保温杯中性
只做大币种和指数的合约（远离妖币，资金容量大） 长周期持仓（可以手动交易） 策略原理清晰可理解，追求稳定性，长期性 中性/保温杯中性，是量化策略之王，永远有生命力的策略。 中性策略收益有波动，不能保证稳赚，但是长期收益不会差。 未来方向： 1.适当扩展选币池子，可以手工增加你觉得不错的币。现在只有5个。 2.成交量前30%的币中做中性 3.增加多空数量不平衡的设置 ，降低回测。中性最怕妖币。在现阶段不用加，因为都是大币种和指数。不存在暴涨的情况。 4.将现货加入多头的币池。 5.将某个板块的币，比如gaMefi,小市值30%的币，作为一个指数。自己构建指数。 6.增加基本面数据。最近一段时间消耗的gas费等
常见问题
会一直更新： 1，360freewifi无法启动成功 驱动问题，安装360freeap_whole_setup_5.3.0.5020.exe 2，微信聊天记录无法迁移 需要在手机设置里把微信的本地网络开关打开。
中性策略概述
20221030 D:\天翼云盘下载\coin\part3\b圈量化课程高清版(文件较大,建议网速快的同学下载)\ 3.3.01 中性策略概述.mp4 观后感： 刑不行2022年新加的课程。 1，皮尔逊选股策略，有个柱状图，特别规律，从前0-10%，10%-20%，直至90%-100%收益一直递减。这样就很好的说明了这个策略的有效性非常高。需要深入研究一下这个策略。 2，中性策略在股票圈做多股票，做空股指，因为没法做空个股。但是在币圈，做空的对象换成打分在90%-100%这些币种，做多的是打分最高的10%币种。 如何做空股指？ 3，对冲基金用的就是这种中性策略。选股策略是策略之王。最容易出成果。 4，alpha指的是选股策略收益，beta是大盘收益。对冲基金都是alpha - beta。 5，币圈现在由于有合约的存在，且bn上已经有100多种的币种可以同时做多做空，这就为在币圈用中性创造了条件，币种越多可以取得的alpha越多。 6，刑不行不太看好未来的中国的beta。 7，刑不行根据历史行情，预测还有一波下跌。 打算把这个皮尔逊策略和中性策略实盘起来。
保温杯中性
只做大币种和指数的合约（远离妖币，资金容量大） 长周期持仓（可以手动交易） 策略原理清晰可理解，追求稳定性，长期性 中性/保温杯中性，是量化策略之王，永远有生命力的策略。 中性策略收益有波动，不能保证稳赚，但是长期收益不会差。 未来方向： 1.适当扩展选币池子，可以手工增加你觉得不错的币。现在只有5个。 2.成交量前30%的币中做中性 3.增加多空数量不平衡的设置 ，降低回测。中性最怕妖币。在现阶段不用加，因为都是大币种和指数。不存在暴涨的情况。 4.将现货加入多头的币池。 5.将某个板块的币，比如gaMefi,小市值30%的币，作为一个指数。自己构建指数。 6.增加基本面数据。最近一段时间消耗的gas费等
常见问题
会一直更新： 1，360freewifi无法启动成功 驱动问题，安装360freeap_whole_setup_5.3.0.5020.exe 2，微信聊天记录无法迁移 需要在手机设置里把微信的本地网络开关打开。
中性策略概述
20221030 D:\天翼云盘下载\coin\part3\b圈量化课程高清版(文件较大,建议网速快的同学下载)\ 3.3.01 中性策略概述.mp4 观后感： 刑不行2022年新加的课程。 1，皮尔逊选股策略，有个柱状图，特别规律，从前0-10%，10%-20%，直至90%-100%收益一直递减。这样就很好的说明了这个策略的有效性非常高。需要深入研究一下这个策略。 2，中性策略在股票圈做多股票，做空股指，因为没法做空个股。但是在币圈，做空的对象换成打分在90%-100%这些币种，做多的是打分最高的10%币种。 如何做空股指？ 3，对冲基金用的就是这种中性策略。选股策略是策略之王。最容易出成果。 4，alpha指的是选股策略收益，beta是大盘收益。对冲基金都是alpha - beta。 5，币圈现在由于有合约的存在，且bn上已经有100多种的币种可以同时做多做空，这就为在币圈用中性创造了条件，币种越多可以取得的alpha越多。 6，刑不行不太看好未来的中国的beta。 7，刑不行根据历史行情，预测还有一波下跌。 打算把这个皮尔逊策略和中性策略实盘起来。
Subscribe to KeepLearning
Subscribe to KeepLearning
Share Dialog
Share Dialog
<100 subscribers
<100 subscribers
来源：郭毅老板的直播
思考：这个因子表征的是知情交易者的占比。
结论：
VCV因子，成交量标准差/成交量均值。 越小越好，越大表示知情交易者占比越高，个股未来走势越弱，用于BWB3
实现：成交额的标准差/成交额的平均值，具体为什么这样能表征知情交易者的占比，可以会看郭老板的视频
df[factor_name] = df['quote_volume'].rolling(n).std() / df['quote_volume'].rolling(n).mean()
BWB3回测结果：
以1d为持仓周期的话，参数7是最好的，用('PctChange', 7)过滤。
看着也是单调上升的，效果比基于流动性的因子差。测试了参数14/30，都更差，而且参数越大，结果越差。所以考虑使用1h来测试。是不是币圈对知情交易者1d显得太长了。
如果('VCV', False, 7, 1)，则是个归零策略。看看小时级别的。
测试了4小时的，结果很差。这个因子在币圈效果不行，是不是哪里弄错了？不知道为什么
来源：郭毅老板的直播
思考：这个因子表征的是知情交易者的占比。
结论：
VCV因子，成交量标准差/成交量均值。 越小越好，越大表示知情交易者占比越高，个股未来走势越弱，用于BWB3
实现：成交额的标准差/成交额的平均值，具体为什么这样能表征知情交易者的占比，可以会看郭老板的视频
df[factor_name] = df['quote_volume'].rolling(n).std() / df['quote_volume'].rolling(n).mean()
BWB3回测结果：
以1d为持仓周期的话，参数7是最好的，用('PctChange', 7)过滤。
看着也是单调上升的，效果比基于流动性的因子差。测试了参数14/30，都更差，而且参数越大，结果越差。所以考虑使用1h来测试。是不是币圈对知情交易者1d显得太长了。
如果('VCV', False, 7, 1)，则是个归零策略。看看小时级别的。
测试了4小时的，结果很差。这个因子在币圈效果不行，是不是哪里弄错了？不知道为什么
No activity yet