市场上的19000多只证券产品，还包括期货、期权和外汇等，从而帮助客户在高度分割的市场环境中高速高效的完成最终交易业务。骑士资本的高频交易平台可以把来自于不同机构客户和零售客户的交易订单组合起来，形成一个巨大的撮合池，当市场的流动性不足的时候，通过投放公司自有资金为市场提供需要的流动性，因此骑士资本也是美国证券市场上最大的流动性提供商之一。由于该平台强大的交易处理能力，不止是买方，一些在美国证券市场上重量级的证券公司都是骑士资本的客户，通过上述平台向交易所和其他交易中心发送交易订单，比如著名的网上折扣经纪公司E-Trade、TD Ameritrade和史考特证券经纪公司。其中，TDA证券是美国最大的网上经纪商公司，客户账户的数量接近600万，拥有的客户资产达到$5000亿美元。骑士资本的这种超级交易平台极大提高了交易效率，也埋下了巨大的运营风险。
在欧洲，欧盟的《金融工具市场指令II》（Markets in Financial Instruments Directive II， 简称MiFID II）致力于以投资公司作为执行主体，计划引入一系列安全保护措施，综合考虑价格、成本、速度、指令执行可能性、规模、性质等多种因素后执行客户指令。即针对使用算法交易的市场参与者,也针对发生算法和高频交易的交易场所。期间，德国联邦金融管理局认为针对高频交易的监管迫在眉睫，但MiFID 基于连续期货的投资组合点差 II草案的审议时间较长，为控制德国交易场所内高频交易可能带来的风险，于2012年9月出台了全球第一部专门针对高频交易的监管草案，并分别于2013年2月、3月在德国众议院与参议院通过。2014年4月15日，欧洲议会通过包含一系列限制高频交易措施的《金融工具市场指令II》。
美国证监会SEC则于1998年启动监管框架改革，引发了持续至今的美国金融市场结构变革，美国全国市场系统规则（Regulation NMS，简称Reg NMS）强调由市场作为主体执行客户指令，超过一半的机构投资者的交易系统的算法报单遵循SEC国家最佳竞价原则（National Best Bid or Offer，NBBO），以“最优价格”为标准履行“最佳执行”义务，形成了统一的金融市场结构，为高频交易的发展提供了制度基础。随后，高频交易在良好的政策和市场环境中，市场份额、收益和影响力迅速上升，也引起立法者和监管者的关注。这些年美国证监会SEC和美国商品期货交易委员会CFTC陆续出台了一系列与高频交易有关的监管措施，具体包括：
2015年11月3日，美国联邦法院裁定高频交易员迈克尔•科斯夏（Michael Coscia）在商品交易欺诈以及幌骗(spoofing)罪名成立，这也是美国托德弗兰克法案（ Dodd Frank Act）规定2011年出台以来关于其中“防欺诈法规”的首个案例，也是全球针对这种违法交易行为的首宗刑事起诉，具有里程碑的意义。