关闭
您正在使用的浏览器版本较低，无法支持聚宽的某些特性。
为了获得更好的体验，推荐使用：
Google Chrome
或者
Mozilla Firefox
或者
IE9以上
。
返回主题列表
价值选股与RSRS择时
1887
listen
分享到：
微信
微博
雪球
评论
wwwlll
@一个匿名马甲 M,N敏感性怎么测试的？聚宽可以做的到吗？
2018-11-07
卧龙吟
@wwwlll 手动....
2018-11-07
叶开源
该策略从2018.9.28以后的回撤还是比较大的，看能怎么改进一下防守。
2018-11-07
叶开源
调了几个参数，提高了持股集中度，貌似到2018/11/6回撤控制稍好一点。
2018-11-07
浮生浅斟唱
pb和ROE中性化后，会不会效果更好点
2018-11-07
kuhn
@wwwlll 研究环境可以参数调优，社区有个框架，https://www.joinquant.com/post/4351?tag=algorithm https://www.joinquant.com/post/3144?tag=algorithm
2018-11-12
wwwlll
@kuhn 好，谢谢！
2018-11-12
K线放荡不羁
@浮生浅斟唱 可以进行 尝试的，中性化处理后可以减少行业持股较为集中的情况
2018-11-17
K线放荡不羁
@叶开源 动手尝试的态度很好，哈哈，不过参数这个东西有时很玄乎，不能过于依赖调参
2018-11-17
K线放荡不羁
@一个匿名马甲 手动点赞，策略中择时方法还是属于量价类的思路，适合于中短期的范畴，参数M相当于测试数据的量，1000的统计长度已经将近4年左右，在这个时间跨度上参数确实不会太敏感，而参数N是用于取N天的量价信息预测一个交易日的值，，一个周或一个月这样的时间，对效果的影响凭经验来讲也应该是最大的，超过这个范围的N越大，效果应该会是不断递减的过程了
2018-11-17
K线放荡不羁
@若安 因为策略建构本身就是基于历史数据进行的，很难逃脱可能拟合的嫌疑，如何权衡对历史数据挖掘的拟合程度，除了考验研究人员本身的经验，也有常见的处理办法，比如可以通过对参数敏感性进行分析，可参考评论区的一些方法，可以先加入实时行情模拟交易观察下实际表现
2018-11-17
K线放荡不羁
@Gyro 手动点赞！
2018-11-17
K线放荡不羁
@王新元Blank 就研报这个择时方法，我个人觉得更像是数据挖掘出来的规律，对实际逻辑意义的说明我感觉并没有太强的说服力，既然如此，选取效果好的就行，市场风格不断变化，动态计算阈值更为合理，可以尝试下
2018-11-17
Bluebell
排除银行股后效果会好很多
2018-11-17
kuhn
@Bluebell 高啊！其他风险指标呢？有明显变化吗？
2018-11-19
tjfree
@Bluebell 给个回测看看？
2018-11-21
Bluebell
@tjfree @kuhn 排除了银行，优化了一些细节，收益不错
2018-11-21
apple5
选股的财务指标只用了ROE吗？
2018-11-22
kuhn
@Bluebell 不错不错，学习了
2018-11-22
kuhn
@kuhn 发现交易次数一下少了很多，还优化了什么条件吗？还是单纯因为之前大部分交易都是银行股，剔除银行以后符合条件的股票标的变少了？
2018-11-22
首页
上一页
1
2
3
4
5
6
7
8
9
10
下一页
尾页
您尚未登录，请
登录
或者
注册
聚宽发表回复。
取 消
提 交
雪球
