跟随失败者走向胜利! (二) MA线回归策略(OLMAR)

跟随失败者走向胜利! (二) MA线回归策略(OLMAR)

上周撸主发了一篇关于组合优化的帖子，这次我们来看看Follow the Loser思想下的另一种策略：移动平均线回归策略OnLine Moving Average Reversion (OLMAR)。关于Follow the Loser思想及上次写的Anti Correlation策略请进传送门Anti Correlation方法。

Li bin papei简介;

Online portfolio selection is a fundamental problem in computational finance, which has been extensively studied across several research communities, including finance, statistics, artificial intelligence, machine learning, and data mining, etc. This article aims to provide a comprehensive survey and a structural understanding of published online portfolio selection techniques. From an online machine learning perspective, we first formulate online portfolio selection as a sequential decision problem, and then survey a variety of state-of-the-art approaches, which are grouped into several major categories, including benchmarks, "Follow-the-Winner" approaches, "Follow-the-Loser" approaches, "Pattern-Matching" based approaches, and "Meta-Learning Algorithms".

OLMAR的核心想法，顾名思义，就是价格会回到移动平均线（MA）。这表明，股票价格在某一个时间段内的MA值是下一期价格的期望值，或者说，最好的预测值。如果我们采用简单的移动平均算法，有：

那么下一期的价格估计值为：

ω是时间窗，后面那个奇怪的圈圈中间一个点表示矩阵内的元素相乘。

有了对下一期价格的预测，下一期的组合分配比例bt+1是下面式子的解：

可见这一策略要求在调整幅度最小的情况下，保证新组合在预估价格下的值不低于某个敏感系数ε。

在我的策略中，我随机选取了六支股票：'青岛啤酒','浦发银行','张江高科','长江电力','安琪酵母','白云机场'作为组合成员股票，设置敏感系数ε＝0.2。为了展现这个组合优化策略和简单的Buy and Hold策略之间的差异性，我把基准收益设置成浦发银行的收益。（事实上如果用默认的大盘收益作为基准差异会更加明显）

参考文献：Online Portfolio Selection: A Survey by Bin Li and Steven C. H. Hoi。

废话不多说了，大家请看我的策略。

米筐量化交易平台：http://www.ricequant.com

量化炒股QQ群：484490463  群内大神每日在线讲解代码，用Python自动赚钱！