一、怎么辨別期貨量化交易模型的好壞方法

程序化模型的選擇與辨別如果有人告訴你他的程序化能在不長的時間內，讓你的資金翻幾番，那你要為他的言語或者他的程序打個折扣，但是如果對方又能拿出不錯的圖形或者非常漂亮的收盤測試結果放在你的面前，你又當如何說服自己是相信還是不相信？以下內容就是幫助你如何辨別好壞模型．1、測試時間：一個好的程序化必須經(jīng)得起時間周期的測試，如果一個程序化，結果很漂亮，周期卻只有一兩個月，不可信；
2、使用資金：很多人貼出來的漂亮測試結果，使用資金常常是80％或者其它百分比，但這些都是不合理的選擇，因為金融市場資金管理很重要，在行情好時候，資金使用越高，收益越大，行情不好時，資金使用越高虧損越大，但我們無法去判斷接下來的行情會如何，所以，歷史測試的結果使用百分比的開倉方式是不合理，這也就是為什么，有時候會出現(xiàn)，資金使用率為80％是，測試結果是虧損的，而且使用率為40％時又是贏利的．3、測試方式：開盤價和收盤價測試均有其不合理性，趨勢模型一般以趨勢逆轉點為開倉信號，故較為準確的是：出現(xiàn)指令價位。
測試結果的分析：a. 指令總數(shù)：也就是信號數(shù)，過高，說明震蕩行情過濾不好，過低，說明風險大；
如何判斷信號數(shù)合理呢？那就只有不同的模型在同樣的周期下的一個對比了．還有一個最簡單的方式就是將 指令總數(shù)／有效交易天數(shù) 以日內短線為例，一般一個有效交易日的平均信號數(shù)在2-5之間（此數(shù)據(jù)僅供參考）；
b. 利潤率：總利潤不用看，只看扣出最大利潤的結果，必須為正，而且測試周期越長利潤率應該越大，很多模型，測近期不錯，測遠期就不行，所以測試時應該盡量的去測能測到的最長周期．（當然因為行情關系也可能出現(xiàn)，長期比短期利潤率低，但總體而言，周期越長利潤率越高，才是好的模型的測試結果）c. 正確率：其它條件都完全一樣的情況下，正確率越高自然越好，但也不用為了看到一個高正確率的模型而心動，也不用因為你自己模型的正確率低而擔心，一般的正確率能在45％左右，就不錯了，因為程序化的本來意義就是賺大虧小，在震蕩的時候正確率自然會低；
d. 最大虧損率：如果你是選擇的固定手數(shù)，比如10手進行測試，你的最大虧損率最大應該不能超過10％，當然，如果你選擇的測試手數(shù)多，最大虧損率可能有所提高．如果你選擇的80％的資金使用率，可能虧損會更大，當然也會有虧損的不大的測試結果，這往往和你的測試周期中的行情的一定關系，所以不值得過于依賴；
e. 空倉時間：以日短線為例，空倉時間不能太高，太高，必然會錯過大行情，當然，這一項不是最重要的，如果你空倉時間長，利潤也高，錯過就錯過吧，錯過不是過錯，沒賺到也不存在虧損的風險；

二、量化交易都有哪些主要的策略模型

隨著量化交易的發(fā)展，單一技術指標的策略會面臨失效的問題。
所以現(xiàn)在的策略都是復合型的。
經(jīng)典量化交易策略(包括價值投資、技術指標、配對輪動、機器學習等)、研究型文章等

三、如何從零開始構建量化交易模型

先用語言描述出一個開倉平倉的條件，然后轉換成交交易系統(tǒng)代碼，不斷的回測和參數(shù)優(yōu)化，最終進行實盤測試。

四、怎么用matlab建立量化交易模型

為了減少擬合的自由參數(shù)的數(shù)目，LPPL中的3個線性參數(shù)（A、B、C）被slaved to（我不知道中文該如何翻譯）剩下的4個非線性參數(shù)。
　　根據(jù)目標函數(shù)在對3個線性參數(shù)（A、B、C）求偏導之后，所得的導數(shù)式在求得極小值的情況下應為0，我們可以得到聯(lián)立方程組。

五、量化交易模型的校正重要嗎？

當然重要，簡單來講兩個方面。
第一，假設跟蹤同一個交易系統(tǒng)的人數(shù)足夠多，那么對于其中的大部分人而言，要想成交在一個合理的價格區(qū)間就會變得十分困難，因為他們總會在要買入的時候發(fā)現(xiàn)價格已經(jīng)被提前抬高了，并在要賣出的時候發(fā)現(xiàn)價格開始一瀉千里，他們此時的唯一方法就是不斷升級已有的配套設施，以爭取在第一時間交易。
不過，上述假設如今是很難站得住腳的，因為在量化投資領域并不存在著一個普適的交易系統(tǒng)，即使是對于常用的多因子模型而言，選擇不同的因子，使用不同的預測方法，甚至是決定在不同的時間節(jié)點調倉，都會使最終的投資決策產(chǎn)生一定差異。
同時考慮到策略同質性可能帶來的負面影響，很多開發(fā)者也會不斷努力去研發(fā)出更獨到、有效的投資模型，并對模型高度保密，也進一步保證了量化投資領域的多樣性。
所以及時校正是保證模型有效性的重要條件。
第二，中國資本市場的特殊性，包括政策市等各種阿爾法因素特別多，理論模型需要在實際使用中再進行各種調整和校正以保證有效性。

六、怎么用matlab建立量化交易模型

程序化模型的選擇與辨別如果有人告訴你他的程序化能在不長的時間內，讓你的資金翻幾番，那你要為他的言語或者他的程序打個折扣，但是如果對方又能拿出不錯的圖形或者非常漂亮的收盤測試結果放在你的面前，你又當如何說服自己是相信還是不相信？以下內容就是幫助你如何辨別好壞模型．1、測試時間：一個好的程序化必須經(jīng)得起時間周期的測試，如果一個程序化，結果很漂亮，周期卻只有一兩個月，不可信；
2、使用資金：很多人貼出來的漂亮測試結果，使用資金常常是80％或者其它百分比，但這些都是不合理的選擇，因為金融市場資金管理很重要，在行情好時候，資金使用越高，收益越大，行情不好時，資金使用越高虧損越大，但我們無法去判斷接下來的行情會如何，所以，歷史測試的結果使用百分比的開倉方式是不合理，這也就是為什么，有時候會出現(xiàn)，資金使用率為80％是，測試結果是虧損的，而且使用率為40％時又是贏利的．3、測試方式：開盤價和收盤價測試均有其不合理性，趨勢模型一般以趨勢逆轉點為開倉信號，故較為準確的是：出現(xiàn)指令價位。
測試結果的分析：a. 指令總數(shù)：也就是信號數(shù)，過高，說明震蕩行情過濾不好，過低，說明風險大；
如何判斷信號數(shù)合理呢？那就只有不同的模型在同樣的周期下的一個對比了．還有一個最簡單的方式就是將 指令總數(shù)／有效交易天數(shù) 以日內短線為例，一般一個有效交易日的平均信號數(shù)在2-5之間（此數(shù)據(jù)僅供參考）；
b. 利潤率：總利潤不用看，只看扣出最大利潤的結果，必須為正，而且測試周期越長利潤率應該越大，很多模型，測近期不錯，測遠期就不行，所以測試時應該盡量的去測能測到的最長周期．（當然因為行情關系也可能出現(xiàn)，長期比短期利潤率低，但總體而言，周期越長利潤率越高，才是好的模型的測試結果）c. 正確率：其它條件都完全一樣的情況下，正確率越高自然越好，但也不用為了看到一個高正確率的模型而心動，也不用因為你自己模型的正確率低而擔心，一般的正確率能在45％左右，就不錯了，因為程序化的本來意義就是賺大虧小，在震蕩的時候正確率自然會低；
d. 最大虧損率：如果你是選擇的固定手數(shù)，比如10手進行測試，你的最大虧損率最大應該不能超過10％，當然，如果你選擇的測試手數(shù)多，最大虧損率可能有所提高．如果你選擇的80％的資金使用率，可能虧損會更大，當然也會有虧損的不大的測試結果，這往往和你的測試周期中的行情的一定關系，所以不值得過于依賴；
e. 空倉時間：以日短線為例，空倉時間不能太高，太高，必然會錯過大行情，當然，這一項不是最重要的，如果你空倉時間長，利潤也高，錯過就錯過吧，錯過不是過錯，沒賺到也不存在虧損的風險；